Econometría de series de tiempo: enfoque de Monte Carlo

Econometría de series de tiempo: enfoque de Monte Carlo

S/ 39.95

Diego Winkelried

El texto está dirigido a estudiantes que buscan una guía para profundizar los conocimientos adquiridos sobre econometría de series de tiempo, y al docente que podría encontrar un valor didáctico en cómo se estructuran los diseños de simulación para responder preguntas relevantes sobre este tema.

Agotado

000

La econometría de series de tiempo es un área de estudio fascinante cuyos resultados más interesantes, desafortunadamente, requieren del manejo de material matemático y estadístico que por lo general va más allá de lo cubierto en clase. Este texto ilustra, a través de un gran número de ejemplos y aplicaciones, cómo el uso de técnicas de simulación de Monte Carlo permite llegar, de una manera muy gráfica y de fácil comunicación, a las mismas conclusiones a las que se llegaría de seguir el camino formal del análisis estadístico avanzado. Hoy en día, cuando el costo del poder computacional es bajo, implementar ejercicios de simulación es realmente accesible. El texto está dirigido a estudiantes que buscan una guía para profundizar los conocimientos adquiridos sobre econometría de series de tiempo, y al docente que podría encontrar un valor didáctico en cómo se estructuran los diseños de simulación para responder preguntas relevantes sobre este tema.

Información adicional

Peso350 g
Dimensiones170 × 220 cm
Colección

Autor

Profesor asociado y jefe del Departamento Académico de Finanzas de la Universidad del Pacífico. Es licenciado en Economía por la Universidad del Pacífico, y máster y Ph.D. en Economía de University of Cambridge (Reino Unido). Su investigación incluye temas de política monetaria, evaluación de impacto, economía del desarrollo y métodos cuantitativos. Sus artículos han aparecido en los Journal of International Money and Finance, Journal of Development Economics, International Journal of Central Banking, entre otras revistas especializadas. Su investigación ha sido acreedora de distinciones y premios internacionales, donde destacan varias ediciones del Premio Rodrigo Gómez del Centro de Estudios Monetarios Latinoamericanos. Ha sido jefe del Departamento de Modelos Macroeconómicos del Banco Central de Reserva del Perú. También ha sido becario de la Bill and Melinda Gates Foundation y Scholar de St John’s College, Cambridge.

Índice

I Integración de Monte Carlo
I.1 Integración de Monte Carlo
I.2 Aproximando
I.3 Muestreando distribuciones conocidas
I.4 Eficiencia del promedio y la mediana muestrales
I.5 Inferencia en modelos de regresión
I.6 Leyes asintóticas importantes

II Series de tiempo estacionarias
II.1 Generando dependencias: procesos ARMA
II.2 Leyes asintóticas importantes, revisadas
II.3 Inferencia en la práctica: estimación de la varianza de largo plazo
II.4 Estimación de modelos ARMA
II.5 Contrastes de autocorrelación residual
II.6 Criterios de información y selección de modelos

III No estacionariedad
III.1 Modelo de tendencia lineal
III.2 Procesos integrados y no estacionariedad
III.3 Efectos sobre la inferencia
III.4 Removiendo tendencias
III.5 Pruebas de raíz unitaria
III.6 Potencia y consistencia de las pruebas de Dickey y Fuller
III.7 Incrementando la potencia con una prueba LM
III.8 ¿Retorno a la normalidad?
III.9 Proyecciones y raíces unitarias
III.10 Parámetros fastidiosos y posibles soluciones
III.11 Estimación e inferencia con series no estacionarias

IV Cointegración
IV.1 Representaciones
IV.2 Ausencia de cointegración y regresiones espurias
IV.3 Estimación e inferencia
IV.4 Inferencia sobre el multiplicador de largo plazo

Resumen de programas

Bibliografía

Reseñas(0)

No hay comentarios aún, ¿te gustaría <a href="#review_form" class="inline" data-toggle="modal"> enviar el suyo </a>?

Añadir opinión

Sea el primero en opinar “Econometría de series de tiempo: enfoque de Monte Carlo”