No hay comentarios.

IDENTIFICACION

CURSO : SERIES DE TIEMPO
TRADUCCION : TIME SERIES
SIGLA : EPG4313
CRÉDITOS : 10 UC/ 6 SCT
MODULOS : 2
REQUISITOS : EPG3110 y EPG3210
RESTRICCIONES : NINGUNA
CONECTOR : y
CARACTER : OPTATIVO
TIPO : CATEDRA
CALIFICACION : Estandar corresponde de 1.0 a 7.0
PALABRAS CLAVE : Series de Tiempo, Procesos lineales, Estacionaridad, Invertivilidad, Prediccion, Corta Memoria, Larga Memoria
NIVEL FORMATIVO : DOCTORADO

I. DESCRIPCIÓN DEL CURSO

El curso esta orientando a familiarizar al estudiante con modelos de series cronologicas y sus aplicaciones, busca entregar al estudiante la metodologia estadistica para el manejo de modelos de prediccion y su aplicacion a casos reales. La metodologia de aprendizaje se basa en clases expositivas, las que son complementadas con lecturas recomendadas por el profesor y laboratorios computacionales. La evaluacion contempla interrogaciones, tareas y un proyecto final del curso.


II. RESULTADOS DE APRENDIZAJE

1. Construir modelos de series de tiempo de corta y larga memoria
2. Validar los supuestos de un modelo de series de tiempo
3. Aplicar distintas estrategias y metodologias de estimacion en modelos de series temporales
4. Generar predicciones a distintos horizontes de prediccion, cuantificando el nivel de incertidumbre de estas

III. CONTENIDOS

1. Introduccion
1.1 Ejemplos de datos temporales
1.2 Dependencia serial
1.3 Ausencia de estacionaridad
1.4 Test de blancura
1.5 Modelamiento parametrico y no parametrico
1.6 Prediccion
1.7 Modelos de series de tiempo.

2. Procesos Lineales
2.1 Estacionaridad
2.2 Invertibilidad
2.3 Causalidad
2.4 Representacion de procesos lineales
2.5 Dependencia
2.6 Modelo ARMA
2.7 Funcion de auto-covarianza
2.8 ACF y PACF
2.9 Procesos ARFIMA y Ruido Gaussiano Fraccional


3. Modelos de Espacio Estado
3.1 Introduccion
3.2 Sistema dinamicos lineales
3.3 Modelos de espacio estado para procesos lineales y estimacion

4. Analisis Espectral
4.1 Tiempo y frecuencia
4.2 Filtros lineales
4.3 Densidad espectral
4.4 Periodograma
4.5 Periodograma suavizado
4.6 Representacion espectral
4.7 Espectro variante en el tiempo

5. Metodos de Estimacion
5.1 Construccion de modelos
5.2 Parsimonia
5.3 Criterios de informacion
5.4 Estimacion de la media
5.5 Estimacion de auto-covarianzas
5.6 Estimacion de momentos y maximo verosimil
5.7 Algoritmo de Durbin Levinson
5.8 Estimador de Whittle
5.9 Estimador de espacio estado
5.10 Estimacion de procesos de larga memoria
5.11 Inferencia estadistica

6. Series de Tiempo No Lineales
6.1 Introduccion
6.2 Test de linealidad
6.3 Datos Heterocedasticos
6.4 Modelos ARCH, GARCH, ARMA-GARCH, ARFIMA-GARCH y Volatilidad Estocastica

7. Prediccion
7.1 Prediccion optima
7.2 Prediccion a un paso
7.3 Prediccion a multiples pasos
7.4 Prediccion de modelos heterocedasticos
7.5 Bandas de prediccion

8. Procesos No Estacionarios
8.1 Tendencia deterministica y estocastica
8.2 Test de raices unitarias
8.3 Modelo ARIMA
8.4 Procesos localmente estacionario
8.5 Quiebres estructurales

9. Estacionalidad
9.1 Modelo SARIMA y SARFIMA

10. Regresion
10.1 Motivacion y definiciones
10.2 Modelos ARMAX, ARIMAX y SARIMAX.

11. Series de tiempo multivariadas
11.1 Modelo VAR, VARMA y VARIMAX.


IV. ESTRATEGIAS METODOLOGICAS

Clases expositivas con apoyo de software para ilustrar con ejemplos reales las distintas metodologias y estrategias de modelamiento en el contexto de datos temporales.


V. ESTRATEGIAS EVALUATIVAS

1. Interrogaciones : 50 %
2. Tareas : 20 %
3. Proyecto final : 30 %


VI. BIBLIOGRAFIA

Minima:

1. Palma, Wilfredo. (2016). Time series analysis. Wiley series in probability and statistics
2. Peter J. Brockwell, Richard A. Davis. (2016). Introduction to Time Series and Forecasting. Springer Texts in Statistics
3. Brockwell, Peter J., and Richard A. Davis. (2009). Time series: theory and methods. Springer science & business media
4. Ruey S. Tsay. (2013). Multivariate Time Series Analysis: With R and Financial Applications. Wiley Series


Complementaria:

5. George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel, Greta M. Ljung. (2015). Time Series Analysis: Forecasting and Control (5th Edition). Wiley Series
6. Montgomery, Jennings and Kulahei. (2015). Introduction to Time Series Analysis and Forecasting. Wiley Series
7. DeWayne R. Derryberry. (2014). Basic Data Analysis for Time Series with R. Wiley Series
8. Ruey S. Tsay. (2012) An Introduction to Analysis of Financial Data with R. Wiley Series
9. Robert H. Shumway - David S. Stoffer. (2011). Time Series Analysis and Its Applications with R Examples (Third edition). Springer
10. Ruey S. Tsay. (2010). Analysis of Financial Time Series (Third Edition). Wiley Series
11. Genshiro Kitagawa. (2010). Introduction to Time Series Modeling}. Chapman & Hall
12. Paul S.P. Cowpertwait - Andrew V. Metcalfe. (2009). Introductory Time Series with R. Springer
13. Gebhard Kirchgassner - JurgenWolters. (2007). Introduction to Modern Time Series Analysis. Springer
14. Wilfredo Palma. (2007). Long-Memory Time Series, Theory and Methods. Wiley Series
15. Paul Doukhan, George Oppenheim, Murad Taqqu. (2003). Theory and Applications of Long-Range Dependence. Wiley Series