Página principal

Licenciatura: le


Descargar 29.57 Kb.
Fecha de conversión18.07.2016
Tamaño29.57 Kb.










Código: 15733










Licenciatura: LE










Curso:










Línea Curricular: Ec. Cu.










Cuatrimestre:










Créditos: 6



Facultad de Ciencias Económicas y Empresariales



Ekonomi eta Enpresa Zientzien Fakultatea


Programa de la asignatura


Análisis Avanzado de Series Temporales


Año Académico


2005/2006


Curso Académico





Licenciatura


Economía


Línea Curricular/Tipo de Asignatura


Economía Cuantitativa/Obligatoria


Departamento


Economía Aplicada III

(Econometría y Estadística)

Profesores que imparten la asignatura durante el curso 2004/05:


  1. Fernando Tusell Palmer


Objetivos de la asignatura:


Proveer la formación suficiente para hacer un uso productivo e informado de modelos de series temporales uni- y multivariantes.



Estructura de temas:
1. Modelos de función de transferencia.
Introducción. Conceptos generales y modelos de función de transferencia especiales. Identificación. Estimación. Chequeo. Predicción y modelo óptimo. Ejemplos y ejercicios.
2. Análisis de intervención y outliers.
Introducción. Modelos de intervención. Identificación de los modelos de intervención. Tipos y efectos de los outliers. Detección y tratamiento de outliers. Modelos de Función de Transferencia y Análisis de intervención y outliers. Ejemplos y ejercicios.
3. Modelos en el espacio de los estados.
Espacio de los estados: forma general: representación de un proceso AR(1), representación de un proceso MA(1), representación de un proceso ARMA(1,1). El filtro de Kalman. Aplicaciones del filtro de Kalman: estimación por máxima verosimilitud de un proceso ARMA, estimación de modelos de coeficientes cambiantes en el tiempo. Ejercicios.
4. Modelos estructurales de series temporales.
Introducción. Estructura de las series temporales. Modelos estructurales de series temporales univariantes. Propiedades de los modelos estructurales en el dominio del tiempo. Relación entre los modelos ARIMA y los modelos estructurales. Representación de los modelos estructurales en el espacio de los estados. Máxima verosimilitud y el filtro de Kalman. Ejemplos y ejercicios.

Competencias especificas de la asignatura:
El objetivo es dotar al alumno de capacidad para abordar problemas simples a moderados de regresión y análisis de varianza. Ello implica desarrollar dos competencias complementarias:

  1. Competencia modelizadora, tendente a desarrollar la habilidad heurística para proponer buenos modelos.

  2. Competencia computacional, que permita la realización de principio a fin de un análisis en la práctica.



Metodología Docente:
Basada en la realización de prácticas y trabajos dirigidos

Sistemas de evaluación:
En principio, continua más un examen final. Dado que gestionar un grupo de esta asignatura y corregir la totalidad de las prácticas es extenuante y puede llegar a ser imposible, el sistema de evaluación puede variar de acuerdo con el número de matriculados.
Observaciones:
La asignatura tiene un fuerte componente computacional, porque las técnicas enseñadas hacen uso de él. Es accersible, sin embargo, a personas sin experiencia previa de cálculo, pues se enseña en ella lo preciso para realizar las prácticas.
Referencias Bibliográficas Básicas:
[1] Durbin, J. y Kookman, S.J. (2001) Time Series Analysis by State Space Methods. Ed. Oxford Univ Press, Oxford.
Referencias bibliográficas:
[1] Aznar, A. y Trívez, F.J. (1993). Métodos de predicción en Economía. Ed: Ariel S.A. Barcelona.

[2] Otero, J.M. (1993), c7. Econometría. Series temporales y predicción. Ed: AC. Madrid.

[3] Harvey, A.C. (1989), c3, c4, c5. Forecasting, Structural Time Series Models and the Kalman Filter. Ed: Cambridge University Press. Cambridge.

[4] Harvey, A.C. (1993), Time Series Models. Ed: Prentice Hall/Harvester Wheatsheaf. Hertfordshire, UK.

[5] Abraham, B. y Ledolter, J. (1983). Statistical Methods for Forecasting. Ed: John Wiley & Sons. New York.

[6] Aoki, M. (1990). State Space Modelling of Time Series. Ed: Springer-Verlag. Berlin.

[7] Box, G.E.P. y Jenkins, G.M. (1976). Time Series Analysis. Forecasting and Control. Ed: Holden-Day. Oakland. California (USA).

[8] Cuthbertson, K. Hall, S.G. y Taylor, M. (1992). Applied Econometric Techniques. Ed: Harverster Wheatsheaf. Hertfordshire (UK).

[9] Engle, R.F. y Granger, C.W.J. (Ed) (1991). Long-Run Economic Relationships. Readings in Cointegration. Ed: Oxford University Press. Oxford.

[10] Harvey, A.C. (1981), c2, c4, c6. The Econometric Analysis of Time Series. Ed: Philip Allan. Oxford.

[11] Novales, A. (1993). Econometría. Ed: McGraw-Hill. Madrid.

[12] Pankratz, A. (1983). Forecasting with Univariate Box-Jenkins Models. Ed: John Wiley & Sons. New York.






La base de datos está protegida por derechos de autor ©espanito.com 2016
enviar mensaje