Guía docente de Análisis de Series Temporales. Aplicaciones a Riesgos Financieros (M42/56/1/33)

Curso 2022/2023
Fecha de aprobación por la Comisión Académica 13/07/2022

Máster

Máster Universitario en Estadística Aplicada

Módulo

Módulo I: Aplicaciones de la Estadística

Rama

Ciencias

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Segundo

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Enseñanza Virtual

Profesorado

  • Francisco J. Alonso Morales
  • José Miguel Angulo Ibáñez

Horario de Tutorías

Francisco J. Alonso Morales

Email
  • Primer semestre
    • Miércoles 12:00 a 14:00 (Despacho 8)
    • Miércoles 8:00 a 10:00 (Despacho 8)
    • Jueves 12:00 a 14:00 (Despacho 8)
  • Segundo semestre
    • Martes 8:00 a 14:00 (Despacho 8)

José Miguel Angulo Ibáñez

Email
  • Primer semestre
    • Lunes 10:30 a 12:00 (Despacho 7)
    • Martes 8:30 a 10:00 (Despacho 7)
    • Martes 10:30 a 12:00 (Despacho 7)
    • Viernes 10:30 a 12:00 (Despacho 7)
  • Segundo semestre
    • Martes 10:30 a 12:00 (Despacho 7)
    • Miércoles 10:30 a 12:00 (Despacho 7)
    • Jueves 10:30 a 12:00 (Despacho 7)
    • Jueves 8:30 a 10:00 (Despacho 7)

Breve descripción de contenidos (Según memoria de verificación del Máster)

En este curso se persigue que el alumno adquiera conocimientos fundamentales y prácticos sobre los principales métodos para modelizar, estimar y predecir variables relacionadas con datos de naturaleza longitudinal o temporal. Como resultado, el alumno deberá ser capaz de identificar en distintas situaciones el modelo más adecuado, ajustar dicho modelo a partir de un conjunto de observaciones muestrales, así como pronosticar valores futuros de una o varias series conjuntamente, puntualmente y en términos de confiabilidad. Se consideran, entre otras, aplicaciones a la evaluación de riesgos en relación con series financieras.

Prerrequisitos y/o Recomendaciones

El alumno deberá poseer conocimientos previos de inferencia estadística, así como de métodos de regresión, particularmente en el caso multivariante.

Asimismo se recomienda que el alumno disponga de conocimientos básicos sobre algún software estadístico, especialmente R y/o técnicas de programación en algún lenguaje.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales

  • CG01. Los titulados han de saber aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. 
  • CG02. Los titulados han de ser capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. 
  • CG03. Los titulados han de saber comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades 
  • CG04. Los titulados deben poseer las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. 
  • CG05. Los titulados han de demostrar una comprensión sistemática del campo de estudio y el dominio de las habilidades y métodos de investigación relacionados con dicho campo. 
  • CG06. Los titulados deben demostrar la capacidad de concebir, diseñar, poner en práctica y adoptar un proceso sustancial de investigación con seriedad académica. 
  • CG07. Los titulados han de realizar una contribución a través de una investigación original que amplíe las fronteras del conocimiento desarrollando un corpus sustancial, del que parte merezca la publicación referenciada a nivel nacional o internacional. 
  • CG08. Los titulados deben ser críticos en el análisis, evaluación y síntesis de ideas nuevas y complejas. 
  • CG09. Los titulados deben saber comunicarse con sus colegas, con la comunidad académica en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento. 
  • CG10. Los titulados han de ser capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento. 

Competencias Específicas

  • CE01. Conocer métodos para el Análisis de Datos 
  • CE02. Conocer diferentes técnicas de Muestreo 
  • CE03. Adquirir conocimientos avanzados en Probabilidad y Procesos Estocásticos 
  • CE04. Profundizar en las técnicas de Modelización Estocástica 
  • CE05. Adquirir conocimientos avanzados en Inferencia Estadística 
  • CE06. Aprender y entender técnicas de Estadística Multivariante 
  • CE07. Saber identificar y aplicar diferentes Modelos Econométricos 
  • CE09. Adquirir conocimientos en Bioestadística 
  • CE10. Dominar el uso de diferentes entornos de Computación Estadística 
  • CE11. Conocer y aplicar técnicas de Control Estadístico de Calidad 
  • CE12. Ser capaz de resolver problemas a través de técnicas de Simulación Estocástica 
  • CE13. Saber llevar a cabo el diseño, programación e implantación programas de computación estadística 
  • CE14. Saber realizar un diseño de experimentos 
  • CE15. Ser capaza de identificar la información relevante para resolver un problema 
  • CE16. Utilizar correcta y racionalmente programas de ordenador de tipo estadístico 
  • CE17. Adquirir capacidades de elaboración y construcción de modelos y su validación 
  • CE18. Ser capaz de realizar un análisis de datos 
  • CE19. Saber gestionar bases de datos 
  • CE20. Ser capaz de realizar una correcta representación gráfica de datos 
  • CE21. Conocer, identificar y seleccionar fuentes estadísticas 

