Series de tiempo
1
OBJETIVO DE LA MATERIA
El estudiante tiene que ser capaz de entender y aplicar los modelos de series de tiempo para la resolución de problemas reales en el ámbito económico y financiero
2
TEMAS Y SUBTEMAS DEL CURSO
1. Series de tiempo estacionarias univariantes (10.5 horas) 1.1. Introducción ydefiniciones básicas, introducción a pronósticos 1.2. Descomposición de Wold y función de respuesta a impulso 1.3. Función de autocorrelación y autocorrelación parcial 1.4. Metodología Box y Jenkins 1.5. Modelos autorregresivos (AR) 1.6. Modelos de medias móviles (MA) 1.7. Modelos ARMA y ARIMA 1.8. Pronósticos con modelos AR, MA, ARMA y ARIMA 1.9. Aplicaciones macroeconómicas y financieras Examenparcial 1 (1 hora y 15 min, Septiembre 2) 3
TEMAS Y SUBTEMAS DEL CURSO Y CALENDARIZACIÓN
2. Series de tiempo estacionarias multivariantes (12 horas) 2.1. Introducción y definiciones básicas 2.2. Representación de Wold 2.3. Vectores autorregresivos (VAR) 2.4. Métodos de estimación de vectores autorregresivos 2.5. Análisis de descomposición de varianza 2.6. Función derespuesta a impulso 2.7. Pronósticos con vectores autorregresivos 2.8. Aplicaciones macroeconómicas y financieras 4 Examen Parcial 2 (1 hora 15 min, Octubre 7)
TEMAS Y SUBTEMAS DEL CURSO Y CALENDARIZACIÓN
3. Series de tiempo no estacionarias (10.5 horas) 3.1. Introducción y definiciones básicas 3.2. Integración y raíces unitarias 3.3. Pruebas de integraciónde Dickey-Fuller y Augmented Dickey Fuller 3.4. Regresión espuria 3.5. Cointegración 3.6. Pruebas de cointegración de Engle-Granger y Johansen 3.7. Vectores autorregresivos (VAR) y de corrección de error (VEC) 3.8. Aplicaciones macroeconómicas y financieras 5 Examen Parcial 3 (1 hora 15 min, Noviembre 4)
TEMAS Y SUBTEMAS DEL CURSO Y CALENDARIZACIÓN
4. Modelos deheteroscedasticidad condicional (7.5 horas) 4.1. Introducción, definiciones básicas y propiedades de series de tiempo financieras 4.2. Pruebas de heteroscedasticidad condicional 4.3. Modelos ARCH 4.4. Modelos GARCH 4.5. Pronósticos con modelos ARCH y GARCH 4.6. Modelos ARCH y GARCH multivariantes 4.7. Aplicaciones macroeconómicas y financieras Examen final integrador (2 horas)
6
OBJETIVOSESPECÍFICOS DE APRENDIZAJE POR TEMA
TEMA 1 El objetivo del Tema 1 es introducir al estudiante a los modelos lineales de análisis de datos en series de tiempo estacionarias de comportamiento homogéneo, utilizando como estimadores para la predicción tanto los valores anteriores de la variable como los errores de estimación del momento y de los periodos previos. El estudiante tiene que ser capazde identificar los modelos autoregresivos, de medias móviles y modelos que combinan modelos autoregresivos y de medias móviles. 7
OBJETIVOS ESPECÍFICOS DE APRENDIZAJE POR TEMA
TEMA 2 El mundo real se basa en vínculos entre varias series de tiempo, y la consideración de una serie de tiempo por separado puede resultar demasiado restringida. Los vectores autorregresivos (VARs) sonuna herramienta muy potente y útil a la hora de estudiar las interacciones dinámicas entre varias series temporales y para contrastar empíricamente modelos económicos y financieros. Por este motivo, el estudiante deberá aprender a realizar estimaciones y predicciones del valor de una variable considerando no sólo los valores previos correspondientes a ésta, sino que utilizando también los valoresprevios de alguna otra variable respecto a la que exista relación de causalidad.
8
OBJETIVOS ESPECÍFICOS DE APRENDIZAJE POR TEMA
TEMA 3 El estudiante tiene que ser capaz de determinar si una serie de tiempo es estacionaria o no; con este fin, utilizará las pruebas de integración (raíces unitarias) en el contexto de modelos univariantes y multivariantes. Si dos series no...
Regístrate para leer el documento completo.