Este documento proporciona información sobre un curso de Econometría que forma parte de un programa de maestría en finanzas. El curso dura 16 semanas y cubre temas como modelos de regresión, series de tiempo, cointegración y redes neuronales. El objetivo general es que los estudiantes aprendan a aplicar técnicas de análisis econométrico a problemas financieros y puedan fundamentar decisiones de inversión.
0 calificaciones0% encontró este documento útil (0 votos)
92 vistas5 páginas
Este documento proporciona información sobre un curso de Econometría que forma parte de un programa de maestría en finanzas. El curso dura 16 semanas y cubre temas como modelos de regresión, series de tiempo, cointegración y redes neuronales. El objetivo general es que los estudiantes aprendan a aplicar técnicas de análisis econométrico a problemas financieros y puedan fundamentar decisiones de inversión.
Este documento proporciona información sobre un curso de Econometría que forma parte de un programa de maestría en finanzas. El curso dura 16 semanas y cubre temas como modelos de regresión, series de tiempo, cointegración y redes neuronales. El objetivo general es que los estudiantes aprendan a aplicar técnicas de análisis econométrico a problemas financieros y puedan fundamentar decisiones de inversión.
Este documento proporciona información sobre un curso de Econometría que forma parte de un programa de maestría en finanzas. El curso dura 16 semanas y cubre temas como modelos de regresión, series de tiempo, cointegración y redes neuronales. El objetivo general es que los estudiantes aprendan a aplicar técnicas de análisis econométrico a problemas financieros y puedan fundamentar decisiones de inversión.
Al finalizar el curso el alumno será capaz de: Conocer y aplicar las técnicas de análisis econométrico a fenómenos económicos, financieros y sociales, analizar e interpretar pronósticos de series de tiempo económicas y financieras que le permitan fundamentar la toma de decisiones en inversiones, controles de manejo administrativo, así como el de formular un modelo econométrico. Objetivos específicos:
El alumno será capaz de:
Diseñar y realizar una investigación cuantitativa de manera independiente; identificando y solucionando los problemas teóricos y empíricos que se presenten de manera creativa y eficiente. Aplicar conceptos y técnicas de econometría a problemas prácticos, formulará modelos econométricos, vinculando los resultados obtenidos a la teoría económica, e identificando tanto las potencialidades como las limitantes del análisis. Identificar los componentes de una serie de tiempo. Especificar y estimar modelos de series de tiempo estacionarias y no estacionarias. Especificar y estimar modelos de series de tiempo utilizando técnicas de cointegración y modelos de vectores autorregresivos, así como realizar pronósticos e inferencia.
Índice Temático Horas Unidad Tema Teóricas Prácticas 1 Introducción a la modelación Econometría 6 0
2 Propiedades Estadísticas de los Estimadores de MCO 6 0
3 Modelo de Regresión Lineal Simple 4 0
4 Análisis de Regresión Múltiple 6 0
5 Violación de los supuestos del modelo de regresión múltiple 4 0
6 Estacionalidad y Cointegración 4 0
7 Modelos de promedio móvil autorregresivo integrado ARIMA(p,d,q) 6 0
Modelos de volatilidad estocástica y autorregresivos de heteroscedasticidad 6 0 8 condicional 9 Introducción a las redes neuronales artificiales 6 0 Total: 48 0
Contenido Temático
Unidad Tema y subtemas
Introducción a la modelación Econometría 1.1 ¿Qué es la Econometría? 1.2 Breve Historia de la Econometría 1 1.3 Principales críticas a la Econometría 1.4 Teoría económica y modelo econométrico 1.5 Información teórica y estadística 1.6 Metodología econométrica Propiedades Estadísticas de los Estimadores de MCO 2.1 Propiedades de los estimadores 2.2 Mejor Estimador Lineal Insesgado (MELI) 2 2.3 Termino de perturbación estocástico y sus propiedades 2.4 Coeficiente de correlación 2.5 Coeficiente de determinación Modelo de Regresión Lineal Simple 3.1 Características del modelo 3.2 Supuestos del modelo de regresión lineal 3.3 El término de error de la regresión 3.4 Método de estimación de Mínimos Cuadrados Ordinarios (MCO) 3 3.5 Estimación de los parámetros 3.6 Inferencia estadística en el modelo de regresión lineal 3.6.1 Prueba t-student 3.6.2 Intervalo de confianza 3.6.3 Prueba F 3.7 Formas funcionales Análisis de Regresión Múltiple 4.1 Modelo en notación matricial 4 4.2 Operaciones con matrices 4.3 Proyección de matrices 4.4 Propiedades de los estimadores en el modelo de regresión múltiple 4.5 Teorema Gauss-Markov 4.6 Inferencia en el modelo de regresión múltiple 4.6.1 Prueba F 4.6.2 Prueba ji-cuadrada 4.6.3 Prueba de Wald 4.6.4 Pruebas de restricción en los estimadores Violación de los supuestos del modelo de regresión