Competencias Transversales

  • CT01. Mostrar interés por la calidad y la excelencia en la realización de diferentes tareas 
  • CT02. Comprender y defender la importancia que la diversidad de culturas y costumbres tienen en la investigación o práctica profesional 
  • CT03. Tener un compromiso ético y social en la aplicación de los conocimientos adquiridos 
  • CT04. Ser capaz de trabajar en equipos interdisciplinarios para alcanzar objetivos comunes desde campos expertos diferenciados. 
  • CT05. Incorporar los principios del Diseño Universal en el desempeño de su profesión 

Resultados de aprendizaje (Objetivos)

El alumno sabrá/comprenderá:

- Los fundamentos básicos sobre procesos estocásticos y principales herramientas de análisis útiles en la modelización de series temporales, distinguiendo entre los enfoques complementarios de análisis en el dominio del tiempo y análisis en el dominio de las frecuencias.

- Discriminar, en el caso de series multivariantes, la presencia o no de causalidad y, en consecuencia, aplicar los enfoques de modelización adecuados.

- Identificar comportamientos denominados 'anómalos' (dependencias de largo rango, volatilidades,...) y conocer los modelos y técnicas a aplicar en tales situaciones.

- Utilizar software general o especializado, fundamentalmente software público desarrollado en R.

El alumno será capaz de desarrollar, a través de la experiencia en casos prácticos reales y simulados, incluyendo la interpretación y la toma de decisiones inherentes a las distintas fases del análisis, la destreza en la elaboración de modelos y derivación de pronósticos.

Programa de contenidos Teóricos y Prácticos

Teórico

1. Introducción y fundamentos. Predicción.

2. Modelos ARIMA.

3. Análisis espectral de series temporales.

4. Causalidad. Modelos de regresión dinámica.

5. Modelos de series temporales múltiples.

6. Modelos de espacio de estados. Filtrado de Kalman.

7. Modelos condicionalmente heteroscedásticos. Análisis de volatilidades.

8. Modelos fraccionarios. Dependencias de largo rango.

9. Análisis de valores extremos y evaluación de riesgos en series temporales financieras.

Práctico

Se ajustarán diversos modelos a conjuntos de datos reales, así por ejemplo se ajustarán modelos univariantes, se estudiará la causalidad, se presentarán modelos múltiples (con datos simulados), etc.

 

Se usará software libre, preferentemente R, aunque el estudiante podrá emplear cualquiera del que pueda disponer.

Bibliografía

Bibliografía fundamental

  1. Brockwell, P., Davis, R. (2002). Introduction to Time Series and Forecasting. Springer-Verlag.
  2. Cryer, J. D., Chang, K.-S. (2008). Time Series Analysis with Applicantions in R. Springer-Verlag.
  3. Jaén García, M., López Ruiz, E. (2001). Modelos Econométricos de Series Temporales. Teoría y Práctica. Septem.
  4. Kirchgässner, G. (2007). Introduction to Modern Time Series Analysis. Springer-Verlag.
  5. Luetkepohl, H. (Editor) (2004). Applied Time Series Econometrics. Cambridge University Press.
  6. Peña, D. (2005). Análisis de Series Temporales. Ciencias Sociales, Alianza Editorial.
  7. Shumway, R., Stoffer, D. (2006). Time Series Analysis and its Applications. Springer-Verlag.
  8. Tsay, R. S. (2002). Analysis of Financial Time Series. Wiley.

Bibliografía complementaria

  1. Engle, F. R. (1982). Autoregressive Conditional Heterocedasticity whit Estimates of the Variance of United Kingdom Inflation . Econometrica, 50(4), 987-1008.
  2. Pankatz, A. (1991): Forecasting with Dynamic Regression Models. Wiley.
  3. Tsay, R. W. (2014). Multivariate time series analysis : with R and financial applications.  Wiley.

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Sesiones de discusión y debate 
  • MD03 Resolución de problemas y estudio de casos prácticos 
  • MD04 Prácticas de laboratorio o clínicas 
  • MD05 Seminarios 
  • MD06 Ejercicios de simulación 
  • MD07 Análisis de fuentes y documentos 
  • MD08 Realización de trabajos en grupo 
  • MD09 Realización de trabajos individuales 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.

 

  • Al estudiante se le evaluarán las distintas actividades realizadas durante el curso. Estas actividades recogen tanto la parte práctica como la teórica.
  • Las distintas actividades constituirán el 100% de la calificación.

Evaluación Extraordinaria

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
 

Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la convocatoria extraordinaria. La calificación de estas actividades constituirá su evaluación.

Evaluación única final

Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la evaluación única final. La calificación de estas actividades constituirá su evaluación.

Información adicional