CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.
CG3 - Conocer los teoremas y modelos clásicos en distintas áreas de la Matemática y de la Estadística.
CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.
CG5 - Saber construir nuevos métodos y modelos bien fundamentados mediante el análisis y demostración de sus propiedades más relevantes.

CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas y la Estadística, partiendo de la base de la educación secundaria general, y alcanzando un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de dicha área.
CT3 - Tener la capacidad de reunir e interpretar datos relevantes (dentro del área de la Estadística y las Matemáticas y de alguno de sus campos de aplicación) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CE1 - Proponer, analizar, validar e interpretar modelos de situaciones en las que se presenten fenómenos estocásticos utilizando las herramientas estadístico-matemáticas más adecuadas.
CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.
CE3 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas estadísticos.
CE4 - Desarrollar programas que resuelvan problemas estadísticos utilizando para cada caso el entorno computacional adecuado.

Competencias Básicas:
CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

Clases teóricas con exposición teórica por parte del profesor. 30 horas con 100% de presencialidad.

Clases prácticas de resolución de problemas individual o en grupo, tutorizada por el profesor. En ellas se incluye: resolución individual o en grupo de problemas y entrega de algunos problemas escogidos por escrito; exposiciones orales por grupos de alumnos; y la elaboración de las prácticas, incluyendo memoria o preparación de la presentación oral. 30 horas con 100% de presencialidad.

2,4

3,6

1

Analisis de series temporales.

No hay requisitos, aunque se recomienda que el estudiante tenga haber cursado con aprovechamiento los contenidos de Tercer Curso.

El objetivo de la asignatura es que el estudiante adquiera los conocimientos necesarios para ajustar modelos de series temporales que le permitan explicar la evolucion historica de una serie y predecir su comportamiento futuro.

1. Introducción a las series temporales
2. Métodos clásicos para el análisis de series temporales
3. Modelos ARMA y ARIMA
4. Procesos estacionales
5. Metodología Box-Jenkins: identificación, estimación, contraste, predicción
6. Análisis de intervenciones. Identificación de outliers
7. Ajuste de modelos de función de transferencia
8. Modelos con volatilidad estocástica: ARCH y GARCH

La evaluación consistirá en un examen escrito, que supondrá el 80% de la nota final, donde el estudiante demostrará los conocimientos adquiridos en la asignatura; y la evaluación in situ mediante observación directa del trabajo y el desempeño del estudiante sobre las prácticas en ordenador, que supondrá un 20% de la nota final.

1. Aznar, A., Trívez, F.J. (1993), “Métodos de predicción en economía II, Análisis de Series Temporales”, Ariel Economía
2. Hans Franses, P., Van Dijk, D. (2000), “Non-linear time series models in empirical finance”, Cambidge University Press (para GARCHS)
3. Matilla, M., Pérez, P., Sanz, B. (2013), “Econometría y predicción”, Mc Graw Hill (UNED) (coloquial)
4. Peña, D. (2010), “Análisis de series temporales”, Alianza Editorial (visión completa de la modelización con series temporales)

Materiales disponibles en Campus Virtual.