CURSO:SERIES DE TIEMPO AVANZADAS TRADUCCION:ADVANCED TIME SERIES SIGLA:EPG4203 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA,LABORATORIO CALIFICACION:ESTANDAR PALABRAS CLAVE:LARGA MEMORIA,MODELOS DE VOLATILIDAD,SERIES DE TIEMPO MULTIVARIADAS 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 avanzado de series de tiempo, incluyendo la estimacion y construccion de modelos de larga memoria, modelos de volatilidad y modelo multivariados de series de tiempo. II.RESULTADOS DE APRENDIZAJE 1.Analizar de manera rigurosa los modelos avanzados de series de tiempo desde un punto de vista temporal o espectral, para realizar predicciones. 2.Distinguir la estructura matematica y estadistica de los modelos avanzados de series de tiempo para realizar predicciones. 3.Proponer modelos a datos temporales para realizar predicciones. III.CONTENIDOS 1.Introduccion a modelos avanzados de series de tiempo 1.1.Caracteristicas de las observaciones 1.2.Necesidad de extender modelos estandar de series de tiempo 2.Modelos de larga memoria 2.1.Procesos de larga memoria 2.2.Representaciones lineales 2.3.Funciones de autocovarianza y autocovarianza parcial 2.4.Estimacion y aplicaciones. 3.Modelos de volatilidad 3.1.Caracteristicas de la volatilidad 3.2.Modelos ARCH y GARCH 3.3.Estimacion y aplicaciones 4.Modelos multivariados de series de tiempo 4.1.Series de tiempo autorregresivas vectoriales estacionarias 4.2.Series de tiempo de media movil autorregresivas vectoriales 4.3.Modelos de volatilidad multivariados 4.4.Aplicaciones. 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. Tsay, R.S.(2013). An Introduction to Analysis of Financial Data with R. Wiley. Tsay, R.S.(2014). Multivariate Time Series Analysis: with R and Financial Applications. 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 Palma, W.(2007). Long-memory Time Series: Theory and Methods. Wiley-Interscience. Tsay, R.S.(2010). Analysis of Financial Time Series (3a.ed.). Wiley. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE MATEMATICAS / DICIEMBRE 2025