MATERIA: MODELOS AVANZADOS DE ECONOMETRÍA EN LA EMPRESA

 

1. Características de la materia.

Asigntura Econometría

Semestre I

Área del doctorado Administración financiera

Enfoque Exposición teórica y práctica

Clave de la materia DA029

Créditos 8

Sesiones por semana 2

horas por sesión 2

Sesiones por semestre 16

Nivel Doctorado

Programa Doctorado en Administración

 

2. Objetivos de la materia.

 

2.1. Objetivo general.

La (el) doctoranda (o) conocerá el concepto de regresión y sus principales supuestos teóricos establecidos en el teorema Gauss-Markov. De manera complementaria aprenderá las técnicas de tratamiento de los “errores” u omisiones a los supuestos de dicho teorema, modelos de series de tiempo como son los ARMA(p,q), ARIMA(p,Iq), GARCH(p,q) y su familia, ARFIMA(p,I,Q) o modelos de cambio de régimen. También conocerá los modelos de regresión logística para variables dicótomas u ordinales, así como los modelos probit para determinación de probabilidades de suceso, terminando con una revisión alos models de datos panel.

 

Como objetio teórico-práctico, será capaz de conocer los principales modelos de series de tiempo, datos panel y técnicas de reducción de dimensión que le serán de utilidad en su trabajo de investigación.

 

2.2. Metodología del curso.

 

El modelo educativo a seguir será por medio de clases teóricas en las que se resolverán ejercicios y problemas prácticos propios de situaciones y fenómenos económicos y financieros.

 

De manera complementaria, se harán los primeros pasos de modelado econométrico propio de su trabajo de investigación. Esto para compenetrar a la (el) doctoranda (o) en el desarrollo del análisis de modelos de la naturaleza que interesan en el curso y para darle una concresión cuantitativa a su tema de disertasión doctoral.

 

2.3. Normas y políticas del curso.

2.3.1. Políticas Académicas y de Comportamiento para los alumnos

a) Honestidad: Políticas contenidas en el Reglamento de Estudios de Posgrado de la UMSNH.

b) Asistencia y Evaluación: Políticas contenidas en el Reglamento de Estudios de Posgrado de la UMSNH.

c) Comportamiento y sanciones: Políticas contenidas en el Reglamento de Estudios de Posgrado de la UMSNH.

 

2.3.2. Puntualidad:

1. Se tiene una tolerancia de solo 15 (quince) minutos. De no cubrir dicha restricción, le (el) alumna (o) no podrá asistir a clase y tendrá falta.

2. Se debe de cubrir un 70% de asistencia en el trimestre. De lo contrario, la (el) alumna (o) no podrá cursar el examen final y reprobará el curso.

 

2.3.3 Respeto y sana convivencia:

1. Se permite acceder al salón solamente con bebidas pequeñas como son vasos o termos de agua, vasos de café o té. Estos deberán estar cubiertos (con tapa) para evitar potenciales accidentes dentro del laboratorio.

2. Deberá darse preferencia al respecto  de las y los compañeros de clase, así como al profesor.

 

3. Planeación temática.

  1. Repaso de Estadística y conceptos introductorios.
  2. El método de mínimos cuadrados ordinarios: su lógica subyacente y su derivación matemática.
  3. Medidas de concordancia y probabilidad multivariada: el caso gaussiano.
  4. Lógica del método de mínimos cuadrados ordinarios partiendo de la covarianza como medida de influencia entre pares de variables aleatorias.
  5. Estimación del vector de parámetros con el método de las covarianzas e interpretación de los parámetros del polinomio de regresión.
  6. Coeficiente determinación R cuadrado.
  7. Estimación de parámetros del modelo MCO con notación matricial.
  8. Teorema Gauss-Markov y los errores del modelo de regresión.
    1. Error de especificación del modelo de regresión
    2. Multicolinealidad
    3. Hetersocedasticidad
    4. Autorocelación
  9. Modelos probit y logit para variables uniformes, dicotómicas u ordinales.
  10. Modelos de series de tiempo
    1. Estacionariedad y no estacionariedad en las series de tiempo
    2. Modelos AR, ARMA y ARIMA (Metodología Box-Jenkins)
    3. Modelos ARCH y GARCH y sus principales formas funcionales en la familia GARCH
    4. Modelos VAR, VARMA y VARMAX
    5. Modelos VAR-GARCH, VARMA-GARCH y VARMAX-GARCHX
    6. Integración fractal o fraccionaria
    7. Modelos de cambios de régimen con cadenas markovianas 
  11. Modelos de datos panel para páneles balanceados

 

3.1 Mapa mental de la materia

 

4. Método y herramientas a utilizar en clase.

1. El método de clase será en exposición presencial.

2. Se fomentarán las actividades de investigación científica al solicitar a cada alumno exponga sobre hechos y/o

personajes relacionados a los temas estudiados.

