Irakasgaiaren azalpena eta testuingurua

En la asignatura Estadística Actuarial: Regresión se analiza el comportamiento de variables económicas de interés a partir de los datos disponibles. Por ejemplo, explicar el precio de una prima de automóvil en función de distintos factores, la edad del tomador del seguro, las características del vehículo, etc., analizar de que depende la decisión de tomar una póliza u otra, predecir la evolución de un fondo de pensiones etc.. Obtener y comprender este tipo de información es de gran ayuda en el proceso de gestión y toma de decisiones de la empresa.



Como eje principal para el análisis de las relaciones entre variables se utiliza el Modelo de Regresión Lineal General en el que se intenta explicar el comportamiento de una variable de interés mediante un conjunto de variables explicativas. Tanto en un contexto de cumplimiento de las hipótesis básicas mediante el estimador de Mínimos Cuadrados Ordinarios como cuando las hipótesis sobre la perturbación se relajan dando entrada a los distintos problemas que surgen a la hora

de especificar y estimar un modelo econométrico bajo heterocedasticidad y/o autocorrelación. Se proponen distintos contrastes para la detección de estos problemas y se estudian métodos de estimación más adecuados para cada caso, alternativos al de Mínimos Cuadrados Ordinarios.



Introduciremos los Modelos de Series Temporales, utilizando la Modelización ARIMA para encontrar el modelo que más plausiblemente recoja el comportamiento histórico de la variable para aquellas situaciones donde esta sea la única información disponible. Así mismo introduciremos los Modelos Lineales Generalizados para aquellos casos en que los datos disponibles sean datos binarios y precisen de una regresión logística o probit.



El objetivo fundamental es que con el trabajo realizado en la asignatura, al final del curso, los estudiantes sean capaces de resolver un problema de análisis de datos que se les plantee: desde la especificación, estimación y validación del modelo más adecuado hasta contrastar hipótesis de relevancia económica y predecir. Este objetivo se ha de satisfacer tanto desde un punto de vista teórico (resolver cuestiones y explicar resultados ya obtenidos) como práctico (estimar un

modelo con una base de datos concreta y realizar los contrastes pertinentes).



La asignatura Estadística Actuarial: Regresión es una asignatura obligatoria que se imparte en el primer cuatrimestre de segundo curso del Máster en Ciencias Actuariales y Financieras. La asignatura, de carácter marcadamente instrumental cimenta el diagnóstico de los problemas tanto financieros como de seguros desde el punto de vista analítico, lo que es fundamental en el futuro desempeño de la profesión orientada a la valoración de riesgos y rentabilidades. Es una

asignatura de 4,5 créditos ECTS. Previamente es recomendable haber tomado ya tres cursos de carácter instrumental que se imparten en el Grado de Administración y Dirección de Empresa. Los cursos recomendados son: Matemáticas I y Matemáticas II, y Estadística y Análisis de Datos ya que en estas asignaturas se sientan las bases para trabajar con variables discretas, y continuas así como se aprende a trabajar con matrices. Concretamente para desarrollar los contenidos de esta asignatura adecuadamente, son necesarios los conocimientos sobre probabilidad, inferencia estadística y estadística descriptiva que se obtienen en la asignatura previa de Estadística y Análisis de Datos, así como es necesario utilizar álgebra lineal y matricial, conocimientos adquiridos en las asignaturas Matemáticas I y II. Los alumnos del máster que no provienen del Grado en ADE habrán de cursar los correspondientes complementos de formación.

Ohiko deialdia: orientazioak eta uko egitea

En la convocatoria ordinaria se llevará a cabo una evaluación continua. La calificación total se obtendrá como sigue:

- La resolución de ejercicios y problemas a presentar o realizar en las clases prácticas y en los seminarios y la resolución de tareas periódicas, de forma individual, 30%.

- La realización de pruebas escritas de cada tema, 70%.



