Series de Tiempo

Este curso ofrece un recorrido integral por el análisis de series temporales en el dominio del tiempo, partiendo de la descomposición estructural en tendencia, período y ruido, y profundizando en la dependencia temporal mediante la función de autocorrelación y el filtro de Kalman. Se abordan los modelos fundamentales AR, MA, ARMA y ARIMA, con énfasis en las condiciones de estacionariedad e invertibilidad, los métodos de estimación (OLS, máxima verosimilitud, Box‑Jenkins), los criterios de selección (FPE, AIC, BIC) y las pruebas diagnósticas de Box‑Pierce. Se extiende el análisis a series no estacionarias y estacionales, se incorpora la modelización multivariante con VAR, y se introduce la gestión de la volatilidad mediante GARCH. La inclusión de variables explicativas se formaliza a través de los Modelos Dinámicos Lineales (DLM), y el curso culmina con el tratamiento de series irregulares y espacio‑temporales mediante Procesos Gaussianos, dotando al estudiante de un abanico metodológico completo para extraer toda la información predictiva contenida en los datos secuenciales.