En este curso se desarrollan una serie de técnicas para el análisis y pronóstico de series de tiempo financieras univariadas empleando R- Kaggle con el propósito de generar modelos explicativos y predictivos. El curso cuenta con una variedad de ejemplos aplicativos financieros, siempre sustentados en un componente teórico práctico.

El curso comienza con una introducción a las series de tiempo financieras, haciendo un repaso general de algunos códigos en R más relevantes en el manejo de este tipo de datos. En una primera parte, se estudian conceptos básicos del tipo de datos en finanzas, tipos de rendimientos y la noción base de riesgo-rentabilidad mediante los momentos estadísticos. Continuaremos formalizando los modelos simples autorregresivos y de movimiento ponderado, así como univariados mixtos y con componente estacional, para posteriormente abordar modelos de machine learning como redes recurrentes, modelos de ensamble y descomposición espectral. De igual manera abordaremos los modelos multivariados tales como el VAR, CVAR y ARIMA con errores y ARDL. La tercera y última parte del curso se enfoca al estudio y aplicación de temas de series financieras y riesgo; en este último, se abordan modelos VaR mediante diferentes enfoques paramétricos y no paramétricos, tales como el uso de copulas, así como su pronóstico y validación mediante modelos de Backtesting.

Algunos temas del curso se apoyarán en ejemplos complementarios a los financieros, tales como energéticos, climáticos, entre otros, que afectan significativamente a las series financieras en su modelación.

Algunas competencias a desarrollar incluyen pensamiento crítico, aprendizaje autónomo, orientación al resultado y trabajo en equipo.