Está en la página 1de 6

ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

Unidad responsable: 200 - FME - Facultad de Matemticas y Estadstica


Unidad que imparte: 715 - EIO - Departamento de Estadstica e Investigacin Operativa
Curso: 2016
Titulacin: MSTER UNIVERSITARIO EN ESTADSTICA E INVESTIGACIN OPERATIVA (Plan 2013). (Unidad
docente Optativa)
Crditos ECTS: 5 Idiomas docencia: Castellano

Profesorado

Responsable: JOSEP ANTON SNCHEZ ESPIGARES

Otros: Segon quadrimestre:


M. PILAR MUOZ GRACIA - A, B
ERNEST PONS FANALS - A, B
JOSEP ANTON SNCHEZ ESPIGARES - A, B

Horario de atencin

Horario: El horario de atencin de consultas ser mediante cita previa

Capacidades previas

El curso asume los niveles bsicos de estadstica similares a las que se puede alcanzar en el primer semestre del Master.
Los alumnos deben estar familiarizados con los conceptos relacionados con los modelos estadsticos, como los modelos
lineales, y la prueba de hiptesis y significacin estadstica.
Algunos conceptos bsicos relacionados con la metodologa de Box-Jenkins para el ajuste de modelos ARIMA ayudara a
seguir el curso (ver los tres primeros captulos de 'Time Series Analysis and Its Applications. With R examples' 3rd Edition
Shumway and Stoffer http://www.stat.pitt.edu/stoffer/tsa3/).
Aunque muchos ejemplos proceden del mbito economtrico, la metodologa del curso puede ser aplicado en diferentes
reas (ecologa, epidemiologa, ingeniera, ...)

El curso introducir tcnicas relacionadas con los modelos de espacio de estado y el filtro de Kalman. Conocimientos
bsicos previos de este entorno tambin ayudar a seguir el curso, pero no es esencial.
Un buen conocimiento del lenguaje de programacin R puede ayudar a obtener el mximo provecho del curso.

Requisitos

Se valorar conocimientos sobre el modelo lineal

Competencias de la titulacin a las cuales contribuye la asignatura

Especficas:
3. CE-2. Capacidad para dominar la terminologia propia de algn mbito en el que sea necesaria la aplicacin de
modelos y mtodos estadsticos o de investigacin operativa para resolver problemas reales.
4. CE-3. Capacidad para formular, analizar y validar modelos aplicables a problemas de ndole prctica. Capacidad de
seleccionar el mtodo y/o tcnica estadstica o de investigacin operativa ms adecuado para aplicar dicho modelo a
cada situacin o problema concreto.
5. CE-5. Capacidad para formular y resolver problemas reales de toma de decisiones en los diferentes mbitos de
aplicacin sabiendo elegir el mtodo estadstico y el algoritmo de optimizacin ms adecuado en cada ocasin.

1/6 Universitat Politcnica de Catalunya


ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

6. CE-6. Capacidad para utilizar el software ms adecuado para realizar los clculos necesarios en la resolucin de un
problema.
Transversales:
1. EMPRENDIMIENTO E INNOVACIN: Conocer y entender la organizacin de una empresa y las ciencias que rigen su
actividad; tener capacidad para entender las normas laborales y las relaciones entre la planificacin, las estrategias
industriales y comerciales, la calidad y el beneficio.
2. USO SOLVENTE DE LOS RECURSOS DE INFORMACIN: Gestionar la adquisicin, la estructuracin, el anlisis y la
visualizacin de datos e informacin en el mbito de especialidad, y valorar de forma crtica los resultados de dicha
gestin.

Metodologas docentes

* Teora:
Son sesiones de 1.5 horas donde se presentan y discuten los contenidos de la asignatura con ayuda de transparencias. El
profesor, con ayuda del ordenador, muestra ejemplos prcticos de resolucin de problemas de series temporales (todos
los ficheros usados por el profesor son pblicos en la red de la FME). Los estudiantes disponen al inicio del curso de los
apuntes de la asignatura.

* Laboratorio:
Son sesiones de 1,5 horas semanales de laboratorio, en las cuales los estudiantes trabajan, con la ayuda del profesor,
siguiendo el guin previamente distribuido, sobre problemas y/o casos prcticos.

