Sunteți pe pagina 1din 7

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

AUTOEVALUACIÓN PARA MEJORAR LA CALIDAD ACADÉMICA

ESCUELA ACADÉMICO PROFESIONAL DE ECONOMÍA

SÍLABO

1. DATOS GENERALES

1.1 Nombre del Curso: ECONOMETRÍA II


1.2 Código del Curso: FO3234
1.3 Nº de Créditos: 5
1.4 Nº de horas semanales: 6
1.5 Nº de horas de práctica semanales: 2
1.6 Requisitos: Econometría I
1.7 Nombre de los Docentes: Mg RAFAEL BUSTAMANTE ROMANI
1.8 Aulas: 214-D / 215-D 216-D / 209-N 210-N
1.9 Plan de Estudios: 2004
1.10 Semestre Académico: 2014-II

2. SUMILLA

Modelo de regresión no lineal. Algoritmos y métodos de estimación. Modelos de


elección discreta MLP: Modelo Logit, Probit, y Tobit. Series de tiempo: procesos
estocásticos, estacionariedad. Modelos AR, MA y mixtos. Metodología Box Jenkins.
Modelos ARIMA. Tendencias estocásticas y determinísticas. Raíces unitarias.
Quiebres estructurales y raíces unitarias. Funciones de transferencia.
Cointegración. Modelos de cointegración. Vectores auto regresivos. Estimación de
vectores auto regresivos con series no estacionarias. Modelos de volatilidad. Los
modelos de corte transversal. Combinación de series temporales y corte
transversal. Modelos de panel data.

3. OBJETIVOS

Al finalizar el curso, el alumno será capaz de dominar las técnicas econométricas


para el planteamiento de modelos econométricos diversos (modelos de volatilidad,
panel data y series de tiempo), para la comprensión y resolución de los problemas
de la economía en general.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

4. CONTENIDO CALENDARIZADO

1.ª semana
Modelos no lineales
El estimador de máxima verosimilitud, contraste de restricciones. Algoritmos
numéricos y métodos de estimación. Algoritmo del descenso más rápido, de
Newton-Raphson, de Gauss-Newton y su estimación por MV .Aplicaciones.

2.ª semana
Modelos de variable dependiente limitada
Modelo Probit. Modelo Logit. Modelo Tobit. Inferencia en modelos de elección
discreta. Aplicaciones.

3.ª semana
Modelos de variable dependiente limitada

Los modelos de elección múltiple. El probit multivariado y el modelo logit


multinomial y condicional. Variables dependientes continuas limitadas. Los
modelos de muestras truncadas y censuradas. Los problemas de sesgo de
selección.Aplicaciones.

4.ª semana
Modelos de series de tiempo
Análisis de los procesos débilmente estacionarios. Función de autocorrelación.
Proceso de media móvil MA: MA(1), MA(2), MA(q), valores esperados y función de
autocorrelación. Ejercicios.

5.ª semana
Modelos de series de tiempo
Proceso autorregresivo AR: AR(1), AR(2), AR(p), valores esperados y función de
autocorrelación. Proceso mixto autorregresivo de media móvil ARMA: ARMA(1,1),
ARMA(1,2), ARMA(p,q). Ejercicios.

6.ª semana
 Primer Examen Parcial

7.ª semana
Construcción de un modelo de serie de tiempo
Metodología de Box-Jenkins. Procesos mixtos integrados ARIMA(p,d,q). Estimación
de modelos ARIMA. Ejercicios. Mètodos de desestacionalizacion de series de tiempo

8.ª semana
Tendencias estocásticas y determinísticas.
Raíces unitarias: Tests de detección y problemas. Tests basados en la hipótesis nula
de no estacionariedad: Dickey y Fuller, Phillip-Perron.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Quiebres estructurales y raíces unitarias. Efectos de la presencia de quiebres en el


poder de las pruebas de detección de raíces unitarias. Test que discriminan entre
la presencia de raíces unitarias y la presencia de quiebres estructurales: Test de
Perron- Perron-Voglesang, Zivot y Andrews.

