Diplomado en MODELOS ECONOMÉTRICOS PARA FINANZAS Y ECONOMÍA Versión en Línea
Coordinadora Académica: Mtra. Esperanza Sainz López
COORDINADORA ACADÉMICA:
MTRA. ESPERANZA SAINZ LÓPEZ
Es maestra en Finanzas y licenciada en Matemáticas
Aplicadas a las Ciencias Sociales por el ITAM, donde también cursó los diplomados en Finanzas Corporativas, Derivados Financieros y Desarrollo de Habilidades Gerenciales. Desde 1980 Imparte clases de Estadística en el ITAM y desde el 2000 es coordinadora de diplomados de econometría y modelos dinámicos. Fue investigadora y directora general adjunta de Estadística en el Instituto Federal de Telecomunicaciones, subdirectora de Proyectos Estadísticos Especiales en el Inegi, jefa de departamento e investigadora en la Presidencia de la República y gerente de sistemas en el Centro de Estudios Económicos del Sector Privado. Ha impartido cursos de probabilidad, inferencia estadística, econometría y series de tiempo en diversas instituciones y empresas. Ha dictado numerosas ponencias y ha organizado en México y el extranjero actos académicos relacionados con la estadística.
Nota: Este diplomado es en la modalidad en línea a través de la herramienta Zoom. Se requiere que el participante cuente con computadora, laptop, tablet, teléfono inteligente o cualquier otro dispositivo que permita reproducir audio y video y una buena conexión a internet. Las clases serán en tiempo real en los días y horario publicados. Las sesiones no serán grabadas y el participante sólo tendrá acceso a las sesiones del diplomado en el grupo al cual se haya inscrito.
Objetivo
En el diplomado se presentarán los métodos estadísticos necesarios para analizar, manejar, comprender y representar datos registrados en forma de series de tiempo. Los participantes adquirirán bases teóricas para conocer los alcances y las limitaciones de las conclusiones obtenidas con los modelos dinámicos, así como para aplicar el mejor modelo a un problema dado. Utilizarán paquetes estadísticos que faciliten la estimación y el análisis de los modelos y enfocarán el estudio como una herramienta para realizar investigación en diversas disciplinas sociales.
¿A quién va dirigido?
Personas que trabajan o tienen interés en la economía, las finanzas o la actuaría. Interesados en el estudio y análisis de los modelos dinámicos de series de tiempo.
¿Qué vas a aprender?
• Los participantes realizarán el estudio individual de series de tiempo utilizando técnicas extrapolativas, de relaciones de causa y efecto y modelos con el enfoque de Box y Jenkins.
• Reconocerán el tipo de modelo para cada una de las técnicas de pronóstico estadístico y lo validarán.
• Identificarán las características de una serie de tiempo para decidir el conjunto de técnicas más apropiadas para analizarla.
• Identificarán los componentes de la serie.
• Decidirán si el modelo tiene heterocedasticidad condicional.
• Investigarán series de tiempo en forma simultánea y subrayarán la riqueza del análisis que se obtiene.
MÓDULO I
FUNDAMENTOS DE ESTADÍSTICA
Objetivo
En este módulo, los participantes adquirirán los conceptos y conocimientos de estadística que se requieren para la estimación y el análisis de modelos. Además, conocerán las características que tiene un conjunto de datos, para identificar el tipo de inferencia estadística que se puede realizar y obtener resultados y conclusiones en problemas prácticos.
Temario
Introducción a la estadística
1.1 Objetivo de la estadística
1.2 Poblaciones y muestras. Parámetros y estadísticos
1.3 Análisis exploratorio de datos. Tipos de variables y escalas de medición. Representación gráfica y medidas descriptivas de conjuntos de datos. Asociación entre variables
1.4 Fundamentos de probabilidad
1.5 Variables aleatorias. Distribución binomial, Poisson y normal 2. Inferencia estadística
2.1 Distribución de muestreo
2.2 Teorema central del límite
2.3 Distribuciones muestrales relacionadas con la distribución normal
2.4 Estimación puntual y propiedades de estimadores. Definición de estimador. Error de estimación y error cuadrático medio. Propiedades de estimadores. Métodos de estimación
2.5Estimación por intervalos. Concepto de intervalo de confianza. Intervalos de confianza para la media, la varianza y la proporción
2.6Pruebas de hipótesis. Conceptos de pruebas de hipótesis. Nivel de significancia descriptivo. Prueba de hipótesis para media, varianza y proporción. Prueba de hipótesis para comparación de medias, de proporciones y de varianzas. Prueba de hipótesis para coeficiente de correlación. Pruebas de bondad de ajuste (normalidad). Prueba de razón de verosimilitudes
MÓDULO II
MODELO DE REGRESIÓN LINEAL
Objetivo
Los participantes conocerán las técnicas de regresión lineal para distinguir entre los tipos de datos que tienen y los modelos que pueden aplicar. En un modelo estimado, aplicarán las técnicas de inferencia estadística para obtener conclusiones, el mejor modelo y el mejor pronóstico a partir de un conjunto de datos.