De acuerdo con la normativa vigente, los estudiantes tienen la opción de requerir su evaluación mediante un examen final. Consistirá en un examen escrito individual en el que se responderá tanto a cuestiones teóricas como prácticas relacionadas con el 100% del contenido de la asignatura. Dada la naturaleza muy aplicada y requiriendo ineludiblemente el uso de ordenador de las materias estudiadas esta opción se desaconseja.

Para renunciar a la convocatoria ordinaria bastará que el alumno o alumna desista de la realización de las pruebas previstas en la evaluación continua y/o no se presente a la prueba final en cuyo caso se le calificara con NO PRESENTADO.

Si en la fecha del examen escrito las autoridades académicas y/o sanitarias determinaran que no es posible realizarlo de forma presencial, éste les será remitido a los alumnos vía eGela para su resolución y reenvío al profesor en un tiempo determinado.

Ezohiko deialdia: orientazioak eta uko egitea

La evaluación en la convocatoria extraordinaria consistirá en una prueba individual (que supondrá el 100% de la calificación) en la que se evaluarán todos los resultados del aprendizaje de la asignatura.

Para renunciar a la convocatoria extraordinaria será suficiente con no presentarse a la prueba individual. Quedará reflejado en el acta como NO PRESENTADO.

Irakasgai-zerrenda

Tema 1. Modelo de Regresión Lineal.



Introducción. Especificación del modelo: supuestos básicos. Forma funcional. Interpretación de los coeficientes. Estimación por Mínimos Cuadrados Ordinarios. Bondad del ajuste. Propiedades de los estimadores mínimo cuadráticos. Distribución del estimador MCO bajo normalidad. Estimación por intervalo. Contraste de hipótesis sobre los coeficientes de la regresión. Correlación. Colinealidad: Factor de inflación de varianza. Problemas de especificación. Utilización de variables explicativas cualitativas. Predicción. Estimación del MRLG con R, principales resultados.



Tema 2. Incumplimiento de hipótesis sobre la perturbación del modelo.



Heterocedasticidad. Definición y causas. Detección. Consecuencias de la heterocedasticidad para el estimador MCO. Mínimos Cuadrados Ponderados. Inferencia. Estimación robusta a heterocedasticidad utilizando el estimador MCO.

Página :

ofdr0035 2 / 4

HERRAMIENTAS Y PORCENTAJES DE CALIFICACIÓN

Autocorrelación. Causas y modelización. Detección. Consecuencias de la autocorrelación para el estimador MCO. Estimación bajo autocorrelación, MCG y MCGF. Inferencia. Estimación robusta a autocorrelación utilizando el estimador MCO. Incumplimiento de la hipótesis de normalidad. Heterocedasticidad y autocorrelación con R. Ejemplos.



Tema 3. Procesos estocásticos y Series Temporales.



Introducción. Definición, nociones básicas y clasificaciones generales de procesos estocásticos Cadenas de Markov. Procesos de Markov. Objetivos y enfoques del análisis de series temporales. Características esenciales de las series temporales. Análisis de tendencia. Procesos estocásticos lineales: procesos autorregresivos (AR), procesos de media móvil (MA), procesos mixtos (ARMA). Procesos no estacionarios integrados ARIMA(p,d,q). Estimación. Validación. Predicción.



Tema 4. Modelos lineales Generalizados.



Introducción. Componentes de un modelo generalizado lineal (GLM). Estimación. Bondad del ajuste. Modelos lineales Generalizados para datos binarios. Regresión Logística. Regresión Probit. Modelos GLM para recuentos.

Bibliografia

Nahitaez erabili beharreko materiala

Plataforma egela: en ella se encuentran todos los materiales precisos para el buen desarrollo de la asignatura.



Software R. Paquete estadístico de uso libre.



Software Gretl. Paquete estadístico y econométrico de uso libre.