9.ª semana

Cointegración.
Concepto e implicaciones económicas y estadísticas. Efecto de las raíces unitarias
en el análisis de regresión tradicional: el caso de las regresiones espúreas. Las
relaciones entre las series no estacionarias: Modelos de cointegración. Intuición,
características, estimación y metodología de Ingle y Granger.

10.ª semana

11.ª semana
Vectores Autorregresivos.
Formulación, identificación y estimación. Restricciones de corto y largo plazo para
la identificación. Aplicación: Política monetaria en economías abiertas y cerradas.
Planteamiento, estimación, análisis de causalidad. Análisis impulso respuesta y
descomposición de varianza. Principales aplicaciones prácticas.

12.ª semana
 Segundo Examen Parcial

13.ª semana
Modelos de volatilidad y teoría financiera.
Modelos Simétricos: ARCH y ARCH-M. Modelos asimétricos: GARCH, EGARCH y
TGARCH. Aplicaciones a la economía.

14.ª semana
Técnica de Datos de Panel.
Planteamiento general. Efectos fijos y aleatorios. Estimación de Mínimos
Cuadrados Generalizados. Pruebas al modelo. El caso de la heteroscedasticidad y la
estimación robusta de la covarianza. Interpretación de resultados.

15.ª Semana
Panel Data Dinámico
Estimación por MC2E y MGM. Modelo en primeras diferencias. Panel dinámico
utilizando la metodología propuesta por Bover y Bond
16.ª semana
Representación Estado Espacio de un sistema dinámico Filtro de Kalman.
El algoritmo discreto del filtro de Kalman. Estimación recursiva, ventajas y
desventajas. Aplicaciones econométricas: Modelos Autorregresivos de series de
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

tiempo, modelos con parámetros que cambian en el tiempo, modelos de


componentes no observables

17.ª semana
 Tercer Examen Parcial

5. METODOLOGÍA

El curso será desarrollado en clases teóricas, en las cuales se trataran las técnicas
estadísticas de manera formal, en clases prácticas en las cuales se impartirá el
tratamiento aplicado y en clases en el laboratorio de informática donde el alumno
utilizará programas econométricos.
El curso culminará con la realización de un trabajo monográfico con aplicaciones
de los tópicos desarrollados en el curso, el cual debe ser expuesto para su
calificación.

6. EVALUACIÓN

6.1. Se tomarán 3 exámenes ( E1, E2, E3 ) teórico – práctico.


6.2. La evaluación práctica consistirá en prácticas calificadas, trabajos teórico-
prácticos, exposiciones orales en clase. Los trabajos de investigación serán
realizados en grupos de tres estudiantes.
Los grupos serán formados aleatoriamente al inicio del curso y se evaluará
la exposición del mismo siguiendo la metodología de un paper.
Durante el curso habrá prácticas dirigidas que permitirán realizar ejercicios
y entrenar a los alumnos en el uso de programas econométricos.
6.3. La nota final (NF) será la media ponderada:
NF = 0.20E1 + 0.20E2 + 0.20E2 + 0.40T
a. 40% para prácticas calificadas y/o trabajos prácticos
b. 20% para el primer examen parcial
c. 20% para el segundo examen parcial
d. 20% para el tercer examen parcial

7. POLÍTICAS DEL CURSO

• Los alumnos que presenten trabajos monográficos copiados íntegramente o


parcialmente de otros medios (escritos o electrónicos) y que se presenten
como propios ameritarán automáticamente como nota de calificación
CERO.
• Las calificaciones obtenidas en los exámenes no pueden ser eliminadas ni
sustituidas por ningún motivo.
• El alumno que dejó de asistir a más del 30% del total de horas establecidas
para el dictado del curso se le calificará con CERO.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

• El alumno que sea sorprendido plagiando, suplantando o comunicando


información verbal, escrita, electrónica y por otros medios durante los
exámenes o en cualquier evaluación, será desaprobado en tal examen con la
nota CERO.

• El alumno que no haya rendido el examen en la fecha programada por la


Escuela Académico Profesional de Economía, sólo tendrá un plazo de 48
horas para justificar su inasistencia. Se presentará el Certificado Médico con
el Informe Médico del Jefe de la Clínica de la UNMSM. Los documentos
presentados deben ser originales.

