Series de Tiempo

Contenidos:

1. Modelos Ingenuos.
   • Suavizamiento exponencial.
   • Método de descomposición.
   • Método de Holt-Winters.
   • Filtros lineales y filtros de medias móviles.
   • Aplicaciones.
2. Modelos ARIMA.
   • Procesos estacionarios.
   • Procesos lineales generales.
   • Teorema de descomposición de Wold.
   • Procesos autorregresivos, de media móvil y ARMA.
   • Estimación.
   • Ecuaciones de Yule-Walker.
   • Método de máxima verosimilitud.
   • Ecuaciones de predicción.
   • Algoritmo de Durbin-Levinson.
   • Intervalos de confianza para predicciones.
   • Diferenciación y modelos ARIMA estacionales.
3. Modelamiento de Procesos ARIMA.
   • Identificación vía FAC y FACP.
   • Selección de modelos.
   • Coeficientes AIC y BIC.
   • Validación cruzada y predicción hacia atrás.
   • Tratamiento de datos faltantes y técnicas de imputación.
4. Análisis Espectral.
   • Transformada de Fourier y modelos de regresión armónica.
   • La densidad espectral.
   • Transformada discreta de Fourier.
   • El periodograma.
   • Estimación de frecuencias ocultas.
   • Estimación de componentes estacionales.
   • Estimación no paramétrica del espectro.
   • Espectro cruzado.
   • Extracción de señales y filtros óptimos.
5. Series de Tiempo Multivariadas.
   • Modelos multivariados.
   • Estimación de la media y de la función de covarianza.
   • Test de independencia entre series estacionarias.
   • Fórmula de Bartlet.
   • Procesos ARMA multivariados.
   • Estimación y predicción.
   • Cointegración en series de tiempo.
   • Codispersión y comovimiento de series multivariadas.
   • Aplicaciones a series de tiempo financieras.