CONTENIDO
Introducción.
1. Introducción al análisis de series del tiempo.
1.1. Elementos estadísticos en análisis de series del tiempo. 1.2. Series de tiempo vistas como procesos estocásticos. 1.2.1. Series de discretas. 1.2.2. Uso de operadores y polinomios de retraso. 1.2.3. Procesos estocásticos lineales. 1.3. Procesos estacionarios. 1.3.1. Diferencias y no estacionariedad homogénea.
2. Elementos de ecuaciones en diferencia.
2.1. Ecuaciones en diferencia para procesos deterministas. 2.1.1. Ecuaciones en diferencia de primer orden. 2.12. Ecuaciones en diferencia de segundo orden. 2.1.3. Ecuaciones en diferencia de orden p. 2.2. Representaciones de algunos procesos divergentes.
3. Modelos para series de tiempo univariadas.
3.1. Modelos autorregresivos (AR). 3.1.1. Modelo AR(1). 3.1.2. Modelo AR(2). 3.1.3. Modelo AR (P). 3.2. Modelos de promedios móviles (MA). 3.2.1. Modelo MA (1). Modelo MA(2). 3.2.3. Modelo MA (q). 3.3. Modelos ARMA. 3.3.1. Modelo ARMA (1, 1). 3.3.2. Modelo ARMA (p, q). 3.4. Modelos ARIMA. 3.4.1. Modelos con tendencia determinista.
4. Construcción de modelos para series univariadas.
4.1. Identificación. 4.1.1. Estabilización de la varianza. 4.1.2. Estabilización del nivel. 4.1.3. Empleo de la función de autocorrelación. 4.14. Empleo de la función de autocorrelación parcial. 4.1.5. Comportamientos típicos de la FAC y la FACP. 4.16. Ejemplos ilustrativos de la identificación. 4.2. Estimación. 4.2.1. Método de máxima verosimilitud. 4.2.2. Obtención de valores iniciales. 4.2.3. Otros aspectos relacionados con la estimación. 4.3. Verificación. 4.3.1. Análisis de residuos. 4.3.2. Otras formas de verificación del modelo. 4.3.3. Ejemplos ilustrativos de la verificación. 4.4. El problema de raíces unitarias. 4.4.1 Pruebas de Dickey-Fuller. 4.4.2. Prueba de Perron en presencia de cambios estructurales.
5. Análisis de series de tiempo estacionales.
5.1. Modelos ARIMA para series estacionales. 5.1.1. Operadores y modelos puramente estacionales. 5.1.2. Modelo multiplicativo estacional. 5.2. Identificación de modelos para series estacionales. 5.2.1. Funciones de autocovarianza y FAC típicas de procesos estacionales. 5.3. Construcción de modelos estacionales. 5.3.1. Ejemplos ilustrativos de la construcción de modelos estacionales. 5.4. Raíces unitarias estacionales. 5.4.1. Estacionalidad trimestral. 5.42. Estacionalidad mensual.
6. Pronósticos con modelos ARIMA.
6.1. Pronósticos óptimos de series de tiempo. 6.1.1. Pronóstico de series estacionarias. 6.1.2. Pronóstico de series no estacionarias. 6.2. Intervalos de predicción y actualización de pronósticos. 6.2.1. Intervalos de predicción. 6.2.2. Actualización de pronósticos. 6.3. Otros aspectos importantes del pronóstico. 6.3.1. Capacidad de pronóstico del modelo. 6.3.2. Pronósticos de la serie original.
7. Análisis de series influenciadas por intervenciones.
7.1. Análisis de intervención: teoría. 7.1.1. Funciones dinámicas de intervención. 7.2. Análisis de intervención: aplicaciones. 7.2.1. Medio circulante. 7.2.2. Inflación de los precios al consumidor.
8. Otros tópicos de series de tiempo univariadas.
8.1. Pronósticos con restricciones. 8.1.1. Restricciones ciertas, compatibles con la historia: teoría. 8.1.2. Pronósticos con restricciones ciertas: aplicaciones. 8.1.3. Restricciones inciertas, compatibles o no con la historia. 8.1.4. Restricciones ciertas, incompatibles con la historia. 8.2. Descomposición de series. 8.2.1. Componentes permanente y transitorio de una serie. 8.2.2. Descomposición de series mediante extracción de la señal. 8.2.3. Extracción de señal con series estacionales.
|
