ANÁLISIS ESTADÍSTICO DE SERIES ECONÓMICAS AsignaturaCódigo: 2186Titulación: Grado en Administración y Dirección de EmpresasFacultad de Ciencias Sociales y Jurídicas de ElcheCurso: Curso 4 de Grado en Administración y Dirección de EmpresasSemestre: 2Tipo: OptativaIdioma: CastellanoECTS: 6Teoría: 3Práctica: 3Horas: 150Dirigidas: 60Compartidas: 20Autónomas: 70Materia: OPTATIVIDAD DEL CENTROMódulo: COMPETENCIAS TRANSVERSALES Y PROFESIONALESDepartamento: Estadística, Matemáticas e InformáticaÁrea: ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Contenido asociado Cargando... DescripciónIntroducción a las series de tiempo. Medias móviles y modelos de suavizado exponencial. Modelos ARIMA. Modelos heterocedásticos para finanzas: ARCH y GARCH. Modelos de ecuaciones estructurales.ProfesoradoNombreResponsableTeoríaPrácticaBARBER VALLES, JOSEP XAVIER■MARTIN GONZALEZ, CRISTINA■■Interés profesionalCompetencias y resultados de aprendizajeCompetencias GeneralesCapacidad para la utilización de las herramientas e instrumentos necesarios para observar adecuadamente los sistemas objeto de estudioHabilidad para la aplicación eficiente de herramientas para la solución de problemas de la rama de Ciencias Sociales y Jurídicas.Capacidad crítica y analítica en el área de especialidad correspondiente.Capacidad para la evaluación, optimización y confrontación de criterios para la toma de decisiones.Capacidad de comunicación en lenguajes formales, gráficos y simbólicos y mediante la expresión oral y escrita.Capacidad de trabajo en equipos multidisciplinares y multiculturales.Competencias EspecíficasCapacidad para analizar los problemas generales en el ámbito de la microeconomía y la macroeconomía.Capacidad para percibir y valorar la importancia de las nuevas tecnologías en el ámbito empresarial y de su entorno económicoCapacidad para analizar los problemas generales en el ámbito de la empresa y los mercados.Capacidad para la utilización e interpretación de datos e información de la empresa para elaborar informes especializados y adoptar decisionesCapacidad para la resolución de problemas de corte cuantitativoObjetivos (resultados de aprendizaje)01Conocer los elementos básicos y estudios consecutivos en la modelización de un banco de datos.02Aprender a descubrir pistas que orientan a la modelización de un problema, en función de los objetivos propuestos y la representación de los datos.03Conocer los fundamentos del análisis de series temporales.04Ajustar el modelo correspondiente sobre bancos de datos apropiados y extraer conclusiones.05Conocer los fundamentos del Estudio Clásico y Estudio Bob-Jenkins de series temporales.06Conocer los procedimientos básicos para evaluar la calidad del ajuste del modelo.07Capacidad para proponer transformaciones de un primer ajuste.08Conocer los fundamentos de las series multivariantes09Manejar con destreza el programa SPSS/R-Commander que permita obtener los objetivos propuestos010Saber interpretar los resultados y proponer predicciones para cualquier serie económica planteada.ContenidosTemas de teoríaUnidades didácticasU1INTRODUCCIÓN. MODELOS CLÁSICOSU2PROCESOS ESTOCÁSTICOS ESTACIONARIOS UNIVARIANTESU3MODELOS ESTACIONARIOS: MODELOS ARMAU4MODELOS NO ESTACIONARIOS: MODELOS ARIMAU5MODELOS ESTACIONALES: MODELOS SARIMAU6ANÁLISIS BOX-JENKINSU7INTRODUCCIÓN AL ANÁLISIS DE SERIES MULTIVARIANTESCronogramaSemanaUnidades didácticasHoras dirigidasHoras compartidasHoras autónomasHoras totales1U140042U142283U240264U242285U341496U3424107U340598U3425119U44151010U44251111U54061012U64281413U64081214U64281415U744614Prácticas de la asignaturaBibliografía BásicaMakridakis, Spyros. Wheelwright, Steven C., (1943-) / Hyndman, Rob J. "Forecasting methods and applications". New York [etc.] John Wiley and Sons cop1998. Pankratz, Alan. "Forecasting with dynamic regression models". New York [etc.] John Wiley & Sons cop. 1991. Peña, Daniel. "Análisis de series temporales". Madrid Alianza Editorial 2005. Uriel Jiménez, Ezequiel. "Análisis de series temporales modelos Arima". Madrid Paraninfo 1995. Wei, William W. S. "Time series analysis univariate and multivariate methods". Redwood City (Calif.) Madrid [etc.] Addison-Wesley cop. 1990. Bibliografía ComplementariaPankratz, Alan. "Forecasting with univariate box-jenkins models : concepts and cases". New York [etc.] John Wiley and Sons cop. 1983. URIEL JIMÉNEZ, Ezequiel. "Estadística económica y empresarial teoría y ejercicios". Madrid AC D.L.1993. Enlaceshttp://SoftwareR-UCA (R y R-Commander)SPSS 22Metodología y evaluaciónMetodologíaAprendizaje cooperativo: Desarrollar aprendizajes activos mediante estrategias de trabajo cooperativo entre estudiantes y fomentando la responsabilidad compartida para alcanzar metas grupales.Aprendizaje orientado a proyectos: Realización de un proyecto para la resolución de un problema, aplicando aprendizajes adquiridos y fomentando habilidades relacionadas con la planificación, diseño, realización de actividades y obtención de conclusiones.Estudio de casos: Adquisición de aprendizaje mediante el análisis de casos reales o simulados, con el fin de interpretarlos y resolverlos, entrenando diversos procedimientos alternativos de solución.Expositivo/Lección magistral: Transmitir conocimientos y activar procesos cognitivos en el estudiante, implicando su participación.Resolución de ejercicios y problemas: Ejercitar, ensayar y poner en práctica los conocimientos previos mediante la repetición de rutinas.EvaluaciónSe utilizará una evaluación continuada que estimule al estudiante a seguir el proceso de aprendizaje. El peso de la evaluación continua en el que se valorarán las actividades realizadas en las clases teóricas y prácticas, desarrollo del portafolio de prácticas (20%) y el trabajo en los seminarios y seguimiento de tutorías (15%) de la calificación final; será el 35 % de la asignatura.Se realizará un examen final, con preguntas objetivas sobre aspectos teóricos y prácticos de la asignatura en aula informática, que tendrá un peso en la calificación de un 65%.