múltiple 5.1 El problema en los datos 5.1.1 Multicolinealidad 5.1.2 Falta de datos 5.1.3 Valores extremos 5.1.4 Variables dummy 5 5.2 Normalidad de los errores 5.3 Heteroscedasticidad 5.4 Auto correlación 5.5 Estabilidad de los estimadores 5.6 Evaluación de la capacidad de pronóstico del modelo 5.7 Pruebas para corregir Estacionaridad y Cointegración 6.1 Estacionaridad y camino aleatorio 6.2 Prueba Dickey-Fuller y Dickey-Fuller Aumentada (ADF) 6.3 Regresión espuria 6 6.4 Cointegración. Conceptos básicos 6.5 Cointegración vs regresión espuria 6.6 Pruebas de Cointegración (Dickey-Fuller) 6.7 Modelo de corrección de errores Modelos de promedio móvil autorregresivo integrado ARIMA(p,d,q) 7.1 Procesos AR 7 7.2 Estimación de modelos MA y ARMA 7.3 Estimación recursiva con el filtro de Kalman 7.4 Criterios de selección de modelos Modelos de volatilidad estocástica y autorregresivos de heteroscedasticidad condicional 8.1 El modelo ARCH 8.2 Volatilidad estocástica 8.3 Prueba, estimación y pronóstico 8.3.1 Pruebas de efectos ARCH 8 8.3.2 Estimación de modelos ARCH 8.3.3 Pronóstico de la volatilidad 8.4 Extensiones 8.4.1 El modelo GARCH: ARCH generalizado 8.4.2 Efectos de asimetría 8.4.3 GARCH en media y premio al riesgo variante en el tiempo Introducción a las redes neuronales artificiales 9.1 Especificación 9 9.2 Estimación 9.3 Evaluación 9.4 Predicción
Estrategias didácticas Evaluación del aprendizaje
Exposición (X ) Exámenes parciales (X ) Trabajo en equipo (X ) Examen final (X ) Lecturas (X ) Trabajos y tareas (X ) Trabajo de investigación ( X ) Presentación del tema ( X ) Prácticas (taller o laboratorio) ( ) Participación en clase (X ) Prácticas de campo ( ) Asistencia ( ) Aprendizaje por proyectos ( X ) Rúbricas ( ) Aprendizaje basado en problemas ( ) Portafolios ( ) Casos de enseñanza ( ) Listas de cotejo ( ) Otras (especificar) ( ) Otras (especificar) ( )
Línea de investigación: Finanzas
Perfil profesiográfico
Grado académico: Maestría o Doctorado
Profesor con grado académico mínimo de maestría, con experiencia en la docencia y/o la Experiencia docente: Investigación.
Otra característica: Práctica profesional en el área correspondiente.
Bibliografía básica
Arnau J (2001) Diseño de series temporales: técnicas de análisis. España. Ediciones Universitat de Barcelona. Bowerman, B.; O'Connell, R. y Koehler, A. (2006) Pronósticos, Series de Tiempo y Regresión. Un enfoque aplicado, Cengage. Brooks, Chris (2002) Introductory econometrics for finance, Cambridge Cowpertwait, Paul S.P. y METCALFE Andrew V. (2009) Introductory Time Series with R, Springer Enders W. (1995), Applied Econometrics Time Series, Wiley-VCH Griffiths, William E.; CARTER Hill, R y GUAY C. Lim (2011) Using EViews for Principles of Econometrics, Wiley Gujarati D. (2010). Econometría. México. Mc Graw Hill Hamilton James (1994) Times series analysis. Estados Unidos. Princeton University Press. Hanke, J. y WICHERN, D. (2006) Pronósticos en los Negocios, Pearson Montenegro G. A. (2011) Análisis de series de tiempo. Colombia. Pontificia Universidad Javeriana. Muñoz A. (2012). Econometría Aplicada. España. Ediciones Académicas S.A. Peña D. (2005) Análisis de series temporales. España. Alianza Editorial. Stock J (2012). Introducción a la econometría. México. Pearson Educación. Vallejo G (1996) Diseño de series temporales ininterrumpidas. España Editorial Ariel S.A. Wooldridge J (2010). Introducción a la econometría un enfoque moderno. México. Cengage Learning.
Bibliografía complementaria
Arcarons J. (2008) Microeconometria introducción y aplicaciones con software econométrico para Excel. España. Delta Publicaciones Court, M. E., & Williams, R. E. (2011). Estadísticas y econometría financiera. Buenos Aires: Cengage Learning Argentina. Greene, W. (2005), Econometric Analysis, Prentice-Hall International Otero J. (1993) Econometría series de tiempo y predicción. España. Ediciones Alfa Centauro. Rodriguez C. (2000) Análisis de series temporales. España. Editorial la Muralla S.A. Tríez F.J. (2004) Introducción a la econometría. España. Ediciones pirámide. Recursos electrónicos
Uriel, E. (2011). Econometría aplicada. Recuperado el 15 de agosto de 2014 de
http://find.galegroup.com/openurl/openurl?url_ver=Z39.88- 2004&url_ctx_fmt=info:ofi/fmt:kev:mtx:ctx&req_dat=info:sid/gale:ugnid:unam&res_id=info:sid/gale:GVRL&ctx_enc=info:ofi:e nc:UTF-8&rft_val_fmt=info:ofi/fmt:kev:mtx:book&rft_id=info:sid/gale:bmcode:recid/3BDM Wooldridge, J. (2008). Introducción a la econometría: un enfoque moderno. Recuperado el 15 de agosto de 2014 de http://find.galegroup.com/openurl/openurl?url_ver=Z39.88- 2004&url_ctx_fmt=info:ofi/fmt:kev:mtx:ctx&req_dat=info:sid/gale:ugnid:gale&res_id=info:sid/gale:GVRL&ctx_enc=info:ofi:en c:UTF-8&rft_val_fmt=info:ofi/fmt:kev:mtx:book&rft_id=info:sid/gale:bmcode:recid/2BCX
