Gaia
Estatistika eta denborazko serieei buruzko gaiak
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Gaztelania
Irakasgaiaren azalpena eta testuingurua
Esta asignatura permite al alumno profundizar en las distintas técnicas utilizadas en el análisis de series económicas temporales y su tratamiento estadístico, poniendo especial énfasis en el análisis en el dominio de la frecuencia y los modelos de volatilidad dinámica. Con ella se pretende que el alumno pueda realizar una investigación de calidad en el ámbito del análisis económico aplicando instrumentos y conocimientos estadísticos y econométricos avanzados. Al finalizar el curso el alumno debe saber cómo extraer la información de una serie económica, utilizar distintos paquetes estadísticos y econométricos, y dominar los modelos estadísticos tanto semiparamétricos como no paramétricos. Asimismo, deberá conocer las características y utilidades de los procesos integrados y fraccionalmente integrados y de los modelos de volatilidad cambiante, de especial importancia en series financieras.Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
ARTECHE GONZALEZ, JESUS MARIA | Euskal Herriko Unibertsitatea | Unibertsitateko Katedraduna | Doktorea | Elebakarra | Ekonomia Aplikatua | josu.arteche@ehu.eus |
Gaitasunak
Izena | Pisua |
---|---|
Comprender la lógica de la modelización y los métodos econométricos para el análisis de datos de series temporales y de sección cruzada, así como su utilidad en la predicción económica. | 20.0 % |
Adquirir conocimientos sólidos de los métodos estadístico-econométricos modernos para la cuantificación de las relaciones económicas, el contraste de teorías y la evaluación de políticas públicas. | 20.0 % |
Identificar, buscar, organizar y sistematizar la información estadística relevante para ayudar a explicar las cuestiones económicas de interés, tanto a nivel microeconómico como macroeconómico. | 20.0 % |
Realizar trabajos empíricos, seleccionando los métodos estadístico-econométricos apropiados según la naturaleza de los datos y el problema a analizar y utilizando los programas informáticos especializados. | 20.0 % |
Interpretar y transmitir los resultados de un análisis cuantitativo y elaborar informes. | 20.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 30 | 50 | 80 |
Mintegia | 5 | 10 | 15 |
Gelako p. | 10 | 10 | 20 |
Ordenagailuko p. | 10 | 20 | 30 |
Tailer Ind. | 5 | 0 | 5 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Eskola magistralak | 80.0 | 37 % |
Gelako praktikak | 20.0 | 50 % |
Mintegiak | 15.0 | 33 % |
Ordenagailuko praktikak | 30.0 | 33 % |
Teoria | 5.0 | 100 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Garatu beharreko galderak | 40.0 % | 60.0 % |
Idatzizko azterketa | 40.0 % | 60.0 % |
Ohiko deialdia: orientazioak eta uko egitea
Las competencias serán evaluadas mediante un proceso de evaluación continua y la calificación final será obtenida de la forma siguiente:- Examen final escrito: 40% ;
- Ejecución y presentación de ejercicios individuales y/o en grupo: 60%.
Los alumnos que no sigan la evaluación continua serán evaluados mediante una prueba final que valore todas las competencias de la asignatura.
El alumno que desee ser evaluado mediante el sistema de evaluación final deberá presentar por escrito al profesorado responsable de la asignatura la renuncia a la evaluación continua en las 9 primeras semanas del curso.
En segunda convocatoria y posteriores, el alumno se presenta al 100% de la nota mediante la prueba final.
La no presentación del alumno a la prueba final supondrá la renuncia automática a la convocatoria correspondiente y la calificación de no presentado.
