Directores, Profesionales, Analistas e Investigadores que en sus labores requieran de la utilización de Métodos Estadísticos y Econométricos, particularmente de Series de Tiempo.

El objetivo primordial es llevar al participante las diferentes aproximaciones tanto Teóricas como Prácticas para el tratamiento de Series de Tiempo y de una manera muy simple realizar un Análisis de Manejo de Datos.

1. Repaso de Modelos de Regresión:

Análisis de Datos. 

Diagramas de Dispersión.

Supuestos de un Modelo de Regresión Lineal.

Modelo de Regresión Lineal Simple.

Modelo de Regresión Lineal Múltiple.

2. Modelos para Series de Tiempo Estacionarias:

Estacionariedad y Conceptos Previos

Componentes de una Serie de Tiempo

Descomposición de una Serie de Tiempo (Uso de Filtros)

Procesos Univariados Estacionarios: AR, MA y ARMA

Parametrización e Invertibilidad.

Metodología Box Jenkins: Identificación y Estimación.

Predicción.

Estacionalidad y Quiebre Estructural.

3. Modelos para Series de Tiempo No Estacionarias en Media

Tendencias Determinísticas y Estocásticas.

Pruebas Estadísticas de Raíz Unitaria: Dickey-Fuller y Variantes, Phillip-Perron, KPSS ElliotRothenberg Stock, Ng y Perron.

Cambio Estructural y Pruebas Estadísticas de Raíz Unitaria: Zivot y Andrews, Perron, Perrony Rodríguez.

4. Modelos para Series de Tiempo No Estacionarias en Varianza

ARCH: Un Modelo de la Volatilidad variable en el tiempo

Extensiones al Modelo ARCH o GARCH: Limitar el Orden del Modelo o Otras Extensiones

-Respuestas Asimétricas a "Noticias"

-Las variaciones en la Volatilidad afectan a la Media de la Serie Observable

-Errores no Normales

-Probabilidades y Extremos

5. Modelos para Series de Tiempo Multiecuacionales

Modelos de Vectores Autorregresivos o VAR.

Representación, estimación y predicción con modelos VAR.

Causalidad en el sentido de Granger.

VAR estructural: Identificación, funciones de impulso respuesta y descomposición de varianza.

6. Cointegración y Modelo de Corrección de Errores 

Procesos Integrados y Combinaciones Lineales.

Tendencias Comunes.

Modelos Uniecuacionales y Cointegración:

-Pruebas de Cointegración: Engle-Granger, Phillip-Ouliaris.

-Modelo de Corrección de Errores o MCE.

Modelos Multiecuacionales y Cointegración:

-Prueba de Johansen: Estadístico "Traza" y "Lambda Max" o Modelo de Corrección de Errores Vectorial y VECM

-Cointegración, MCE y Pruebas ADL.

Fernando Jáuregui Puertas
Acreditado con la Certificación Internacional en Administración de Riesgos CRM, impartida con el Dr. Jonathan Mun. Profesional en Ciencias Económicas de la Universidad Nacional de Ingeniería del Perú. Executive Master in Financial Analysis en la Universidad Carlos III de Madrid (España).  Adicionalmente, cuenta con especialización en Gestión de Riesgos Financieros en BURSEN (Centro de Estudios Bursátiles de la Bolsa de Valores de Lima) y en Formulación y Evaluación de Proyectos de Inversión Pública en la Universidad ESAN. Actualmente es docente de la Maestría en Finanzas de la Universidad del Pacífico (Perú) e instructor de SOFTWARE shop para LATAM. Tiene experiencia en el sector público como Analista de Proyectos de Inversión y en el Sector Bancario como Analista de Estudios Económicos. Anteriormente se desempeñó como docente de la Facultad de Ingeniería Económica de la Universidad Nacional de Ingeniería (Perú), en las asignaturas de Econometría II y Análisis de Series Temporales.

Mayores inscripciones de inscripciones y costos:

Entrenamiento Especializado presencial con repaso Conceptual y aplicaciones en Stata para el tratamiento de Series de Tiempo. Se realizará una exposición magistral por parte de Instructor, y se desarrollarán ejercicios en clase para consolidar los conocimientos adquiridos.