Uso de cookies

En las páginas web de la Universidad Carlos III de Madrid utilizamos cookies propias y de terceros para mejorar nuestros servicios mediante el análisis de sus hábitos de navegación. Al continuar con la navegación, entendemos que se acepta nuestra política de cookies. "Normas de uso"

Desubriendo modelos empíricos en macro econometría

Profesores y estudiantes sentados en un aula
  • Inicio
    • Director: Antoni Espasa
    • Idioma: Español
    • Modalidad: Presencial.
    • Precio: 
      Estudiantes, PDI y Alumni UC3M: 200 euros>
      Estudiantes y PDI Externos: 250 euros
      Empresas e Instituciones: 300 euros
    • Duración: 15 horas
    • Campus de impartición: Campus Puerta de Toledo
    • Plazo de Admisión: Cerrado
    • Departamento: Instituto "Flores de Lemus"

    Los modelos econométricos requieren la incorporación de teorías económicas en sus formulaciones. Pero las teorías son incorrectas, incompletas y cambiantes en el tiempo y no pueden entrar como restricciones en los modelos econométricos, como ocurre, por ejemplo, en los modelos simultáneos, estructurales y DSGE.

    Así, el analista en una investigación empírica debe buscar un modelo congruente, es decir, basado en una teoría económica laxa y de acuerdo con la evidencia empírica. Pero la respuesta no se conoce desde el principio y se requiere un procedimiento estadístico de modelización para descubrirlo.

    Para ello hay que formular un Proceso Generador de Datos Local (LDGP); insertarlo en un modelo general no restrictivo, GUM, y aplicar al GUM un proceso reductor para llegar a un modelo congruente particular final que no esté dominado por cualquier otro construido sobre el mismo conjunto informativo. Todo el proceso se puede implementar de forma automática: Autometrics, y es aplicable a series temporales en el campo de big data.   En muchos casos se parte de un número de variables mayor que el número de observaciones, pero el profesor Hendry ha  desarrollado una metodología para resolver el problema. A partir del modelo final se derivará la confirmación de la teoría inicial (LDGP), una modificación de la misma o una nueva teoría.

    El modelo final no ofrece garantía alguna para la predicción si, como es muy frecuente, se producen cambios estructurales en el periodo de predicción. Para abordar este problema David Hendry ha propuesto el procedimiento de fortalecimiento de predicciones.

    El desarrollo de todo lo anterior y su aplicación a un modelo sobre la inflación en el Reino Unido, 1860-2015, constituye el temario del curso, basado en publicaciones recientes del Profesor Hendry.

  • PROGRAMA

    CONTEXTO ECONOMETRICO GENERAL Y PROCEDIMIENTO OPERATIVO DENTRO DEL MISMO.

    El procedimiento teórico-empírico en la construcción de modelos econométricos. Comentario crítico sobre los modelos simultáneos, estructurales y DSGE. El proceso local generador de datos(LDGP).

    La formulación de un proceso general no restringido (GUM) incluyendo: (1) el LDGP; (2) todas las variables posiblemente necesarias para el cumplimiento de la condición ceteris paribus; (3) retardos y formulaciones funcionales de (2); (4) saturación de indicadores impulso y de tipo escalón para considerar observaciones atípicas y cambios de nivel.

    El proceso reductor basado en la metodología de lo general a lo particular (Gets) para obtener un modelo congruente a partir del GUM. El caso frecuente de más variables que observaciones. La necesidad de un proceso automático para la construcción de modelos econométricos.
     

    ANALISIS DE DATOS.

    Características de las series económicas. Análisis de datos: modelos univariantes. La función de predicción: su estructura e interpretación económica.
     

    MODELO ECONOMETRICO UNIECUACIONAL. SU DERIVACION A PARTIR DEL CVAR. MECANISMO DE CORRECCION DEL EQUILIBRIO.

    Ventajas de los modelos uni-ecuacionales frente a los multi-ecuacionales en las aplicaciones empíricas. Derivación del modelo uni-ecuacional de la variable de interés a partir de un modelo VAR cointegrado.

    Características del modelo uni-ecuacional. Variables débil y fuertemente exógenas y variables super-exógenas. Formulación en términos de mecanismo de corrección del equilibrio.
     

    AUTOMETRICS. DATA SCIENCE.

    Un proceso automático riguroso en la construcción de modelos econométricos: Autometrics.

    Aplicación de Autometrics en Data Science.
     

    PREDICCION.

    Fortalecimiento de los modelos congruentes para la predicción ante cambios estructurales futuros.
     

    MODELIZACION DE LA INFLACION.

    Ejemplo práctico (David Hendry): la modelización de los precios al consumo en UK, 1860-2015,: contraste de teorías económicas.


    Bibliografía

    • Hendry, D.F. and J. A. Doornick, 2014, Empirical Model Discovery and Theory of Evaluation, The MIT Press. (HD).
    • Hendry, D.F., 2015, Introductory Macro-econometrics: A new Approach. Timberlake Consultants Ltd. Free download textbook http://www.timberlake.co.uk/macroeconometrics.html
    • Hendry, D F; 2018, “Deciding between alternative approaches in macroeconomics”, International Journal of Forecasting. Open access http://authors.elsevier.com/sd/article/S0169207017300997
    • Hendry D F , 2015, “Mining big data by statistical methods” The European Financial Review, 69-72.
    • Enders (2004), Applied Time Series Econometrics, Wiley. (E).
    • Clements, M. and D. F. Hendry, 1999, Forecasting Non-stationary Time Series, The MIT Press. (CH).
    • Hendry, D., Dynamic Econometrics, 1995, Oxford University Press. Chapter 9 on Theory of Reduction. (H).
  • PROFESORADO

    Profesorado UC3M

  • ADMISIÓN

    Dirigido a

    Alumnos de postgrado, analistas en empresas e instituciones con responsabilidades de construcción o utilización de modelos macro-econométricos y público en general de la comunidad universitaria.

     

    Requisitos

    Tener estudios de Estadística a nivel de grado y haber seguido un curso inicial sobre Econometría de Series Temporales.

     

    Solicitud de admisión

    Inscríbite

     

    Procedimiento

    Recibida la solicitud de admisión, en el plazo máximo de 5 días recibirá respuesta junto con los siguientes pasos a seguir.

  • INFORMACIÓN PRÁCTICA

    Metodología

    El curso se desarrollará en 15 sesiones presenciales de 1 hora de duración cada una ellas

     

    Horario

    6,7,8,13 y 14 de mayo de 2019, de 10:00 a 13:00

     

    Más información

    Instituto Flores de Lemus ifl@est-econ.uc3m.es