Series de Tiempo en el Contexto Actuarial
Curso
En línea
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Descripción
-
Tipología
Curso
-
Nivel
Nivel intermedio
-
Metodología
En línea
-
Horas lectivas
21h
-
Duración
7 Días
-
Inicio
08/10/2024
-
Campus virtual
Sí
-
Envío de materiales didácticos
Sí
-
Servicio de consultas
Sí
-
Clases virtuales
Sí
En este curso se revisarán temas como: Suavizamiento Exponencial, Procesos Estacionarios, Modelos AR(p), MA(q) y ARMA (p, q), Modelos ARIMA y ARIMA estacionales.
Sedes y fechas disponibles
Ubicación
Inicio
Inicio
Acerca de este curso
Comprender y adquirir conocimiento correspondiente a los modelos probabilisticos de series de tiempo.
Licenciados en Actuaria
Licenciaturas en las áreas fisico - matematicas
Licenciaturas en las áreas economico - administrativas
Computadora personal
Conexión a internet
Conocimientos básicos en probabilidad y estadistica
El personal de AH e IMAM se pondrá en contacto por medio de correo electronico o numero telefonico para brindar la información correspondiente
Modelos probabilisticos de series de tiempo
Modelos auto-regresivos
Procesos estacionarios
Modelos de heterocedasticidad
Opiniones
Materias
- Series de tiempo
- Metodos probabilisticos
- Probabilidad y estadística
- Matemáticas
- Actuaría
Profesores
Equipo Docente
Director
Programa académico
Series de Tiempo
1. Introducción
1.1 Algunos ejemplos de series de tiempo.
1.2 Técnicas descriptivas: gráficas,tendencias y componentes estacionales.
1.3 Descomposición clásica.
1.4 Suavizamiento exponencial.
2. El modelo probabilístico de las series de tiempo
2.1 Procesos estacionarios y procesosestacionarios de segundo orden.
2.2 La función de covarianza de un procesoestacionario de segundo orden.
3. Modelos Auto-Regresivos y de Promedios Móviles.
3.1 Ecuaciones en diferencias y operadores de retraso.
3.2 Modelos AR(p), MA(q) y ARMA (p, q).
3.3 Modelos ARIMA y ARIMA estacionales.
3.4 Identificación, estimación de parámetros.
3.5 Propiedades asintóticas de estimadores.
3.6 Diagnósticos del modelo vía los residuales
3.7 Selección de modelos y predicción.
4. Modelos de heterocedasticidad condicional
4.1 Modelos ARCH y GARCH.
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Series de Tiempo en el Contexto Actuarial