Es un curso de introducción al análisis de series temporales en el que se comienza estudiando los métodos clásicos de descomposición y se pasa después a un análisis más moderno mediante el uso de modelos estocásticos. El objetivo prioritario de esta asignatura es que el alumno aprenda a determinar la estructura subyacente en una serie temporal para poder utilizarla al predecir los valores futuros de la serie. Al final del curso los estudiantes serán capaces de utilizar herramientas de análisis y programas informáticos con el fin de identificar el mejor modelo para realizar la predicción de una serie temporal.

COMPETENCIAS ESPECÍFICAS

1. Comprender la lógica del análisis de series temporales y las características de los diferentes elementos de los modelos, así como la relevancia de cada uno de los supuestos empleados en la especificación de un modelo.

2. Identificar, estimar y diagnosticar un modelo adecuado a los datos y realizar predicción a partir de él.

3. Diferenciar entre distintos métodos de estimación, con el fin de utilizar el más adecuado a las características del modelo y/o los datos bajo estudio.

4. Interpretar adecuadamente los resultados obtenidos, elaborar y presentar informes del problema económico analizado.



COMPETENCIAS TRANSVERSALES

1. Capacidad para emitir juicios razonados apoyándose en los datos obtenidos (M03CM02)

2. Desarrollar las habilidades de aprendizaje para adquirir un alto grado de autonomía, tanto de cara a emprender estudios posteriores como de cara a su propia autoformación (M03CM04).

3. Capacidad para la comunicación escrita y oral con fluidez (M03CM09).

4. Capacidad para trabajar en equipo, con responsabilidad y respeto, iniciativa y liderazgo (M01CM07).

5. Capacidad para el pensamiento analítico y la reflexión crítica (M01CM08).

6. Capacidad para desarrollar creatividad, innovación y espíritu emprendedor (M03CM11).

1. Fundamentos de la predicción Económica. (3 h)

Naturaleza y uso de la predicción. Tipos de predicciones. Técnicas de predicción. Criterios para seleccionar una técnica de predicción. Introducción al análisis univariante de series temporales: ¿Qué es una serie temporal? Características y análisis gráfico. Tendencia y estacionalidad.



2. Métodos de predicción no paramétricos y funciones del tiempo. (4,5h)

Métodos no paramétricos: Método ingenuo, Media simple, Medias móviles, Alisado exponencial simple, Medias estacionales, Alisado exponencial lineal de Holt, Método de descomposición, Método de alisado exponencial con estacionalidad de Holt-Winters. Funciones del tiempo: Tendencia lineal, Modelos cíclicos, desestacionalización.



3. Procesos estocásticos. (3h)

Introducción. Procesos estacionarios y ergódicos. Función de autocovarianza, funciones de autocorrelación simple y parcial. Procesos de ruido blanco.



4. Modelos de series temporales estacionarios. (10.5h)

Representación autorregresiva de procesos de series temporales. Representación de medias móviles. Teorema de Wold. Procesos autorregresivos: AR(1), AR(2), AR(p). Procesos de medias móviles: MA(1), MA(2), MA(q). Procesos autorregresivos de medias móviles (ARMA): ARMA(1,1), ARMA(p,q).



5. Modelos de series temporales no estacionarios. (9h)

Modelos no estacionarios en media. Modelos no estacionarios en varianzas y/o covarianzas.

Modelos autorregresivos integrados de medias móviles (ARIMA). Contrastes de raíces unitarias: ADF, KPSS. Los modelos ARIMA multiplicativos estacionales.



6. Modelos ARIMA. Elaboración y predicción. (9h)

Visión general del método Box-Jenkins. 1) Identificación de modelos ARIMA: Herramientas, Análisis de estacionariedad, especificación del orden del ARMA. 2) Estimación, diagnóstico y selección de modelos: métodos de estimación, análisis de estacionariedad e invertibilidad, análisis de residuos, criterios de selección de modelos. 3) Predicción: predictor óptimo, predicción por intervalo.



7. Detección de valores atípicos. Desestacionalización. (3h)

Valores atípicos: outlier aditivo, cambio de nivel, cambio temporal. Métodos de detección. Software para la detección de atípicos y para la desestacionalización.

La metodología docente se basará en cuatro tipos de sesiones lectivas: clases magistrales en las que se desarrollarán los distintos temas del programa del curso, explicando los conceptos e ilustrándolos con ejemplos, clases prácticas en el aula donde se realizarán ejercicios y problemas para afianzar los conceptos del curso, prácticas de ordenador en las que el alumno aprenderá a utilizar programas para el análisis de series temporales y seminarios donde se presentarán y comentarán ejercicios y/o trabajos.



Plataforma de apoyo a la docencia Moodle. En dicha plataforma se encuentran a disposición de los alumnos los materiales didácticos utilizados a lo largo del curso (programa, horarios, ejercicios, apuntes, lecturas, datos, etc.).



Los ejercicios prácticos serán proporcionados y discutidos en las clases. Es posible que se pida a los estudiantes la resolución de algunos problemas por escrito tanto directamente como a través de la plataforma virtual de apoyo docente.

• Sistema de Evaluación Final

Las competencias serán evaluadas mediante un proceso de evaluación continua y la calificación final será obtenida de la forma siguiente:



Ejecución y presentación de ejercicios individuales y/o en grupo: 50%

Prueba final escrita: 50%





De acuerdo con la Normativa de Gestión para las enseñanzas de grado, los alumnos que no se presenten a la prueba final se considerará que renuncian a la convocatoria de evaluación y constarán como "No presentado".



El alumno que, por las causas justificadas recogidas en la normativa de evaluación, desee estar exento de evaluación continua deberá solicitarlo en Decanato en los plazos previstos para ello.



La evaluación para aquellos estudiantes que no sigan el sistema de evaluación continua consistirá en una prueba final. En ella se evaluarán las competencias señaladas anteriormente así como el grado de cumplimiento de los objetivos marcados en este programa. En ambos casos (evaluación continua o sólo prueba final) para superar la asignatura es requisito indispensable obtener al menos una calificación mínima de 4 puntos sobre 10 en la prueba final escrita.

El sistema de evaluación de la convocatoria extraordinaria de cada curso académico será, en todo caso, un único examen que determinará el 100% de la calificación. En este examen se evaluarán todas las competencias y contenidos desarrollados en las actividades del periodo de docencia presencial de la asignatura.

Software de cálculo econométrico Gretl, que se puede obtener de forma gratuita descargándolo desde http://gretl.sourceforge.net

Bibliografía básica

1. Cáceres, J.J., Martín, G., Martín F.J. (2008), Introducción al análisis univariante de series temporales económicas, Delta-Publicaciones (Madrid).

2. Peña, D. (2005), Análisis de Series Temporales, Alianza Editorial (Madrid).

Bibliografía de profundización

1. Uriel , E. Peiró, A. (2005), Introducción al análisis de series temporales. Editorial AC (Madrid)
2. Otero, J.M. (1993), Econometría. Series temporales y predicción. Editorial AC (Madrid)
3. Harvey (1993), Time Series Models, 2ª ed. Prentice-Hall/Harvester Wheatsheaf (London)
4. Granger, C.W.J. (1989), Forecasting in Business and Economics, Academic Press (San Diego)

Direcciones web

http://www.ine.es
http://www.bde.es
http://statistik.mathematik.uni-wuerzburg.de/timeseries/