Plan de estudios del Curso Econometría y Manejo de Base de Datos con STATA - Avanzado

SESIÓN 01: PROGRAMACIÓN EN STATA

  • Objetivo:
    • Explicar los conceptos y métodos generales para programar en STATA.
  • Temas:
    • Componentes básicos
    • R-Store and E-Store
    • Bucles
  • Ejemplos:
    • Operadores de matrices
    • Aplicar macros
    • Crear un programa
    • Atajos con macros
    • Bucles - Parte 1
    • Bucles - Parte 2
    • Macro global-local
    • Bucle con variables y condicionales
    • Funciones mata
    • Bondad de ajuste mediante operadores de matrices

SESIÓN 02: INTRODUCCIÓN A SERIES DE TIEMPO

  • Objetivo:
    • Explicar sobre la teoría de series de tiempo, los comandos para establecer una base de datos temporal y los principales operadores utilizados en este contexto.
  • Temas:
    • Ideas generales
    • Análisis de la serie de tiempo univariado
    • Operadores de series de tiempo
  • Ejemplos:
    • Media de una serie de tiempo
    • Tasas de crecimiento
    • Detectar la estacionalidad
    • Estacionalidad en correlograma
    • Componentes de una serie de tiempo
    • Fechas
    • Gráficos de una serie de tiempo
    • Diferencia porcentual
    • Comparación de la diferencia porcentual
    • Tendencia y estacionalidad en una serie de tiempo

SESIÓN 03: SERIES DE TIEMPO ESTACIONARIAS

  • Objetivo:
    • Explicar las implicancias de la estacionariedad en las series de tiempo y cómo verificarlas.
  • Temas:
    • Gráfico de series de tiempo
    • Procesos estocásticos y estacionariedad
    • Metodología de Box-Jenkins
    • Pruebas de estacionariedad en STATA
    • Transformaciones para alcanzar la estacionariedad
  • Ejemplos:
    • Random Walk
    • Pruebas de raíz unitaria
    • Análisis gráfico de estacionariedad
    • Raíz unitaria en niveles
    • Transformación de la serie
    • Analizando una serie con quiebre estructural
    • Estacionalidad
    • Pruebas Dickey-Fuller y Phillips Perron
    • Aplicar primera diferencia a una serie no estacionaria

SESIÓN 04: PRIMEROS MODELOS DE SERIES DE TIEMPO

  • Objetivo:
    • Explicar los modelos AR, MA, ARMA y ARIMA.
  • Temas:
    • Primeros modelos
    • Identificación de modelos
    • Estimación del modelo
    • Validación del modelo
    • Pronóstico
  • Ejemplos:
    • Ruido blanco
    • Selección de p, d & q
    • Estimación arima
    • Parsimonia
    • Pronóstico
    • Modelo autorregresivo
    • Modelo de media movil 
    • Modelo arma
    • Elección y pronóstico

SESIÓN 05: MODELOS TEMPORALES DE ALTA VOLATILIDAD

  • Objetivo:
    • Explicar los modelos de series de tiempo con alta volatilidad.
  • Temas:
    • Modelos de volatilidad
    • Modelo Arch
    • Modelo Garch
    • Garch exponencial
    • Modelo Threshold Arch
  • Ejemplos:
    • Base de datos de Yahoo Finance
    • Estimación de un Arch
    • Uso de un modelo Garch
    • Garch Egarch
    • Estudio del modelo y validación
    • Pronóstico en modelo Garch
    • Modelo Arch con componente Ar
    • Modelo Arch con componente Ma
    • Modelo Arch con componente Arma
    • Elección del modelo y pronóstico

SESIÓN 06: MODELOS TEMPORALES MULTIVARIANTES

  • Objetivo:
    • Identificar y modelar procesos temporales con más de una variable de análisis.
  • Temas:
    • Modelo de cointegración
    • Modelos de vectores autorregresivos
    • Modelo de vector de corrección de error
  • Ejemplos:
    • Cointegración
    • Cointegración multivariada
    • Mecanismo de corrección de errores
    • Modelos VAR
    • Modelo VEC
    • Evaluación del modelo VEC
    • Análisis estacionario
    • Prueba de Engle-Granfer
    • Modelo de corrección de error
    • Supuestos del modelo a corto plazo

SESIÓN 07: MODELO DE DATOS PANEL

  • Objetivo:
    • Explicar de manera teórica y práctica el funcionamiento de los modelos de regresión de datos panel.
  • Temas:
    • Conceptos generales
    • Forma de la base de datos
    • Modelos de datos de panel
    • Elección del mejor modelo
    • Efectos temporales
    • Posestimación
  • Ejemplos:
    • Modelo Pooled
    • Análisis de un panel de datos
    • Modelo de efectos fijos
    • Evaluación de modelo de efectos fijos
    • Modelo de efectos aleatorios
    • Prueba de Hausman
    • Modelo MCO agrupado
    • Modelo de efectos fijos para datos enaho
    • Modelo de efectos aleatorios para datos enaho
    • Elección del modelo

SESIÓN 08: DATOS PANEL DINÁMICOS

  • Objetivo:
    • Indicar cómo estimar modelos Panel Data con, por lo menos, un rezago.
  • Temas:
    • Ideas generales
    • Preestimación
    • Estimación
    • Posestimación
  • Ejemplos:
    • Preestimación
    • Estimación con xtabond
    • Estimación con xtdpdsys
    • Estimación con xtdpd
    • Estimación con xtabond2
    • Análisis posestimación
    • Pre estimación con datos enaho
    • Estimación con Xtabond para datos enaho
    • Estimación con XTDSYS para datos enaho

Actualización parcial el 12 de diciembre del 2023.

Redes en las que nos puedes ubicar

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

Whatsapp

+51 923 444 442

Skype

institutoICIP

Hangouts

info@icip.pe

Skype

institutoICIP

Whatsapp

+51 923 444 442

Hangouts

info@icip.pe

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

 

Icono Whatsapp

Whatsapp

+51 923 444 442

 

 
info@icip.peinfo@icip.peinfo@icip.ecinfo@icip.com.co

DIRECCIÓN

 

Cal. Santa Florencia 564
Urb. Pando 3era Etapa
Cercado de Lima, Lima - Perú

 

Referencia: Cruce de la Av. Universitaria con la Av. Venezuela

HORARIO DE ATENCIÓN

 
Oficina:
Lunes a Sábado
8:00 am - 4:45 pm

 
Central telefónica

Lunes a Sábado
8:00 am - 10:00 pm
Domingos
8:00 am - 5:00 pm