Materia
Econometría Financiera (Ampliación)
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Castellano
Descripción y contextualización de la asignatura
El objetivo de esta materia es proporcionar a los alumnos conocimientos de los modelos econométricos habitualmente utilizados en la toma de decisiones de finanzas.Los estudiantes deberían haber cursado las asignaturas de “Matemáticas y Estadística”, “Procesos Estocásticos”, y Econometría Financiera”. Los conocimientos adquiridos y las herramientas desarrolladas son útiles para otras asignaturas obligatorias de la titulación, como “Valoración de Activos” y “Medición de Riesgos”, así como para el Seminario en Finanzas.
Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
GOROSTIAGA ALONSO, MIREN ARANTZAZU | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctora | Bilingüe | Fundamentos del Análisis Económico | arantza.gorostiaga@ehu.eus |
RUIZ ANDUJAR, JESUS | Universidad Complutense de Madrid | Profesorado Titular De Universidad | Doctor | jruizand@ucm.es |
Competencias
Denominación | Peso |
---|---|
Modelizar la evolución la rentabilidad y la volatilidad de una cartera de activos financieros. | 20.0 % |
Diseñar y estimar coberturas de carteras de activos financieros. | 20.0 % |
Estimar modelos lineales y no lineales de dependencia entre activos financieros. | 20.0 % |
Utilizar algoritmos numéricos para la estimación de modelos no lineales, y programar su aplicación empírica utilizando lenguajes como Matlab o R. | 20.0 % |
Modelizar cambios de régimen en la evolución temporal de una variable económica o financiera, mediante diversos enfoques, y programar su aplicación empírica en Matlab o R. | 20.0 % |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 60 | 90 | 150 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Teoría | 150.0 | 40 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Ensayo, trabajo individual y/o en grupo | 0.0 % | 30.0 % |
Examen escrito | 70.0 % | 100.0 % |
Convocatoria ordinaria: orientaciones y renuncia
Las ponderaciones para obtener la calificación final se aplicarán únicamente si el alumno/a obtiene una calificación global de 5 sobre 10 en las pruebas individuales. En caso contrario, la calificación final será la obtenida en las pruebas individuales.No presentarse al examen de la asignatura supone una renuncia a la correspondiente convocatoria.
La Comisión Académica podrá modificar el sistema de evaluación de las asignaturas por causa sobrevenida. Cualquier posible cambio será anunciado al alumnado a la mayor brevedad posible a través de la plataforma egela.
Temario
1. La aplicación práctica de métodos econométricos básicos: una valoración2. Series temporales univariantes
Procesos estocásticos.
Estacionariedad.
Funciones de autocorrelación simple y parcial
Modelos ARMA. Especificación del modelo.
Contrastes de raíz unitaria.
Modelos ARIMA. Estimación y diagnosis
Componentes de corto y largo plazo en una serie temporal
Filtro Hoddrik-Prescott
3. Modelos GARCH univariantes
Propiedades. Modelos asimétricos. Modelos en media.
Estimación. Imposición de un nivel de volatilidad de largo plazo
4. Modelos Vectoriales Autoregresivos (VAR)
Modelos VAR
Regresión espúrea
Cointegración
Contrastes de cointegración: Los enfoques de Engle-Granger y de Johansen
El modelo de corrección del error
Common features
Pairs trading
5. Modelos no lineales
Algunos modelos no lineales sencillos:
a. Modelo con potencia
b. Modelo de umbrales
c. Modelos TAR/SETAR
d. Modelo de volatilidad tipo RiskMetrics
e. Modelos de correlaciones tipo GARCH
Volatilidad implícita
Estimación condicional
Contraste de restricciones
Curva cupón cero polinómica
6. Estimación de algunos modelos no lineales
Algoritmos numéricos
Modelo exponencial
Estimación de función potencia
Transformación Box-Cox
Modelo GARCH
Modelos Nelson-Siegel y Svensson
Switching Markov (Hamilton ejemplo)
Switching GARCH
Modelo TGARCH
Regresión cuantílica
7. Modelos GARCH multivariantes
Modelos GARCH multivariantes
Modelos CC y DCC GARCH
Factor GARCH
Orthogonal GARCH
Modelos asimétricos
Estimación
Simulación de modelos GARCH
8. Método Generalizado de Momentos: Aplicaciones financieras
Ejemplos sencillos: Student-t, Johnson´s U
Estimación de una clase de modelos modelo de tipos de interés
Valoración de activos en equilibrio: asset pricing
Bibliografía
Bibliografía básica
• Campbell, A. Lo, y A.C. MacKinlay (1997), The econometrics of financial markets, Princeton University Press• Hamilton, J. (1999), Time series analysis, Princeton University Press
• Novales, A. (1993), Econometria, Mc Graw-Hill
• Novales, A. (2017), Modelos Vectoriales Autoregresivos, manuscrito
• Novales, A. (2017), Estimación de modelos no lineales, manuscrito