Diplomado en Modelos Econométricos Dinámicos

TEMARIO

MÓDULO 1
ELEMENTOS DE ECONOMETRÍA


Temario
1. Modelos econométricos
2. Especificación y estimación del modelo lineal
3. Supuestos del modelo y su verificación
4. Violaciones a los supuestos clásicos
4.1. No linealidad
4.2. Heteroscedasticidad
4.3. Autocorrelación en los errores
4.4. Multicolinealidad
5. Pronóstico
6. Uso de variables artificiales
7. Pruebas de cambio estructural
8. Modelos de ecuaciones simultáneas
8.1. Identificación
8.2. Estimación
8.3. Diagnóstico
9. Aplicaciones


MÓDULO 2
MODELO DE PRONÓSTICOS PARA SERIES DE TIEMPO


Temario
1. Introducción al pronóstico. Pronóstico estadístico
2. Conocimiento de los datos
2.1. Inspección de los datos
2.2. Suavizamientos
3. Uso de transformaciones
3.1. Transformaciones lineales
3.2. Transformaciones no-lineales
3.3. Selección de una transformación
4. Criterios para elegir una técnica de pronóstico
5. Modelos de pronóstico
5.1. Pronósticos de series no-estacionales
5.2. Pronósticos de series estacionales
6. Evaluación de los pronósticos
7. Aplicaciones

MÓDULO 3
ANÁLISIS DE SERIES DE TIEMPO UNIVARIADAS


Temario
1. Introducción al Análisis de Series de Tiempo
2. Descomposición de Series de Tiempo
3. Elementos de Ecuaciones en Diferencia
4. Familia de Modelos ARIMA
5. Construcción de Modelos ARIMA
5.1. Identificación de los modelos
5.2. Estimación de los modelos
5.3. Verificación de los supuestos
6. Pruebas de raíces unitarias
7. Modelos para series estacionales
7.1 Análisis de series estacionales
7.2 Construcción de modelos
8. Pronóstico de series de tiempo
9. Aplicaciones

MÓDULO 4
OTROS TEMAS DE SERIES DE TIEMPO



Temario
1. Análisis de intervención
1.1. Teoría
1.2. Ilustraciones
2. Desestacionalización de series económicas
2.1. Métodos básicos
2.2. Programas de cómputo
3. Descomposición en componentes no-observables
3.1. Partes permanente y transitoria
3.2. Descomposición de Beveridge y Nelson
3.3. Extracción de señal
4. Tema optativo 1
5. Tema optativo 2
6. Aplicaciones
Nota: Como temas optativos se tienen considerados algunos de los siguientes: modelos ARCH y GARCH, pronósticos restringidos, desagregación de series, tratamiento de outliers, datos faltantes, modelos de espacio de estados, filtro de Kalman, análisis espectral y estimación de tendencias.

MÓDULO 5
INTRODUCCIÓN AL ESTUDIO DE SERIES DE TIEMPO MÚLTIPLES


Temario
1. Modelos para series de tiempo múltiples
1.1. Relación con modelos de ecuaciones simultáneas
1.2. Extensión de modelos ARMA al caso multivariado
2. Cointegración bivariada
2.1. Regresión espuria
2.2. Relación entre cointegración e integración
3. Vectores autorregresivos
4. Causalidad de Granger
5. Función de respuesta al impulso
6. Descomposición de la varianza del pronóstico
7. Análisis de cointegración
8. Modelos en forma de corrección de errores
9. Aplicaciones

MÓDULO 6
ANÁLISIS BAYESIANO DE MODELOS ECONOMÉTRICOS

Temario
1. Introducción a Estadística Bayesiana
1.1 Problema de decisión: elementos y criterios
1.2 Proceso de aprendizaje, distribución inicial, verosimilitud, distribución final y distribución predictiva. Distribuciones de referencia
1.3 Decisiones estadísticas: estimación, pruebas de hipótesis y predicción
1.4 Aplicaciones
2. Análisis Bayesiano de Modelos de Regresión
2.1. Modelo y distribución inicial
2.2. Función de verosimilitud, distribución final y distribución predictiva
2.3. Estimación, regiones de credibilidad y pruebas de hipótesis
2.4. Aplicaciones
3. Análisis Bayesiano de Series de Tiempo
3.1. Modelo AR y modelo ARMA
3.2. Distribución inicial, función de verosimilitud, distribución final y distribución predictiva
3.3. Estimación, regiones de credibilidad y pruebas de hipótesis
3.4. Aplicaciones