Temario
1. Introducción al modelo de regresión lineal. Modelo condicional
2. Modelo de regresión lineal simple
2.1 Estimadores de mínimos cuadrados. Propiedades de los estimadores. Teorema de Gauss-Markov
2.2 Coeficiente de correlación y coeficiente de determinación
2.3 Pruebas de hipótesis y análisis de varianza
2.4 Predicción del valor esperado y del valor individual
3.Modelo de regresión lineal múltiple
3.1 Estimadores de mínimos cuadrados. Propiedades de los estimadores. Teorema de Gauss-Markov
2.5 Coeficiente de correlación, coeficiente de correlación parcial y coeficiente de determinación
3.2 Pruebas de hipótesis y análisis de varianza
3.3 Predicción del valor esperado y del valor individual
4. Formas funcionales de los modelos de regresión
5. Modelos con variables explicativas de tipo cualitativo
6. Violación de los supuestos del modelo clásico de regresión. Detección, consecuencias y corrección
6.1 Normalidad de los errores
6.2 Varianza constante del error
6.3 Errores no correlacionados
6.4 Variables explicativas linealmente independientes
7. Aplicaciones
MÓDULO III
MODELOS DE PRONÓSTICO PARA SERIES DE TIEMPO
Objetivo
En este módulo, los participantes adquirirán los conceptos y conocimientos necesarios para distinguir entre los enfoques cualitativo y cuantitativo del pronóstico. Identificarán las características que tiene una serie de tiempo y las distintas transformaciones de los datos que es posible realizar, para distinguir el tipo de modelos que pueden aplicar y obtener resultados y conclusiones en problemas prácticos. Conocerán y aplicarán las medidas para evaluar la exactitud y precisión de los pronósticos. Utilizarán las técnicas extrapolativas de pronóstico, dependiendo de las características y volumen de los datos disponibles.
Temario
1. Introducción al pronóstico. Pronóstico cualitativo y estadístico
2. Conocimiento de los datos
2.1 Inspección de los datos
2.2 Suavizamiento
3. Uso de transformaciones
3.1 Transformaciones lineales
3.2 Transformaciones no lineales
3.3 Selección de una transformación
4. Criterios para elegir una técnica de pronóstico
5. Técnicas extrapolativas
5.1 Técnicas para series no estacionales
5.2 Técnicas para series estacionales
6. Evaluación de los pronósticos
7. Aplicaciones
MÓDULO IV
ANÁLISIS DE SERIES DE TIEMPO
Objetivo
Los participantes conocerán y aprenderán las técnicas de análisis de series de tiempo de los modelos autorregresivos integrados de promedio móvil (ARIMA). Construirán los modelos ARIMA con la propuesta de Box y Jenkins, y encontrarán el mejor para un conjunto de datos.
Temario
1. Introducción al análisis de series de tiempo
2. Elementos de ecuaciones en diferencia
2.1 Notación y conceptos elementales
2.2 Uso de operadores de retraso
3. Modelos para series no estacionales
3.1 Identificación de modelos ARIMA
3.2 Estimación de modelos ARIMA
3.3 Verificación de los modelos
4. Modelos para series estacionales
4.1 Identificación de modelos ARIMA estacionales
4.2 Estimación de modelos ARIMA estacionales
4.3 Verificación de los modelos
5. Pronósticos para series de tiempo
6. Aplicaciones
MÓDULO V
OTROS TEMAS DE SERIES DE TIEMPO
Objetivo
Los participantes revisarán temas del análisis de series de tiempo que han sido útiles en la práctica, como la heterocedasticidad condicional y el ajuste de una de una serie de tiempo identificando sus componentes. Realizarán aplicaciones de las metodologías que se presenten.
Temario
1. Métodos para ajuste estacional de series de tiempo
1.1 Introducción al ajuste estacional de series de tiempo
1.2 Métodos para ajuste estacional de series de tiempo
1.3 Componentes no observables de una serie de tiempo
2.1 Procedimiento X13-ARIMA
2.2 Descomposición con el procedimiento X11
2. Modelos de heterocedasticidad condicional
1.4 Procesos con modelos de heterocedasticidad condicional autorregresiva (ARCH)
1.5 Procesos con modelos de ARCH generalizada
1.6 Procesos con modelos integrados de ARCH generalizada
1.7 Procesos A-GARCH, T-GARCH y EGARCH
1.8 Procesos ARCH-M
3 Aplicaciones
MÓDULO VI
INTRODUCCIÓN AL ESTUDIO DE SERIES DE TIEMPO MÚLTIPLES
Objetivo
Los participantes conocerán las herramientas para realizar un análisis conjunto de varias series de tiempo. Aprenderán qué resultados pueden obtener en el estudio simultáneo de varias variables y comprenderán su riqueza teórica y práctica.
Temario
1. Modelos para series de tiempo múltiples
1.1 Relación con modelos de ecuaciones simultáneas
1.2 Extensión de modelos autorregresivos de media móvil al caso multivariado
2. Cointegración bivariada
2.1 Regresión espuria
2.2 Relación entre cointegración e integración
3. Vectores autorregresivos
4. Causalidad de Granger
5. Función de respuesta al impulso
6. Descomposición de la varianza del pronóstico
7. Análisis de cointegración
8. Modelos en forma de corrección de errores
9. Aplicaciones
CARACTERÍSTICAS DEL PLAN DE ESTUDI0S
El plan de estudios está dividido en 6 módulos.
El Diploma sólo se entregará a quien haya cursado y aprobado todos los módulos del Diplomado.
En el Diplomado se realizarán trabajos extraescolares que aseguren una mejor asimilación de los conocimientos impartidos.
Programa sujeto a cambios.
REQUISITOS DE INSCRIPCIÓN
1. Completa el formulario de registro en línea.
2. Adjunta una identificación oficial en formato PDF.
3. Realiza el pago.
M.A. Mónica Sacristán
Directora de Extensión Universitaria y Desarrollo Ejecutivo
Síguenos en:
Diplomados ITAM @DiplomadosITAM
Diplomados ITAM Diplomados_itam
TEL. 55 5628 41 85
Av. Camino a Sta. Teresa 930, Col. Héroes de Padierna, 10700, México, D.F. CORREO ELECTRÓNICO: desarrolloejecutivo@itam.mx
Consulte nuestra programación completa en: Becas para exalumnos www.desarrolloejecutivo.itam.mx