Presencial
del 24 al 28 de noviembre de 2014
Análisis de series temporales
Este curso persigue, esencialmente, estudiar, desde un punto de vista eminentemente práctico, los modelos univariantes ymultivariantes de series temporales.
- Lugar y fechas
- Del 24 al 28 de noviembre de 2014
Lugar:Instituto de Estudios Fiscales
- Horas
- Horas lectivas: 20
- Créditos
- 1 crédito ECTS y 2 créditos de libre configuración.
- Presencial
- Esta actividad se desarrolla presencialmente.
- Programa
- Métodosde predicción. Tipología.
· Panorámica delsoftware para la predicción. Software automático.
· Métodos autoproyectivos deterministas de predicción. Medias móviles y suavizados lineal, exponencialy estacional. Modelos de Holt,Browny Winters.
· Métodos autoproyectivos estocásticos de predicción. Modelos ARIMA y metodología de
Box Jenkins.
· Modelos ARIMA estacionales y generales. Identificación,estimación, diagnosis y predicción.
· Modelos con análisis dela intervención y función de transferencia.
· Modelos multidimensionales VAR, VARMA y VARMAX.
· Predicciones condicionales.Predicción mediante modelos causales.
· Técnicas de cointegración enmodelos con series de tiempo.
· Tratamiento en profundidad de todos los temas con los softwares: SAS,EVIEWS, SPSS, STATA, TRAMO-SEATS, STATGRAPHICS y Herramientas de Minería dedatos para series temporales. - Inscripción
- Dirigido por
- José Manuel Guirola López
- Vocal Asesor en el Instituto de Estudios Fiscales
- Codirector
- José Antonio Martínez Álvarez
- Director General del Instituto de Estudios Fiscales
- Ponente
- César Pérez López
- Vocal Asesor en el Instituto de Estudios Fiscales
- Objetivos
- El objetivo esencial es el tratamiento adecuado de las series de datos con dimensión temporaltanto en el campo univariante como en el multivariante haciendo hincapié en lametodología Box-Jenkins, modelos de la función de transferencia,modelos de laintervención y modelo VAR, VARMAy VARMAX. Se tratará también la predicción mediantemodelos causales con series temporales,así como técnicas modernas de cointegración en modelos de series de tiempo.
- Más información
www.ief.es