Entrenamiento presencial: Pronóstico de Series de Tiempo con EViews

Dirigido a:

Directores, Analistas, Profesionales, Estudiantes, Investigadores y en general a todas las personas que por su labor estén interesadas en repasar conceptos de Modelación de Series de Tiempo y su Implementación en EViews.

Objetivo:

Repasar conceptos necesarios para el Análisis y Estimación de Modelos de Series de Tiempo.
Mostrar la aplicación de los Modelos Econométricos a través de ejemplos en EViews.
Interpretar los estadísticos y resultados generados por EViews para el Análisis y Toma de Decisiones.

Temario:

Introducción al manejo de EViews

Menú de Ayuda.
Tipos de Objetos.
Importación de Datos.
Conversión de Frecuencias en Series de Tiempo.
Análisis Descriptivo de la Información: Principales Momentos de la Distribución de Probabilidad.
Prueba de Normalidad de Jarque Bera.
Pruebas de Hipótesis.
Gráficos Relevantes para la presentación de Resultados: Histograma, Boxplot, Scatter Plot.
Principales funciones Matemáticas y Estadísticas para la generación de variables

Fundamentos de Series de Tiempo

Definición de Proceso Estocástico
Definición de Series de Tiempo
Componentes de una Serie de Tiempo: (Tendencia, Estacionalidad, Ciclicidad, Outliers, Intervenciones y Aleatoriedad).
Diferencia entre Etapa de Ajuste, Validación y Pronóstico. Estadísticas de Error: RMSE, MAD, MPE, MAPE y Coeficiente de Desigualdad de Theil.
Técnicas de Suavizamiento y Pronóstico: Promedio Móvil Simple y Doble, Suavización Exponencial Simple y Doble de Brown, Método de Holt y Método de Holt-Winters.
Desestacionalizar una Serie de Tiempo: Regresión y Promedio Móvil.
Estacionariedad Débil y Fuerte.
Funciones Autocovarianza y Autocorrelación.
Transformaciones para obtener Estacionariedad: Orden de Integración, Prueba de Raíz Unitaria Dickey Fuller Aumentada.
Caminos Aleatorias, Ruido Blanco, Prueba Ljung-Box.

ARIMA

Función de Autocorrelación Parcial.
Identificación de Modelos ARIMA: Procesos MA, Procesos AR.
Estimación de Modelos ARIMA.
Diagnóstico y Pronóstico de Modelos ARIMA.
Modelos ARIMA con Estacionalidad.
Condiciones de Estacionariedad e Invertibilidad.
Criterios de Información para definir número de Rezagos.
Modelos SARIMA.
Pronóstico con Modelos ARIMA y SARIMA

Modelos VAR-VEC

Modelos VAR.: Tratamiento Multivariante de Series Temporales.
Causalidad en el Sentido de Granger.
Análisis de Cointegración. Procedimientos de Engle-Granger y de Johansen.
Modelo de Mecanismos de Corrección de Error MCE.
Interpretación de Resultados: Función de Impulso Respuesta y Descomposición de Varianza.
Pronóstico

Temas Adicionales

Volatilidad Dinámica: EWMA (Exponential Weighted Moving Average).
Riesgo de Mercado: VaR Paramétrico.
Modelos con Volatilidad Condicional: ARCH-GARCH.
Técnicas de Causalidad Temporal: Correlación Cruzada.

Instructores:

Miguel Ángel Bello Bernal, Mag.
Instructor de econometría y riesgo en Software Shop para Latinoamérica, economista de la Universidad de la Salle, con Maestría en Administración y Dirección de Empresas de la Universidad Villanueva en Madrid-España, actualmente está cursando la Maestría en Finanzas Cuantitativas en la Universidad del Rosario en Colombia. Se ha desempeñado como profesor de estadística, toma de decisiones y econometría financiera en especializaciones y maestrías en varias Universidades de Colombia, como: CESA, Universidad del Norte, Universidad del Rosario, Universidad EAFIT, Universidad Piloto y Universidad Jorge Tadeo Lozano. Ha impartido entrenamientos especializados en materia de análisis de riesgos en entidades internacionales como: Comisión Nacional de Acreditación (Chile); Ministerio de Economía y Finanzas del Perú, OSITRAN, Organismo de Evaluación y Fiscalización Ambiental del Perú (Perú); Banco Económico de Bolivia, Banco Fassil S.A., Universidad Privada de Santa Cruz (Bolivia); Superintendencia de Industria y Comercio, Fondo Nacional del Ahorro, Grupo Saludcoop, La Equidad Seguros, FINDETER S.A., Bolsa de Valores de Colombia, Cámara Colombiana de Infraestructura, Universidad EAFIT, Fundación Universidad de América (Colombia); Banco Central de Costa Rica, Banco Popular y de Desarrollo Comunal de Costa Rica (Costa Rica).

Tarifas:

Mayores informes: Entrenamientos@Software-Shop.com

Descripción:

La Modelación Econométrica es una herramienta de gran utilidad en el Análisis Descriptivo e Inferencial de la Información Económica y Financiera, los Modelos de Series de Tiempo son indispensables para el pronóstico de Series.

A lo largo del Entrenamiento se revisarán conceptos relevantes para la comprensión de las técnicas de Series de Tiempo y su implementación con el software.

Información General:

Duración:

20 Horas

Fecha Inicio:

Lun. 23 de Jul de 2018

Horarios:

De:

14:00 a 18:00

Fecha:

Julio 23, 24, 25, 26 y 27 de 2018

Lugar:

Universidad San Sebastián

Dirección: Bellavista 7, Recoleta (4 Piso)

Facultad de Ingeniería y Tecnología

Laboratorio A401

Ciudad:

Santiago de Chile (Metropolitana, Chile)

Lugar:

SOFTWARE shop - Santiago de Chile

Herramientas de apoyo:

Tarifas y descuentos:

Mayores informes de inscripción y costos:

Janeth Vallejo

Hola, soy Líder Comercial en el Sector Académico para Argentina, Bolivia, Chile, Ecuador y Centro América.

¿En que te puedo servir?

janeth@software-shop.com

+ 56 (2) 2899 - 0455 + extensión: 108 (Fijo)

+ 56 (2) 2899 - 0455 + extensión: 208 (Móvil)

(+57) 320 222 8122

José Luis Florían

Hola, soy Líder Comercial en el Sector Financiero y Gobierno para América Latina

¿En que te puedo servir?

Joseluis@software-shop.com

+ 56 (2) 2899 - 0455 + extensión: 110 (Fijo)

+ 56 (2) 2899 - 0455 + extensión: 210 (Móvil)

(+57) 304 545 2724

Políticas

Para conocer en detalle las condiciones y políticas de participación en los eventos, ingrese a nuestro link https://www.software-shop.com/formacion/politicas

¡Guarda esta información!

Descargalo en PDF

Descargar

¡Comparte este evento con tus colegas!

Email

Enviar