Plan de estudios del Curso Análisis econométrico con EViews - Avanzado

SESIÓN 1: INTRODUCCIÓN A LOS MODELOS DE SERIES DE TIEMPO

  • Objetivo:
    • Presentar el concepto de serie de tiempo, sus componentes y gráficos.
  • Temas:
    • ¿Qué son las series de tiempo?
    • Componentes de la serie de tiempo
    • Proceso estacionarios
    • Serie de tiempo en EViews
    • Gráfico de una serie de tiempo
  • Ejemplos:
    • Workfile diario
    • Diseño de gráfico - Parte 1
    • Workfile trimestral
    • Diseño de gráfico - Parte 2
    • Workfile mensual

SESIÓN 2: PROCESOS ESTOCÁSTICOS

  • Objetivo:
    • Describir los procesos estocásticos en EViews.
  • Temas:
    • Proceso estocástico 
    • Proceso de ruido blanco
    • Caminata aleatoria sin deriva
    • Caminata aleatoria con deriva
    • Función de autocorrelación
  • Ejemplos:
    • Análisis de ruido blanco
    • Análisis caminata aleatoria sin deriva
    • Análisis caminata aleatoria con deriva
    • Análisis caminata aleatoria con deriva - Parte 2
    • Función de autocorrelación

SESIÓN 3: MODELOS UNIVARIADOS ESTACIONARIOS

  • Objetivo:
    • Describir los modelos univariados como AR, MA y ARMA y modelarlos en Eviews.
  • Temas:
    • Modelo AR
    • Modelo MA
    • Modelo ARMA
    • Modelo univariado en EViews
  • Ejemplos
    • Modelo AR
    • Modelo MA
    • Modelo ARMA
    • Elegir el mejor modelo
    • Pronóstico

SESIÓN 4: MODELO UNIVARIADOS NO ESTACIONARIOS

  • Objetivo:
    • Reconocer los modelos univariados no estacionarios en EViews.​
  • Temas:
    • Tendencia determinística 
    • Tendencia estocástica
    • Test de estacionariedad
    • Modelo ARIMA
  • Ejemplos
    • Graficar serie con tendencia determinística
    • Test de PHILLIPS-PERRON
    • Orden de integración
    • Modelo ARMA
    • Pronóstico

SESIÓN 5: MODELO UNIVARIADOS ESTACIONALES

  • Objetivo:
    • Detallar cómo trabajar con modelos que poseen componentes estacionales.
  • Temas:
    • Definición
    • Gráficos para detectar estacionalidad
    • Test para estacionalidad
    • Modelo SARIMA
  • Ejemplos:
    • Gráfica para detectar estacionalidad
    • Test HEGY
    • Test de KRUSKAL-WALLIS
    • Estimación de modelo SARIMA
    • Pronóstico

SESIÓN 6: QUIEBRE ESTRUCTURAL

  • Objetivo:
    • Explicar el quiebre estructural en una serie de tiempo.
  • Temas:
    • Definición
    • Gráficos de quiebre estructural
    • Test de quiebre estructural
    • Variables dummy en el quiebre estructural
  • Ejemplos:
    • Test de CUSUM
    • Gráfico de CUSUM
    • Gráfico de estabilidad de parámetros
    • Test de CHOW
    • Variable dummy en modelo de serie de tiempo

SESIÓN 7: MODELOS MULTIVARIADOS ESTACIONARIOS

  • Objetivo:
    • Detallar los modelos multivariados estacionarios para estimarlos en EViews.
  • Temas:
    • Modelos VAR
    • Estimación
    • Test de causalidad
    • Función de impulso-respuesta
    • Descomposición de varianza
  • Ejemplos:
    • Estimación de un modelo VAR
    • Elección del modelo
    • Función de impulso-respuesta
    • Descomposición de varianza
    • Análisis de escenarios

SESIÓN 8: COINTEGRACIÓN

  • Objetivo:
    • Explicar cómo aplicar series no estacionarias en EViews.
  • Temas:
    • Definición
    • Test de Engle y Granger
    • Modelo de corrección de errores
    • Método multivariado de Johansen
  • Ejemplos:
    • Orden de integración
    • Test de Engle y Granger
    • Modelo de corrección de errores
    • Modelo de corrección de errores
    • VECM

SESIÓN 9: MODELO DE VOLATILIDAD

  • Objetivo:
    • Explicar el uso de modelos con heterocedasticidad y modelarlos en EViews.
  • Temas:
    • Definición
    • Modelo ARCH
    • Modelo GARCH
    • Modelo GARCH-M
    • Modelo EGARCH
    • Modelo TGARCH
    • Comparación
  • Ejemplos
    • Modelo de la media
    • Modelo ARCH
    • Modelo GARCH
    • Modelo TGARCH
    • Comparación de modelos

SESIÓN 10: MODELOS NO LINEALES

  • Objetivo:
    • Explicar cómo estimar un modelo de regresión no lineal en EViews.
  • Temas:
    • Definición
    • Regresión exponencial
    • Regresión potencial
    • Regresión logarítmica
    • Regresión polinómica
  • Ejemplos:
    • Regresión exponencial
    • Regresión potencial
    • Regresión logarítmica
    • Regresión polinómica
    • Comparación de modelos

SESIÓN 11: ADICIONAL: FILTROS

  • Objetivo:
    • Explicar cómo descomponer la series de tiempo por medio de filtros estadísticos.
  • Temas:
    • Métodos de desestacionalización
    • Extracción de la tendencia y ciclo
  • Ejemplos:
    • Desestacionalizar serie - Parte 1
    • Desestacionalizar serie - Parte 2
    • Filtro HP
    • Filtro BK
    • Filtro CF

Plan de estudios actualizado el 13 de diciembre del 2023.

Redes en las que nos puedes ubicar

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

Whatsapp

+51 923 444 442

Skype

institutoICIP

Hangouts

info@icip.pe

Skype

institutoICIP

Whatsapp

+51 923 444 442

Hangouts

info@icip.pe

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

 

Icono Whatsapp

Whatsapp

+51 923 444 442

 

 
info@icip.peinfo@icip.peinfo@icip.ecinfo@icip.com.co

DIRECCIÓN

 

Cal. Santa Florencia 564
Urb. Pando 3era Etapa
Cercado de Lima, Lima - Perú

 

Referencia: Cruce de la Av. Universitaria con la Av. Venezuela

HORARIO DE ATENCIÓN

 
Oficina:
Lunes a Sábado
8:00 am - 4:45 pm

 
Central telefónica

Lunes a Sábado
8:00 am - 10:00 pm
Domingos
8:00 am - 5:00 pm