Descripción y contextualización de la asignatura

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.

Convocatoria ordinaria: orientaciones y renuncia

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 6 primeras semanas del curso.



La evaluación será preferentemente presencial. Si ésta no resultase posible, el examen final se realizará utilizando los servicios disponibles en Egela. El alumno tendrá un tiempo limitado para bajarse de Egela el formulario del examen final y subir la solución a dicha plataforma (preferentemente en pdf y en cualquier caso en formato perfectamente legible para

posibilitar su evaluación). La realización de este examen es individual, por lo que en aras de garantizar su cumplimiento, el equipo docente de la asignatura podrá solicitar una prueba oral de comprobación de las respuestas tras la corrección del examen y mediante conversación individualizada con el alumno.



La no presentación del alumno a la prueba final supondrá la renuncia automática a la convocatoria correspondiente y la calificación de no presentado.

Convocatoria extraordinaria: orientaciones y renuncia

Evaluación mediante prueba escrita final.

Temario

La primera parte del curso está dedicada al análisis de la volatilidad de las series temporales.

Se presentan y describen las herramientas necesarias para analizar una serie temporal en el dominio de la frecuencia, un enfoque alternativo a al enfoque tradicional de dominio del tiempo. Se introducen los conceptos de ciclo, distribución, densidad espectral, filtros lineales, periodigrama y estimadores de las funciones de densidad espectral.



La segunda parte del curso está dedicada al análisis de series temporales en el dominio de la frecuencia y se centra en los conceptos fundamentales del dominio de la frecuencia como el análisis de Fourier, estimación en el dominio de la frecuencia e integración fraccional. Se describen los modelos financieros para la heterocedasticidad dinámica, tanto dentro del enfoque de la ARCH como del de la Volatilidad Estocástica.



La tercera parte del curso se centra en las no linealidades en la Econometría. Tiene como objetivo la estimación de maximo/versoímil, métodos de optimización numérica, regresión no linea y test de identificabilidad y especificación.



La última cuarta parte está dedicada al paquete de software R para el análisis estadístico y gráfico que tiene una doble naturaleza de un paquete estadístico y un lenguaje de programación.





A. Análisis de la volatilidad en series temporales



1. Introducción: Características estadísticas de las series financieras

2. Modelos ARCH y extensiones

3. Modelos de volatilidad estocástica



B. Análisis de series temporales en el dominio de la frecuencia



1. Conceptos básicos del Dominio de la Frecuencia

2. El análisis de Fourier

3. Estimación en el dominio de la frecuencia

4. Memoria Larga en Series Temporales: Integración fraccional



C. No linealidades en Econometría



1. Máxima Verosimilitud

2. Métodos de optimización numérica

3. Regresión no lineal: Algoritmos de cálculo numérico

4. Estimación por Máxima Verosimilitud: Algoritmos de cálculo numérico

5. Identificabilidad

6. Contrastes de especificación





D. Programación en R



1. Introducción

2. Comandos básicos

3. Regresión lineal

4. Análisis de Series Temporales: Metodología de Box-Jenkins

5. No linealidades en la estimación por Máxima Verosimilitud

Bibliografía

Materiales de uso obligatorio

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.

Bibliografía básica

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

Bibliografía de profundización

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).

Revistas

R Journal

Enlaces

http://www.r-project.org/



www.tutorialr.es/