7. BIBLIOGRAFÍA

BÁSICA
 Enders, W. (2010). Applied Econometric Times Series (3ra Edición ed.). John
Whiley & Sons.
 Enders, W; Boulware, K.D. (2011). Aplied Econometric Time:supplementary
manual to accompany to. (U. o. Alabama, Ed.) Obtenido de
http://www.economia.unam.mx/profesores/eloria/PDFs/Cursos/16-
Enders.pdf
 Greene, W. (2002). Análisis Econométrico (5ta Edición ed.). Prentice Hall.

 Greene, W. (2012). Econometric Analysis. (7. Edición, Ed.) Prentice Hall.

 Hamilton, J. (1994). Time Series Análisis. Pincenton University Press.

 Hsiao, C. (2003). Analysis of Panel Data. (2 da Edición ed.). Cambridge


University Press.
 Johnston, J., & Dinardo, J. (1997). Econometric Methods. Mc GRaw Hill.

 Mauricio, J. A. (2013). Introducción al Análisis de Series Temporales.


Universidad Complutense de Madrid. Obtenido de
https://www.ucm.es/data/cont/docs/518-2013-11-11-JAM-IAST-Libro.pdf
 Novales, A. (2002). Econometría (2 da Edición ed.). Mc. Graw Hill.

 Arellano, M. y Bover, O. (1990). “La Econometría de Datos de Panel”.


Investigaciones Económicas. Vol.14. Nº 1. pp. 3-45.
 Baltagi, Badi. (2005). Econometrics Analysis of Panel Data. Wiley. (3rd Edicion)

 Engle, R y Granger, C. (1991) Long Run Economic Relationships: Reading in


cointegaration. Oxford University Press.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

 Hsiao, C. Analysis of Panel Data (2013). Cambridge University Press. 3ª Edición.


 Gourieroux, C. (1997). ARCH Models and Financial Applications. Springer-
Verlag. NuevaYork.

COMPLEMENTARIA

 Casas, C.: Econometría Moderna Manuscrito.


 Lange, O.: Introduction to econometrics, 1959.
 Timbergen, J.: Econometrics, 1951.
 Campbell,J; Andrew,W y Craig, A. (1997) The Econometrics of Financial Markets.
Prentice Hall
http://press.princeton.edu/chapters/s5904.pdf

 Pérez, C. (2006). Problemas resueltos de Econometría Thomson Editores Spain .


 Cabrer, B. (2001) Microeconometría y Decisión. Ediciones Pirámide Madrid
España.
 Nickell, S. (1981). “Biases in Dynamic Models with Fixed Effects”. Econometrica,
49, pp 1417-26.

RECURSOS DE INTERNET

 Data and other materials for Wooldridge's textbook.


www.msu.edu/~ec/faculty/wooldridge/book2.htm.

 Página de Alfonso Novales


http://pendientedemigracion.ucm.es/info/ecocuan/anc/Teaching.htm

 Página web de Eric Zivot


http://faculty.washington.edu/ezivot/

 Página web de Oxmetrics


http://www.oxmetrics.net/

 Bruce E. Hansen. University of Wisconsin

http://www.ssc.wisc.edu/~bhansen/econometrics/Econometrics.pdf

 Cursos abiertos del MIT en econometría

http://ocw.mit.edu/courses/economics/14-32-econometrics-spring-2007/

Análisis de Filtros de Kalman en Matlab


http://www.mathworks.com/help/control/examples/kalman-filter-design.html
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Filtros de Kalman: notas de clase


http://www.econometricos.com.ar/wp-content/uploads/2007/12/Espacio-de-Estado-
Conferencia-1997.pdf

http://www.adingor.es/Documentacion/CIO/cio2002/6-
%20M%C3%A9todos%20Cuantitativos%20en%20Organizaci%C3%B3n%20Industrial
/C086.pdf

http://www.uv.mx/eib/conferencia/documents/ModelosEstructurales.pdf

S-ar putea să vă placă și