Ingeniería Financiera ITESO

En este repositorio encontrarán todos los archivos, documentos y datos a utilizar en la clase de Series de tiempo.

Una referencia básica para los temas vistos aquí es el libro de Hyndman y Athanasopoulos, que lo pueden consultar en línea a través de https://otexts.com/fpp3/.

Material bibliográfico adicional que puede serles útil es el siguiente:

• Hyndman, R.J., & Athanasopoulos, G. (2019) Forecasting: principles and practice, 3rd edition, OTexts: Melbourne, Australia. OTexts.com/fpp3. Versión en línea: https://otexts.com/fpp3/

• Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.". Versión en línea: https://r4ds.had.co.nz/

  • Existe una versión colaborativa en español en https://es.r4ds.hadley.nz/, sin embargo, los ejercicios y temas vistos serán tomados directo de la versión en inglés.

• Tsay, R. S. (2014). An introduction to analysis of financial data with R. John Wiley & Sons.

• Shumway, R. H., & Stoffer, D. S. (2017). Time series analysis and its applications: with R examples. Springer.

Otras fuentes de apoyo que pueden serles útiles para el análisis de econometría y series de tiempo:

• Gujarati, D., & Porter, D. (2010). Econometría (quinta edición)

• Lütkepohl, H., & Krätzig, M. (Eds.). (2004). Applied time series econometrics. Cambridge university press.

• Greene, W. H. (2003). Econometric analysis. Pearson Education India.

Los temas que estaremos revisando son:

1. Introducción al curso.

2. Repaso de algunas paqueterías útiles para la ciencia de datos y el análisis de series de tiempo.

3. Conoceremos la descomposición de series de tiempo.

4. Analizaremos algunas características de las ST.

5. Aprenderemos las bases de los pronósticos.

Descubriremos y ajustaremos varios tipos de modelos para pronóstico:

6. Regresión lineal.

7. Suavización exponencial.

8. ARIMA.

9. Regresión dinámica.