Menú
Programme

Series Temporales

¿QUIERES SOLICITAR INFORMACIÓN?
CONCEPTS
KEY
1
CARACTERÍSTICAS DE UNA SERIE TEMPORAL
2
DEFINICIÓN DE SERIES ESTACIONARIAS
3
ANÁLISIS ESTADÍSTICO DE LA SERIE
4
MODELOS ARMA Y ARIMA
5
MODELOS ESTACIONALES
6
DIAGNOSIS Y METODOLOGÍA BOX-JENKINS
7
PREDICCIONES
8
REGRESIÓN CON ARIMA
Registration
Category:

Tecnología de la Información

Edition: VII
Start: 18/01/2024
End Registration: 18/01/2024
Precio: 463€
Register now

En este curso se estudiará la descomposición de series temporales, el uso de regresores externos, los principales modelos: ARIMA, alisado exponencial, redes neuronales, random forest e híbridos.

Descripción

Una serie temporal es un conjunto de observaciones de una variable de interés (evolución de precios, evolución diaria del IBEX-35, etc.) cuya evolución se sigue a lo largo del tiempo en intervalos regulares (días, meses o años).

El objetivo principal es explicar la evolución de la serie a lo largo del tiempo y pronosticar sus valores futuros. Las variables/series pueden ser económicas, financieras o de otros tipos, ya que la técnica de series temporales se utiliza en muchas disciplinas. 

Information

Objetivos

  • Usar los principales paquetes estadísticos que proporciona R-Project/R-Studio en Series Temporales.

  • Conocer las características de una serie temporal.

  • Utilizar los modelos ARMA, ARIMA y Modelos Estacionales.

  • Hacer predicciones una vez ajustado los modelos.

Datos del programa

Duración:  El curso tiene una duración de 30 horas lectivas.

Días de clase: Del 18 al 31 de enero. 

Modalidad: El curso se imparte en modalidad 100% online, combinando clases en directo, donde podrás interactuar con el profesor y tus compañeros, y videoconferencias. También tendrás a tu disposición las grabaciones en CANVAS, nuestro campus virtual.

Curso bonificable por FUNDAE.

Sede: Edificio ENAE. Campus Universitario de Espinardo 30100 Espinardo Murcia.

MÓDULES

En todos los negocios y áreas de estudio el análisis temporal es un elemento fundamental. Ya sea para estudiar tendencias, comparar distintos momentos en el tiempo o, cada vez con mayor frecuencia, predecir el comportamiento futuro de una variable.

En este módulo se estudiarán:

  • Descomposición de series temporales
  • Uso de regresores externos
  • Principales modelos:
    • ARIMA
    • alisado exponencial
    • redes neuronales
    • random forest
    • híbridos
CARACTERÍSTICAS DE UNA SERIE TEMPORAL
  • Periodicidad
  • Tendencia
  • Volatilidad-Varianza
  • Ciclo Estacional
  • Descomposición de una serie temporal
  • Ejemplos y Ejercicios en R
     
DEFINICIÓN DE SERIES ESTACIONARIAS
  • Eliminación de la tendencia
  • Transformación para la homocedasticidad
  • Eliminación para el ciclo estacional
  • Ejemplos y Ejercicios en R
ANÁLISIS ESTADÍSTICO DE LA SERIE
  • Función de Autocorrelación Simple (FAS)
  • Función de Autocorrelación Parcial (FAP)
  • Series Estacionarias en la FAS y la FAP
  • Ejemplos y Ejercicios en R
     
PROG-BE-SERIES-TEMP-VII
CAPTCHA
This question is for testing whether or not you are a human visitor and to prevent automated spam submissions.
12 + 1 =
Solve this simple math problem and enter the result. E.g. for 1+3, enter 4.
Throughout our 25 years of life,
more than 13,000 students have trusted
the excellence and quality of training of ENAE Business School.
Register now

SHARE THIS

Whatsapp ENAE Business SchoolWhatsApp Enae Business School
Whatsapp ENAE Business School