* Prcticas:
Hay dos prcticas, a realizar en parejas, consistentes cada una en la resolucin de casos que se han de tratar
parcialmente en las sesiones de laboratorio. Cada prctica se realizar fuera del horario lectivo y puntuar para la nota
final. La presentacin de los informes de las prcticas se realizar dentro del plazo de dos semanas despus de hacerse
pblico el guin.
Tambin, al final del curso cada grupo de estudiantes ha de preparar un informe escrito sobre unos datos reales.

Objetivos de aprendizaje de la asignatura

El objetivo del curso es que el estudiante profundice en la sistemtica y el anlisis de series temporales univariantes y
multivariantes, cuando se dispone de variables aleatorias que no son independientes entre s.

El estudiante ha de:
* Adquirir los fundamentos tericos y experiencia en el uso de la metodologa para construir modelos y obtener
previsiones de casos reales de series temporales en diferentes campos, en especial en aplicaciones economtricas y
financieras.
* Consolidar los conocimientos tericos y prcticos para identificar, estimar, validar y modelizar series temporales
univariantes y multivariantes y hacer previsiones. Modelos ARIMA y AR.
* Valorar los impactos de las intervenciones y detectar datos atpicos.
* Comprender la formulacin de modelos en espacio de estado y el filtro de Kalman para explicar la evolucin de
variables no observables a partir de otras, relacionadas con ellas, que s podemos observar.
* Iniciarse en los modelos de volatilidad para datos econmicos.

Capacidades a adquirir:

* Conocer y utilizar los modelos univariantes y multivariantes para series temporales.


* Ante una serie temporal real, ser capaz de decidir qu tipo de modelo es el ms adecuado.
* Utilizacin y programacin de algoritmos de estimacin y previsin utilizando R.

2/6 Universitat Politcnica de Catalunya


ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

* Presentar los resultados del anlisis de un caso real.

Horas totales de dedicacin del estudiantado

Dedicacin total: 125h Horas grupo grande: 22h 30m 18.00%


Horas grupo mediano: 0h 0.00%
Horas grupo pequeo: 22h 30m 18.00%
Horas actividades dirigidas: 0h 0.00%
Horas aprendizaje autnomo: 80h 64.00%

3/6 Universitat Politcnica de Catalunya


ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

Contenidos

Anlisis y modelizacin de series temporales Dedicacin: 40h


univariantes Grupo grande/Teora: 7h 30m
Grupo pequeo/Laboratorio: 7h 30m
Aprendizaje autnomo: 25h

Descripcin:
- Estudio exploratorio de los datos de una serie, tendencia y estacionalidad. Transformaciones de los datos.
Dependencia dinmica del pasado: autocorrelacin y autocorrelacin parcial.
- Procesos estocsticos estacionarios. Matriz de autocorrelaciones. Ecuaciones en diferencias.
- Modelos ARMA y ARIMA y sus propiedades, ACF/PACF. Estacionariedad e invertibilidad. Modelos estacionales.
- Identificacin del modelo, estimacin de los parmetros y anlisis de los residuos.
- Validacin y eleccin del modelo ms adecuado. Previsiones y su evaluacin.

Datos atpicos, efectos calendario y anlisis de Dedicacin: 9h


intervencin Grupo grande/Teora: 1h 30m
Grupo pequeo/Laboratorio: 1h 30m
Aprendizaje autnomo: 6h

Descripcin:
- Tcnicas y algoritmos para la deteccin automtica de datos atpicos.

Aplicaciones a la econometra: races unitarias y Dedicacin: 9h


cointegracin Grupo grande/Teora: 1h 30m
Grupo pequeo/Laboratorio: 1h 30m
Aprendizaje autnomo: 6h

Descripcin:
- Tratamiento e identificacin de series economtricas: races unitarias, tendencia determinista y/o estocstica.
- Estudio de la cointegracin: Estudio conjunto de series temporales no estacionarias e identificacin de sus
relaciones.