3. Se utilizarán evaluaciones y pruebas de control así como actividades puntuables de apoyo a la materia. Todas

estas se realizarán a través de la plataforma educativa del profesor en su sitio web:

http://materias.oscardelatorretorres.com

4. Como herramientas de apoyo se tendrán, en los casos que aplique, animaciones, videos, presentaciones y

dinámicas en línea en la plataforma educativa del profesor.

5. Se emplearán las aplicaciones informáticas Eviews y Excel, así como el lenguaje de programación R.

 

5. Lineamientos de sana convivencia en clase.

1. La materia se busca sea lo más amena posible para las y los estudiantes. Dado esto, su método de calificación se basa en dos exámenes parciales y uno final.

2. Para poder presentar el examen final, la o el estudiante deberá acreditar el 70% de asistencia, la cual se tomará con el módulo de asistencia de la plataforma de clase (Liga para acceder a la misma).

3. En cada sesión de clase se requerirá la presencia de al menos el 70% de los estudiantes matriculados. De no cumplirse dicho número de asistentes, el tema se dará por visto y se cancelará la sesión del día.

4. Se tomará asistencia 10 minutos del horario oficial establecido en el calendario y horarios publicados por la facultad. Sin excepción alguna, toda aquella persona que llegue después de los 10 minutos de tolerancia podrá ingresar a clase sin tener derecho a asistencia.

5. La sesiones de clase programadas en el calendario solo la suspenderá el Dr. Oscar De la Torre Torres a solicitud de alguna de las siguientes personas:

a) La Directora o el Director de la Facultad.

b) La Secretaria académica o el Secretario académico.

c) La directora de carrera o el director de carrera.

 

NOTA: Sola mente la jefa o jefe de grupo pueden contactar por vía telefónica al Dr. Oscar De la Torre Torres y dicha persona no estará autorizada para cancelar clase o moverla de horario.

6. Las faltas por causas de fuerza mayor ajenas a las o los estudiantes se pueden justificar solo por instrucción escrita de la directora o director de la carrera.

7. Queda prohibido molestar a las compañeras o compañeros de clase, el uso de malas palabras, insultos, gritos, peleas verbales o físicas. El incurrir en estas faltas o las contempladas en la normativa de la universidad o en los buenos usos y costumbres, implicará que el Dr. Oscar De la Torre torres solicite a la o el estudiante que incurra en dicha falta que salga del salón. Esto tendrá las implicaciones académicas y normativas que el profesor indique en sesión de clase.

 

6. MATERIALES DE APOYO SUGERIDOS PARA ADQUISICIÓN DE LA (EL) ESTUDIANTE 

6.1 Materiales de apoyo para el curso

 

• (Obligatorio) software Eviews. 

•       (Obligatorio) lenguaje de programación R.

• (Obligatorio) Paquetería de Microsoft Office.

• (Obligatorio) Programa de manejo de contenidos y citado Mendeley: www.mendeley.com para Windos OS o Mac OS.

• (Sugerido) Tableta con sistema operativo OS Mac o Android para adquisición y descarga de libros en formato electrónico.

• (Sugerido) software Kindle de Amazon para tableta y/o smartphone.

• (Sugerido) aplicación Notability para tableta. Se recomienda para toma de notas, diagramas, fotos y esquemas durante clase.

 

6.2 BIBLIOGRAFÍA

6.2.1 Libros de texto: 

 

1. Carrascal et.al. (2001). Análisis econométrico con Eviews. México: Alfaomega.

2. Gujarati, D. (2007) Econometría. 4ed. Mc Graw Hill: México

3. Hamilton, J. (1994). Time series analysis. Princeton: Princeton university press.

4. Lim, W.C. (2005) Principles of Econometrics. John Wiley & Sons: New York.

5. Salvatore, D & Reagle, D. (2002) Schaum’s Outline of Statistics and Econometrics. 2ed. MacGraw-Hill. New York.

6. Rupert, D (2011). Statistics and data engineering for financial engineering. Heidelberg: Springer.

10 Tareas, casos y proyectos integradores:

• Tareas y trabajos especiales sobre cada temática establecidos en el cronograma.

• Proyecto de artículo de trabajo (working paper) correspondiente a su tema de disertasión doctoral o tema afín.

 

NOTA: Cualquier situación no prevista dentro de este documento deberá ser consultada con el director del doctorado al cual pertenece la materia.

El profesor los incluirá en otro(s) documento(s), mismo(s) que estarán disponibles en la plataforma en sus respectivas secciones.