Ezohiko deialdia: orientazioak eta uko egitea
Evaluación mediante prueba escrita final.Irakasgai-zerrenda
Se describe R que es un sistema para análisis estadísticos y gráficos y que tiene una naturaleza doble de programa y lenguaje de programación y es considerado como un dialecto del lenguaje S. R posee muchas funciones para análisis estadísticos y gráficos y guarda sus resultados como un objeto, de tal manera que se puede hacer un análisis sin necesidad de mostrar su resultado inmediatamente. Se describe diferentes formas de creación de bucles y estructuras. Se analiza la vectorización que hace los bucles implícitos en las expresiones.En el uso de máxima verosimilitud es inevitable la aplicación de métodos de optimización numérica. Se analizan los algoritmos de Newton-Raphson, Gauss-Newton, Scoring y BHHH. Finalmente se discute la identificabilidad loca y global de un modelo econométrico.
Se presentan y describen las herramientas necesarias para realizar un análisis detallado de series temporales en el dominio de la frecuencia, alternativo al dominio temporal tradicional. Así, se describe el concepto de ciclo, distribución y densidad espectrales, se analizan los efectos de los filtros lineales, se introduce el periodograma y estimadores de las funciones de densidad espectral y se describen forma de estimación de modelos en el dominio de la frecuencia.
Se describe esta extensión de los modelos ARIMA que permiten ordenes de integración fraccionales y se proponen técnicas de estimación, tanto en el dominio del tiempo como en el de la frecuencia.
Se describen varios modelos financieros para la heterocedasticidad dinámica, tanto dentro del enfoque ARCH como de Volatilidad Estocástica, describiendo sus propiedades y métodos de estimación.
Bibliografia
Nahitaez erabili beharreko materiala
Mariel, P. (2009), Máxima Verosimilitud y Métodos de Optimización Numérica en Econometría, Facultad de CC.EE. y Empresariales, UPV/EHU, Bilbao, apuntes de curso.Arteche, J. (2012) Análisis de Series Temporales en el Dominio de la Frecuencia. Facultad de CC.EE. y Empresariales, UPV/EHU, Bilbao, apuntes de curso.
Arteche J. (2012) Modelos para la Volatilidad en Series Financieras. Facultad de CC.EE. y Empresariales, UPV/EHU, Bilbao, apuntes de curso.
Oinarrizko bibliografia
Härdle, W. (1990), Applied Nonparametric Regression. Cambridge University Press.Harvey, A.C. (1993), Time Series Models. Caps. 6 y 7. Harvester Wheatsheaf.
Paradis, E. (2002), R para principiantes, Institut des Sciences de l¿Évolution Universit Montpellier II, F-34095 Montpellier
Gehiago sakontzeko bibliografia
Bollerslev, T., Engle, R.F. and Nelson, D.B. (1994), ARCH Models. Handbook of Econometrics, Vol. IV, Engle R.F and McFadden D.L., eds., 2959-3038.Brockwell, P.J. and Davis, R.A. (1991), Time Series: Theory and Methods. Springer-Verlag New York, Inc.
Horowitz, J. L. (1998), Semiparametric methods in econometrics. Lecture Notes in Statistics, 131. Springer-Verlag, New York.
Pagan, A. and A. Ullah (1999), Nonparametric econometrics. Themes in Modern Econometrics. Cambridge University Press, Cambridge.
Priestley, M.B. (1992), Spectral Analysis and Time Series. Academic Press LTD.
Rossiter, D.G. (2006), Introduction to the R Project for statistical computing for use at ITC, Internacional Institute for Geo-information Science & Earth Observation, Enschede (http://cran.es.r-project.org/doc/contrib/Rossiter-RIntro-ITC.pdf).
Venables, B., Smith, D., Gentleman R., Ihaka, R. and Mächler M. (1997), Notas sobre R: Un entorno de programación para Análisis de Datos y Gráficos, University of Auckland. (http://cran.r-project.org/doc/contrib/R-intro-1.1.0-espanol.1.pdf).
Verzani J. (2002), simpleR ¿ Using R for Introductory Statistics, CSI Math department (www.math.csi.cuny.edu/Statistics/R/simpleR).
Aldizkariak
R JournalEstekak
http://www.r-project.org/www.tutorialr.es/