4/6 Universitat Politcnica de Catalunya


ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

Aplicaciones del filtro de Kalman Dedicacin: 40h


Grupo grande/Teora: 7h 30m
Grupo pequeo/Laboratorio: 7h 30m
Aprendizaje autnomo: 25h

Descripcin:
- Utilizacin de la formulacin de Kalman para el filtrado y el alisado de los datos y para la estimacin de
parmetros.
- Formulacin en espacio de estado de modelos ARMA y ARIMA y estimacin mximo verosmil de parmetros de
series uni y multivariantes.
- Tratamiento de datos faltantes con el filtro de Kalman

Modelos estructurales en espacio de estado Dedicacin: 18h


Grupo grande/Teora: 3h
Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 12h

Descripcin:
Models estructurals de series temporales: estimacin y validacin.

Introduccin a los modelos con volatilidad Dedicacin: 9h


Grupo grande/Teora: 1h 30m
Grupo pequeo/Laboratorio: 1h 30m
Aprendizaje autnomo: 6h

Descripcin:
- Caractersticas estadsticas de las series financieras: Asimetria y Kurtosis
- Volatilidad en series econmicas y en los mercados financieros: modelos ARCH, GARCH y con volatilidad
estocstica.

Sistema de calificacin

Entrega de ejercicios resueltos por parte de los estudiantes. Informes sobre series reales. Exmenes parciales y finales.

La nota final de la asignatura (N) se obtiene a partir de la nota del examen parcial (Np), de las prcticas presentadas en
las sesiones de laboratorio (Nl), de la modelizacin de un caso real (Nmr) y del examen final (Nf) de cuerdo a la
expresin:

N=0.2*Np+0.15*Nl+0.15*Nmr+0.5*Nf

5/6 Universitat Politcnica de Catalunya


ltima modificacin: 01-02-2017

200610 - ST - Series Temporales

Bibliografa

Bsica:
Box, George E. P.; Jenkins, G.M.; Reinsel, G.C. Time series analysis : forecasting and control. 4th ed. Englewood Cliffs:
Prentice Hall, 2008.
Shumway, R. H.; Stoffer, D. S. Time series analysis and its applications : with R examples [en lnea]. 2nd ed. New York:
Springer, 2006Disponible a: <http://dx.doi.org/10.1007/0-387-36276-2>. ISBN 9780387293172.
Pea Snchez de Rivera, Daniel. Anlisis de series temporales. Madrid: Alianza Editorial, 2005. ISBN 8420691283.
Brooks, Chris. Introductory econometrics for finance. 2nd ed. Cambridge: University Press, 2008. ISBN 9780521873062.
Harris, Richard I. D.; Sollis R. Applied time series modelling and forecasting. Chichester: John Wiley, 2003. ISBN
0470844434.
Enders, W. Applied econometric time series. 2nd ed. Hoboken, NJ: Wiley, 2004. ISBN 0471230650.

Complementaria:
Durbin, J.; Koopman, S.J. Time series analysis by state space methods. New York: Oxford University Press, 2001. ISBN
0198523548.
Brockwell, P.J.; Davis, R.A. Time series: theory and methods. 2nd ed. New York: Springer-Verlag, 1991. ISBN 0387974296.
Pea, D.; Tiao, C.G.; Tsay, R. (eds.). A course in time series analysis. New York: John Wiley, 2001. ISBN 047136164X.
Ltkepohl, Helmut; Krtzig, M. (eds.). Applied time series econometrics. New YORK: Cambridge Univ. Press, 2004. ISBN
052183919X.
Ltkepohl, Helmut. New introduction to multiple time series analysis [en lnea]. Berlin: Springer, 2006 [Consulta:
23/11/2012]. Disponible a: <http://www.springerlink.com>. ISBN 9783540262398.
Cryer, Jonathan D. Time series analysis : with applications in R. 2nd ed. New York: Springer Text in Statistics, 2008. ISBN
9780387759586.
Commandeur, Jacques J. F.; Koopman S. J. An introduction to state space time series analysis. Oxford: Oxford University
Press, 2007. ISBN 9780199228874.
Tsay, Ruey S. Analysis of financial time series. 3rd ed. Hoboken, NJ: John Wiley & Sons, 2010. ISBN 0471690740.

6/6 Universitat Politcnica de Catalunya

También podría gustarte