Guía docente de Análisis de Series Temporales. Aplicaciones a Riesgos Financieros (M42/56/1/33)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- Francisco J. Alonso Morales
- José Miguel Angulo Ibáñez
Breve descripción de contenidos (Según memoria de verificación del Máster)
En este curso se persigue que el alumno adquiera conocimientos fundamentales y prácticos sobre los principales métodos para modelizar, estimar y predecir variables relacionadas con datos de naturaleza longitudinal o temporal. Como resultado, el alumno deberá ser capaz de identificar en distintas situaciones el modelo más adecuado, ajustar dicho modelo a partir de un conjunto de observaciones muestrales, así como pronosticar valores futuros de una o varias series conjuntamente, puntualmente y en términos de confiabilidad. Se consideran, entre otras, aplicaciones a la evaluación de riesgos en relación con series financieras.
Prerrequisitos y/o Recomendaciones
El alumno deberá poseer conocimientos previos de inferencia estadística, así como de métodos de regresión, particularmente en el caso multivariante.
Asimismo se recomienda que el alumno disponga de conocimientos básicos sobre algún software estadístico, especialmente R y/o técnicas de programación en algún lenguaje.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
El alumno sabrá/comprenderá:
- Los fundamentos básicos sobre procesos estocásticos y principales herramientas de análisis útiles en la modelización de series temporales, distinguiendo entre los enfoques complementarios de análisis en el dominio del tiempo y análisis en el dominio de las frecuencias.
- Discriminar, en el caso de series multivariantes, la presencia o no de causalidad y, en consecuencia, aplicar los enfoques de modelización adecuados.
- Identificar comportamientos denominados 'anómalos' (dependencias de largo rango, volatilidades,...) y conocer los modelos y técnicas a aplicar en tales situaciones.
- Utilizar software general o especializado, fundamentalmente software público desarrollado en R.
El alumno será capaz de desarrollar, a través de la experiencia en casos prácticos reales y simulados, incluyendo la interpretación y la toma de decisiones inherentes a las distintas fases del análisis, la destreza en la elaboración de modelos y derivación de pronósticos.
Programa de contenidos Teóricos y Prácticos
Teórico
1. Introducción y fundamentos. Predicción.
2. Modelos ARIMA.
3. Análisis espectral de series temporales.
4. Causalidad. Modelos de regresión dinámica.
5. Modelos de series temporales múltiples.
6. Modelos de espacio de estados. Filtrado de Kalman.
7. Modelos condicionalmente heteroscedásticos. Análisis de volatilidades.
8. Modelos fraccionarios. Dependencias de largo rango.
9. Análisis de valores extremos y evaluación de riesgos en series temporales financieras.
Práctico
Se ajustarán diversos modelos a conjuntos de datos reales, así por ejemplo se ajustarán modelos univariantes, se estudiará la causalidad, se presentarán modelos múltiples (con datos simulados), etc.
Se usará software libre, preferentemente R, aunque el estudiante podrá emplear cualquiera del que pueda disponer.
Bibliografía
Bibliografía fundamental
- Brockwell, P., Davis, R. (2002). Introduction to Time Series and Forecasting. Springer-Verlag.
- Cryer, J. D., Chang, K.-S. (2008). Time Series Analysis with Applicantions in R. Springer-Verlag.
- Jaén García, M., López Ruiz, E. (2001). Modelos Econométricos de Series Temporales. Teoría y Práctica. Septem.
- Kirchgässner, G. (2007). Introduction to Modern Time Series Analysis. Springer-Verlag.
- Luetkepohl, H. (Editor) (2004). Applied Time Series Econometrics. Cambridge University Press.
- Peña, D. (2005). Análisis de Series Temporales. Ciencias Sociales, Alianza Editorial.
- Shumway, R., Stoffer, D. (2006). Time Series Analysis and its Applications. Springer-Verlag.
- Tsay, R. S. (2002). Analysis of Financial Time Series. Wiley.
Bibliografía complementaria
- Engle, F. R. (1982). Autoregressive Conditional Heterocedasticity whit Estimates of the Variance of United Kingdom Inflation . Econometrica, 50(4), 987-1008.
- Pankatz, A. (1991): Forecasting with Dynamic Regression Models. Wiley.
- Tsay, R. W. (2014). Multivariate time series analysis : with R and financial applications. Wiley.
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.
- Al estudiante se le evaluarán las distintas actividades realizadas durante el curso. Estas actividades recogen tanto la parte práctica como la teórica.
- Las distintas actividades constituirán el 100% de la calificación.
Evaluación Extraordinaria
El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la convocatoria extraordinaria. La calificación de estas actividades constituirá su evaluación.
Evaluación única final
Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la evaluación única final. La calificación de estas actividades constituirá su evaluación.