CURSO:SERIES DE TIEMPO TRADUCCION:TIME SERIES SIGLA:EPG4202 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA,LABORATORIO CALIFICACION:ESTANDAR PALABRAS CLAVE:PREDICCION,ESTACIONARIEDAD,ESTACIONALIDAD,AUTOCOVARIANZA NIVEL FORMATIVO:MAGISTER INTEGRIDAD ACADEMICA Y CODIGO DE HONOR La Universidad tiene un compromiso con la construccion de una cultura de respeto e integridad. Quienes participen de este curso se adscriben al Codigo de Honor UC y adquieren el compromiso de aportar a la construccion de una cultura de Integridad Academica, actuando en consonancia con los valores de veracidad, confianza, respeto, justicia, responsabilidad y honestidad en todo el trabajo academico. I.DESCRIPCIÓN DEL CURSO En este curso los estudiantes adquiriran herramientas para el analisis de series de tiempo, incluyendo la estimacion y construccion de modelos a traves de componentes como tendencia y estacionalidad, con el proposito de realizar predicciones. II.RESULTADOS DE APRENDIZAJE 1.Analizar de manera rigurosa los modelos de series de tiempo desde un punto de vista temporal o espectral para realizar predicciones de datos. 2.Distinguir la estructura matematica y estadistica de los modelos de series de tiempo mas adecuado para realizar las predicciones de datos. 3.Proponer modelos a datos temporales para realizar predicciones. III.CONTENIDOS 1.Introduccion a las series de tiempo 1.1.Tipos de datos temporales, dependencia serial, no estacionariedad y pruebas de blancura 1.2.Introduccion a la prediccion y modelamiento de series 2.Procesos lineales 2.1.Definicion, propiedades fundamentales y ejemplos 2.2.Estacionariedad, invertibilidad y causalidad 2.3.Funcion de autocovarianza, autocorrelacion y autocorrelacion parcial 2.4.Procesos ARMA y descomposicion de Wold 3.Estimacion de modelos 3.1.Estimacion por momentos y maxima verosimilitud 3.2.Construccion y seleccion de modelos 4.Modelos no lineales y condicionalmente heterocedasticos 4.1.Tests de no linealidad 4.2.Modelos ARCH, GARCH y variantes 4.3.Aplicaciones financieras 5.Prediccion de series temporales 5.1.Prediccion optima a uno y varios pasos 5.2.Algoritmo de innovaciones y prediccion con informacion finita 5.3.Prediccion en modelos heterocedasticos 5.4.Construccion de bandas de prediccion 6.Procesos no estacionarios 6.1.Tendencias deterministas y estocasticas 6.2.Pruebas de raiz unitaria 6.3.Procesos ARIMA y ARMAX 6.4.Aplicaciones financieras y economicas IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Resolucion de problemas. -Talleres practicos de laboratorio. V.ESTRATEGIAS EVALUATIVAS -Laboratorios computacionales: 50% -Proyecto: 50% VI.BIBLIOGRAFIA Minima Palma, W.(2016). Time Series Analysis. Wiley. Complementaria Brockwell, P. and Davis, R.(2016). Introduction to Time Series and Forecasting (3rd.ed.). Springer International Publishing. https://doi.org/10.1007/978-3-319-29854-2 Box, G., Jenkins, G., Reinsel, G. y Ljung, G.M.(2015). Time Series Analysis: Forecasting and Control (5a.ed.). Wiley. Tsay, R.S.(2013). An Introduction to Analysis of Financial Data with R. Wiley. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE MATEMATICAS / DICIEMBRE 2025