Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o registran en intervalos de tiempo regulares.

Calentamiento global

Desviaciones con respecto al promedio del periodo 1950-1980

Johnson & Johnson

Ganancias trimestrales en niveles y en logaritmos.

Dow Jones

Índice y rendimientos.

Crecimiento del PIB de Estados Unidos

PIB cuatrimestral. Datos ajustados por el componente estacional.

Un análisis de series temporales consiste en desarrollar modelos matemáticos que nos permitan describir los datos, tomando en cuenta las características específicas de estos:

1. Tendencia
2. Componente estacional
3. Componente cíclico
4. Componente irregular

Un ejemplo de modelo de series temporales es el Ruido Blanco (Gaussiano).

\[ \varepsilon_t \sim iid \mathcal{N}(0,1) \]

Un modelo de medias móviles.

\[ \begin{align} &y_t = \frac{1}{3}(\varepsilon_{t-1}+\varepsilon_{t}+\varepsilon_{t+1}) \\ &\varepsilon_t \sim iid \mathcal{N}(0,1) \end{align} \]

Modelos autorregresivos

\[ \begin{align} &y_t = 1.5 y_{t-1}-0.75y_{t-2}+\varepsilon_{t} \\ &\varepsilon_t \sim iid \mathcal{N}(0,1) \end{align} \]

Caminata aleatoria con deriva

\[ \begin{align} &y_t = 0.3 + y_{t-1}+\varepsilon_{t} \\ &\varepsilon_t \sim iid \mathcal{N}(0,1) \end{align} \]

En este curso:

• Aprenderemos algunas de las técnicas para modelar una o varias series de tiempo, particularmente series de tiempo macroeconómicas.

• Utilizando los modelos aprendidos realizaremos pronósticos sobre el comportamiento de las series de tiempo.

Parte I: Modelos univariados

1. Introducción
2. Repaso: Ecuaciones en diferencias (autogestivo)
3. El concepto de estacionariedad
4. Modelos estacionarios
5. Modelos no estacionarios
6. Modelos con heteroscedasticidad condicional

Parte II: Modelos multivariados

7. Modelos VAR
8. Cointegración y modelos VECM

Utilizaremos principalmente Gretl, pero el estudiante puede optar por:

• R / RStudio
• Stata
• Eviews
• Python
• Julia

• Brockwell, P., y Davis, R. (2016). Introduction to Time Series and Forecasting (3rd Edition). Springer.

• Enders, W. (2014). Applied Econometric Time Series (4th Edition). Wiley.

• Greene, W. (2012). Econometric Analysis (7th Edition). Prentice Hall

• Hamilton, J., (1994). Time Series Analysis. Princeton University Press.

• Ejercicios: 10%
• Cuestionarios: 10%
• Lecturas: 10%
• Examenes parcial: 20%
• Examen Final: 50%
• Evaluación docente: 0% (¡Obligatoria!)

• Todos los exámenes se presentarán en forma presencial, a menos que exista un comunicado oficial de virtualidad por parte de la Universidad de Guanajuato.

• La calificación final no se redondea hacia arriba, a menos que el puntaje en el examen final sea superior a 5.0.

• Bajo ninguna circunstancia se asignará una calificación de NC a alumnos inscritos al finalizar el semestre.

Moodle: Campus Digital UG

• Material del curso (diapositivas, datos)
• Distribución de tareas y actividades

Microsoft Teams:

• Toda comunicación con el profesor (atencion de dudas, avisos, etc.)