Entrenamiento Online: Series de Tiempo No Estacionarias y Series de Tiempo Multivariadas en EViews.
Dirigido a:
Directores, Analistas, Profesionales, Académicos, Investigadores y en general a todas las personas interesadas en una introducción a la modelación de series de tiempo no estacionarias y series de tiempo multivariadas.
Objetivo:
Dar una perspectiva general de la modelación de series de tiempo no estacionarias y de los modelos multivariados.
Dar a conocer diversas pruebas y metodologías de estimación y ámbitos de aplicación.
Introducir los conceptos teóricos con ejercicios prácticos desarrollados por los participantes.
Temario:
Repaso del modelo autorregresivo univariado – AR(p)
Estimación
Ruido blanco – Prueba Ljung-Box (Estadístico Q)
Correlograma
Principio de parsimonia
Vector Autorregresivo en forma reducida – VAR(p)
Ventajas y limitaciones
Estimación
Validación
Pronóstico
Bondad de ajuste
Función impulso-respuesta
Prueba de causalidad de Granger/Exogeneidad de Wald
Extensiones: S-VAR y VAR-X
Pruebas de raíz unitaria
Estacionariedad
Estacionalidad
Regresión espuria
Prueba Phillips-Perron (PP)
Prueba Dickey-Fuller (DF)
Prueba Dickey-Fuller Aumentada (ADF)
Prueba Kwiatowski-Phillips-Schmidt-Shin (KPSS)
Quiebres estructurales
Mención a modelos no lineales de series de tiempo (TAR, SETAR, STAR y MSW)
Cointegración univariada
Teorema de la repesentación de Granger
Engle-Granger
Identificación
Propiedad de superconsistencia
Estimación de la relación de corto plazo
Estimación de la relación de largo plazo
Interpretación
Phillips-Ouliaris
Cointegración multivariada: Vector de corrección de error – VECM
Metodología de Johansen
Prueba traza
Prueba del máximo eigenvalor (valor propio)
AR(p) y VAR(p) en diferencias
Raíces unitarias no cointegradas
S-VAR vs. VECM
Resumen
Instructores:
Laura Juliana Vargas Rueda
Economista con énfasis en métodos cuantitativos y magister en economía de la Pontificia Universidad Javeriana en Colombia. Actualmente se desempeña como docente de cátedra de esta misma Universidad y como Consultora independiente.
Dentro de su experiencia laboral ha hecho parte de empresas consultoras como Datos procesos y tecnología DPT SAS y Oportunidad Estratégica Ltda. Donde se desempeñó como Economista de Apoyo y Coordinadora del grupo de investigación registrado en CONCIENCIAS ¨Economía Ecológica¨, y coordinadora de propuestas respectivamente.
Adicionalmente hizo sus prácticas en el Banco de la República de Colombia en el Departamento de Modelos Macroeconómicos.
Experiencia en el manejo de software como Stata, Eviews y Matlab
Tarifas:
Mayores informes de inscripción y costos: LISSA MURCIA Asistente de Entrenamientos Entrenamientos@SOFTWARE-shop.com Ext. 120 - 220 Según país.
Uno de los requisitos importantes para la elaboración de estimaciones fuera de muestra (pronósticos) es la estacionariedad en la serie. Cuando esta premisa no es verificable podemos recurrir a los conceptos de Cointegración y Vector de Corrección de Errores. Por otro lado una series de tiempo en “solitario” -univariada- no siempre genera los modelos con el mejor ajuste. A veces, considerar más de dos series en la estimación puede generar mejores modelos para el pronóstico. Éste es el ámbito de los Vectores Autorregresivos (VAR).
Información General:
Duración:
16 horas
Fecha Inicio:
Mar. 03 de Mar de 2015
Horarios:
Fechas:
Marzo 3, 5, 7, 10 y 12 de 2015
Horarios Martes y Jueves
Hora de inicio por país San José de Costa Rica 3:00 p.m México 3:00 pm Bogotá 4:00 pm Lima 4:00 p.m. Quito 4:00 p.m. Bolivia 5:00 p.m. Santiago de Chile 6:00 p.m. Buenos Aires 6:00 p.m.
Horario Sábado:
San José de Costa Rica 8:00 a.m México 8:00 a.m Bogotá 9:00 a.m Lima 9:00 a.m. Quito 9:00 a.m. Bolivia 10:00 a.m. Santiago de Chile 11:00 a.m. Buenos Aires 11:00 a.m