Esta asignatura proporciona los elementos para el estudio de procesos y fenmenos que presentan variaciones de tipo sistemtico, mediante la construccin de modelos construidos en base a observaciones secuenciales, los que tienen como finalidad principal la prediccin. Adems la asignatura busca incorporar al alumno en el mbito de la investigacin, interactuando en grupos multidisciplinarios, trabajando en equipo con investigadores de distintas disciplinas tales como economa, ciencias sociales etc.
Esta asignatura aporta al desarrollo de las siguientes competencias: Slidos conocimientos en Series de Tiempo. Modelacin estadstica de problemas, en el contexto de la disciplina de origen.
III.- RESULTADOS DE APRENDIZAJE ESPERADOS
R1. Identificar fenmenos y procesos asociados con modelos de series de tiempo y determinar sus componentes. R2. Obtener e interpretar las funciones bsicas que caracterizan a una serie de tiempo, tanto en el dominio temporal, como en el de las frecuencias, incluyendo funciones de auto correlacin y espectrales diversas. R3. Construir modelos de dominio temporal, basados en la estructura auto correlativa de los procesos correspondientes. R4. Realizar predicciones asignando a cada una de ellas su correspondiente valor, basndose en estimadores de la varianza del error de prediccin. R5. Estimar y Predecir fenmenos no estacionarios. R6. Analizar series de Tiempo Multivariadas. R7. Caracterizar los procesos de Larga-Memoria y modelar la varianza condicional de los retornos.
IV.- CONTENIDOS
- Introduccin: Conceptos bsicos de prediccin. Construccin de modelos para la prediccin. Definiciones bsicas de series de tiempo.
- Identificacin y anlisis exploratorio: Anlisis y representaciones graficas. Identificacin de tendencias y componentes peridicas (estimacin y pronstico).
- Procesos Estacionarios: Ruido blanco. Operador de rezago. Teorema de Representacin de Wold. Proceso lineal general. Estimacin de funcin de autocorrelacion y autocorrelacion parcial .
- Modelos ARMA: Modelos Autoregresivos (AR). Modelos de medias mviles (MA), Modelos de medias moviles autoregresivos ARMA.
- Anlisis Espectral: Densidad espectral. Periodograma. Densidad espectral de un proceso ARMA
- Modelamiento y Prediccin de procesos: Estimacin, diagnostico y prediccin.
- Modelos no Estacionarios: Modelos ARIMA, estacinales SARIMA y con ambas caractersticas SARIMA.
- Series de Tiempo Multivariada: Ejemplos y Propiedades. Estimacin. Procesos ARMA Multivariados. Modelamiento y Prediccion con modelos AR multivariados. Cointegracin.
- Tpicos Extras: Introduccin a los procesos de larga Memoria (ARFIMA) y Modelos condicionalmente heterocedasticos (ARCH y GARCH).
V.- METODOLOGIA Presentacin del programa de la asignatura, presentacin de los temas, explicacin, discusin y estudio de los contenidos. Resolucin de preguntas y ejercicios relativos a los temas tratados.
VI.- EVALUACION
1. Se aplicarn 2 evaluaciones parciales (I1 y I2). 2. Se evaluarn al menos 1 listado de ejercicios (T). La no entrega del/los listados de ejercicios resueltos en las fechas indicadas conlleva una nota de 1 (uno) en el listado correspondiente. La nota del semestre ser un promedio entre las notas de las evaluaciones parciales y el promedio de notas de los listados de ejercicios. Para aprobar la asignatura, adems, el alumno deber tener en al menos una da las evaluaciones parciales una nota de 4 o superior.
Si el alumno tiene en al menos una evaluacin parcial una nota de 4 o ms, entonces el promedio semestral ser PS1 = 0.35*I1 + 0.45*I2 + 0.2*T. Si el alumno no tiene en al menos una evaluacin parcial una nota de 4 o ms, entonces el promedio semestral ser PS2 = 0.45*I1 + 0.55*I2. Si el promedio semestral es igual o mayor a 4 y el alumno tiene en al menos una evaluacin parcial una nota de 4 o ms, entonces aprueba la asignatura con nota final igual a PS1. Si el alumno no tiene en al menos una evaluacin parcial una nota de 4 o ms, entonces la nota semestral es igual a PS2, y podr aprobar la asignatura si obtiene una nota suficiente en el examen de recuperacin. Si PS1 o PS2, segn sea el caso, es menor a 4, la nota semestral ser dicho promedio, y podr aprobar la asignatura si obtiene una nota suficiente en el examen de recuperacin.
Todos los estudiantes tienen derecho a rendir la Evaluacin de Recuperacin (ER). En caso de tomar esta evaluacin, la nota final se obtiene de la siguiente forma:
Nota Final = 0.6*PS + 0.4*ER
La Evaluacin de Recuperacin contempla toda la materia del semestre.
- Evaluacin 1: 22 de Septiembre - Evaluacin 2: 21 de Noviembre - Evaluacin de Recuperacin: 05 de Diciembre
VII.- BIBLIOGRAFIA Y MATERIAL DE APOYO
Brockwell, Meter J., Davis, Richard, Introduction to Time series and Forecasting. Springer, 1996. (bsica).
Box, George E. P., Jenkins, Gwilym M., Time Series Analysis forecasting and control Prentice Hall, 1994. (bsica).
Abraham, B., and Ledolter, J. Statistical methods for Forecasting. New York: Wiley 1983 (complementario).