


WHAT WE DO

Objetivos
Estudiar los fundamentos matemáticos necesarios para comprender con detalle los principales aspectos del forecasting vía las series de tiempo.
Familiarizar al estudiante con las diferencias y ventajas de cuatro de los principales modelos para la predicción, así como el entendimiento de las hipótesis principales hechas en cada modelo.
Invitar al estudiante al mundo de las aplicaciones y el uso adecuado del estudio de las series de tiempo en fenómenos financieros.
Temario
De regresiones lineales a series de tiempo
Regresiones lineales por mínimos cuadrados
Cualidades estadísticas de las regresiones lineales
Hipótesis geométricas y estocásticas
El concepto de sobre-ajuste y regularización
Ejemplos de estacionalidad: necesidad de nuevos métodos
Alisamiento exponencial y las cadenas de markov
Complementos sobre probabilidad
Cadenas de markov y sus aplicaciones
Alisamiento exponencial recursivo
Alisamiento exponencial como mínimos cuadrados
Cualidades estocásticas y estadísticas del alisamiento exponencial
Holt-Winters y la detección de anomalías
Modelos autoregresivos
Primeros ejemplos de modelos dependientes
Ruido blanco y relación con otros procesos estocásticos
Cualidades estadísticas
Modelos ARIMA: diferenciabilidad y estacionalidad
Aplicaciones a la predicción
Modelos ARCH
¿Qué es la heterocedasticidad?
Relación con modelos anteriores
Volatilidad en un proceso
Un estudio de la volatilidad vía ARCH