Oinarrizko bibliografia

Bibliografía Básica:

1. Frees, E.W. (2010).Regression Modeling with Actuarial and Financial Applications. Ed Cambridge. (Temas 1 a 4)

2. Hill, R.C.; Griffiths, W. E. y G. C. Lim (2008) Principles of Econometrics, Ed. Wiley, 3th. edition. (Temas 1 y 2)

3. Nualart, D. (2009). Stochastic Calculus, Kansas University (Publicación electrónica) (Tema 3)

4. Tsay. R.S. (2005): Analysis of Financial Time Series. Wiley Interscience. (Tema 3)

5. Wooldridge, J.M. (2010). Introducción a la Econometría. Ed. Thomson Learning, 4ª ed. (Temas 1 y 2)



Material OnLine:

1. Esteban, M.V.; Moral, M.P.; Orbe, S.; Regúlez, M.; Zarraga, A. y Zubia, M. (2008). Análisis de regresión con gretl. OpenCourseWare. UPV-EHU. (https://ocw.ehu.eus/file.php/132/gretl/gretl/Course_listing.html)

2. Esteban, MV (2008). Análisis Econométrico, Sarriko On Line 4/08.

3. Esteban, MV (2008). Estadística Actuarial: Regresión Lineal, Sarriko On Line 3/08.

4. Esteban, MV y Regúlez, M (2010). Análisis de datos. Un enfoque econométrico, Sarriko ON Line 4/10

5. Esteban, M.V.; Modroño, J.I. y Regúlez, M (2011). Métodos econométricos y Análisis de datos. OpenCourseWare. UPV-EHU (https://ocw.ehu.eus/course/view.php?id=23)

6. Gonzalez, M.P (2009) Análisis de Series Temporales: Modelos ARIMA, Sarriko On Line 04/09



Software

1. Manual de R. Disponible en https://fhernanb.github.io/Manual-de-R/

1. gretl. Paquete econométrico disponible en http://gretl.sourceforge.net). Existe versión en castellano, inglés y euskera.

2. gretl. Manual para el usuario disponible en http://gretl.sourceforge.net). Existe versión en castellano.

Gehiago sakontzeko bibliografia

1. Agresti, A. (2010): Analysis of Categorical Data, 2nd edition. Wiley & Sons, Inc. (Tema 4)



2. Cáceres, J.J., Martín, G., Martín F.J. (2008), Introducción al análisis univariante de series temporales económicas, Delta-Publicaciones (Madrid). (Tema 3)



3. Harvey (1993), Time Series Models, 2ª ed. Prentice-Hall/Harvester Wheatsheaf (London). (Tema 3)



4. Greene, W. (1998), Análisis Econométrico, Ed. Prentice Hall, 3ª ed. (Temas 1 y 2)



5. Granger, C.W.J. (1989), Forecasting in Business and Economics, Ed. Academic Press (San Diego). (Tema 3)



6. Peña, D. (2005), Análisis de Series Temporales, Alianza Editorial (Madrid). (Tema 3)



7. Ramanathan, R. (2002), Introductory Econometrics with applications, Ed. South-Western, 5th. edition. (Temas 1 y 2)

Aldizkariak

Revistas de Economía



1) http://www.revecap.com. Revista de Economía Aplicada



2) http://www.revistaestudiosregionales.com. Revista de Estudios Regionales



3) http://www.funep.es/invecon/sp/sie.asp. Investigaciones Económicas



4) http://www1.euskadi.net/ekonomiaz. Ekonomiaz

Estekak

Instituciones



1) http://www.eustat.es. EUSTAT



2) http://www.ine.es. INE



3) http://www.bde.es. Banco de España



4) http://ec.europa.eu/eurostat. EUROSTAT



5) http://www.oecd.org OECD



6) http://www.imf.org. Fondo Monetario Internacional



7) http://www.worldbank.org. Banco Mundial



8) http://www.bolsamadrid.es Bolsa de Madrid



9) http://www.ecb.int/ Banco Central Europeo



Datos



10) http://www.nber.org/data_index.html



11) http://www.estadief.minhac.es/



12) http://fisher.osu.edu/fin/osudown.htm



13) http://econ.queensu.ca/jae/



14) http://www.psidonline.isr.umich.edu/data/



15) http://www.census.gov/



16) http://www.revistaindice.com/numero67/