Profesor | Ma. Susana Barrera Ocampo | lu mi vi | 17 a 18 |
Ayudante | Erick Eduardo Aguilar Hérnandez | ma ju | 17 a 18 |
Temario
1. Introducción
1.1 Procesos Estocásticos y Series de Tiempo
1.2 Operadores de Retraso, Diferencia y Polinomios de Retraso
1.3 Caracterización de Procesos Estacionarios
1.4 Varianzas Autocovarianzas y Autocorrelaciones en Series de Tiempo
1.5 Varianzas, Errores Estándares, Intervalos de Confianza y Pruebas de Hipótesis sobre
Autocorrelaciones Simples y Parciales
2. Modelos Autorregresivos Integrados y de Medias Móviles(ARIMA)
2.1 Modelos Autorregresivos AR(p)
2.1.1 Definición y Propiedades
2.1.2 Simulación de Modelos
2.1.3 Ejemplo y Estimación de Parámetros
2.1.4 Modelación mediante el lenguaje R
2.2 Modelos de Medias Móviles MA(q)
2.2.1 Definición y Propiedades
2.2.2 Simulación de Modelos
2.2.3 Ejemplo y Estimación de Parámetros
2.2.4 Modelación mediante el lenguaje R
2.3 Modelos de Autorregresivos Integrados y de Medias Móviles ARIMA(p,d,q)(P,D,Q)
2.3.1 Definición y Propiedades
2.3.2 Simulación de Modelos
2.3.3 Ejemplo y Estimación de Parámetros
2.3.4 Modelación mediante el lenguaje R
3. Análisis Espectral de Series de Tiempo
3.1 Introducción
3.2 Análisis de Fourier
3.3 Cálculo del Periodograma. Manual y Mediante paquetería estadística
3.4 Aplicaciones
3.5 Regresión Armónica
4. Modelos ARCH y GARCH
4.1 Introducción
4.2 Prueba Jarque Bera y Prueba de Box Ljung
4.3. Modelos ARCH(p)
4.3.1 Propiedades
4.3.2 El retorno de la inversión (ROI). Volatilidad
4.3.3 Simulación de Modelos ARCH
4.3.4 Estimación de parámetros
4.3.5 Aplicaciones a Series Financieras
4.4 Modelos GARCH(q)
4.4.1 Propiedades
4.4.2 El retorno de la inversión (ROI). Volatilidad
4.4.3 Simulación de Modelos GARCH
4.4.4 Estimación de parámetros
4.4.5 Aplicaciones a Series Financieras
5. Introducción a Redes Neuronales
5.1 Modelos de Neurona Supervisada
5.2 Entradas y salidas, Pesos sinápticos
5.3 Funciones de activación de la neurona
5.4 Arquitectura de una red neuronal
5.5 Aprendizaje Supervisado y No Supervisado
5.6 Fase de entrenamiento
5.7 Perceptrón
5.8 Variables de Entrada
Forma de calificación en clases en línea:
Tareas por tema (5 temas) 60%, y Exposiciones de trabajos 40%.
Modo de trabajo