Consulta de Guías Docentes



Curso : 2020/2021

417 - Graduado en Economía

27454 - Técnicas de predicción


Información del Plan Docente

Año académico:
2020/21
Asignatura:
27454 - Técnicas de predicción
Centro académico:
109 - Facultad de Economía y Empresa
Titulación:
417 - Graduado en Economía
Créditos:
3.0
Curso:
4
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

1.Información Básica

1.1.Objetivos de la asignatura

El principal objetivo de la asignatura es proporcionar al alumno el conocimiento de las distintas técnicas econométricas existentes encaminadas a la obtención de predicciones y análisis de coyuntura aplicado. El planteamiento de la asignatura es esencialmente práctico, ya que se parte de la base de que el alumno domina las técnicas econométricas básicas tras su paso por asignaturas previas de Econometría. En este sentido, podemos englobar los objetivos generales de la siguiente forma:

·         Desarrollo del concepto de predicción y toma de decisiones. Tipos de métodos de predicción.

·         Criterios para elegir un método de predicción. Etapas del proceso de elaboración de una predicción.

·         Estudio de los componentes de una serie temporal.

·         Estudio de las técnicas de predicción no paramétricas.

·         Estudio del cumplimiento o no de la estacionariedad de una serie temporal

·         Estudio de técnicas de predicción paramétricos con componente estacional.

·         Introducción a los modelos de predicción causales no paramétricos.

·         Capacidad de desarrollo para el análisis de coyuntura económica.

1.2.Contexto y sentido de la asignatura en la titulación

El sentido de las técnicas econométricas de predicción en el ámbito de la Economía es el de ofrecer la posibilidad al profesional de adelantarse a escenarios futuros en base a probabilidades y al conocimiento del pasado con las técnicas adecuadas. En este sentido la asignatura adquiere especial relevancia porque completa la formación previa obtenida con la asignatura Econometría aportándole una utilidad concreta.

1.3.Recomendaciones para cursar la asignatura

Para cursar esta asignatura son necesarias las competencias adquiridas en las asignaturas previas de Econometría. En ellas se muestra al alumno el papel que desempeña la econometría en el análisis económico y se adquieren los conocimientos necesarios para formular, cuantificar y evaluar un modelo econométrico.

Adicionalmente, los estudiantes habrán aprendido a utilizar con soltura el software Gretl, como herramienta para la aplicación de las distintas etapas de la metodología econométrica.

2.Competencias y resultados de aprendizaje

2.1.Competencias

Competencias genéricas:

  • CG1.-Capacidad de análisis y síntesis.
  • CG2.-Capacidad para la resolución de problemas.
  • CG5.-Capacidad para aplicar el razonamiento económico a la toma de decisiones.
  • CG6.-Dominio de las herramientas informáticas y el lenguaje matemático y estadístico.

Competencias específicas:

  • CE7.– Identificar y anticipar problemas económicos relevantes en relación con la asignación de recursos en general, tanto en el ámbito privado como en el público.
  • CE10.– Emitir informes de asesoramiento sobre situaciones concretas de la economía (internacional, nacional o regional) o de sectores de la misma.
  • CE14.– Identificar las fuentes de información económica relevante y  explotar su contenido para intervenir en la realidad económica
  • CE19.– Usar las tecnologías de la información y la comunicación en su desempeño profesional.

2.2.Resultados de aprendizaje

El estudiante, para superar estas asignaturas, deberá demostrar los siguientes resultados...

 

  • Diferenciar los componentes de una serie temporal
  • Conocer las particularidades estadísticas y econométricas de una serie temporal
  • Comprender los conceptos de persistencia, estacionariedad, estacionalidad.
  • Plantear y estimar modelos univariantes ARIMA regulares y estacionales de series temporales para obtener predicciones a corto plazo.
  • Obtener predicciones a corto plazo con técnicas no paramétricas.
  • Saber plantear modelos multivariantes, estimarlos y chequearlos con objeto de obtener predicciones con el modelo adecuado.
  • Saber seleccionar la mejor predicción entre toda la batería de predicciones alternativas estudiadas.

2.3.Importancia de los resultados de aprendizaje

El estudiante entiende, a través de las asignaturas de econometría, la conexión entre teoría y realidad empírica. Parte de esa realidad es la de intentar aproximarnos a lo que puede ocurrir en el futuro. Este es precisamente en objetivo de  la asignatura de Técnicas de Predicción, por cuanto permite dotar al estudiante de los instrumentos necesarios para la toma de decisiones.

3.Evaluación

3.1.Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

Respecto al sistema de evaluación, los estudiantes pueden optar a realizar el examen en las dos convocatorias posibles. En la primera convocatoria, los estudiantes tienen dos opciones de evaluación: a través de la evaluación continua o bien a través del examen global de la asignatura. En la opción de evaluación continua, el trabajo práctico es el eje fundamental de la asignatura y se basa en el trabajo que realiza cada estudiante durante el curso. Para ello, se recomienda la asistencia a clases teóricas y prácticas, y la nota final se base en los siguientes aspectos:

  • Ejercicios tipo test (con herramientas como Kahoot o similares) realizados en clase en cada uno de los temas. Estos test ponderan en un 25% la nota final del trabajo.
  • Presentación por escrito de dos trabajos que abarquen, por un lado, el bloque del análisis univariante, y por otro, el bloque de extensiones de modelos causales. Para el análisis de series univariante se trabajará una serie elegida por cada estudiante en el que se demuestre la puesta en práctica de los instrumentos paramétricos y no paramétricos. Para el trabajo sobre modelos causales, se realizará un trabajo más corto propuesto por el profesorado. La presentación de los trabajos en cada bloque es requisito obligatorio para la evaluación continua. El primer trabajo pondera un 50% la nota final del trabajo y el segundo trabajo en un 25%.

 

El alumno que no opte por la evaluación continua o que no supere la asignatura por este procedimiento o que quiera mejorar su calificación, tendrá derecho a presentarse a la prueba global, prevaleciendo, en cualquier caso, la mejor de las calificaciones obtenidas. Dicha prueba global consiste en un examen final con varias preguntas teóricas y teórico-prácticas sobre los contenidos teóricos del curso y un examen de ordenador sobre algún ejercicio práctico que cada estudiante tendrá que resolver con la ayuda del programa econométrico Gretl. En este examen, la parte teórica puntuará 25 puntos y la parte práctica de ordenador otros 75 puntos. Se aprueba la asignatura obteniendo al menos 5 puntos. Esta opción se presenta como una alternativa menos recomendable que la evaluación continua, dada las características de la asignatura.

Está previsto que estas pruebas se realicen de manera presencial, pero si las circunstancias sanitarias lo requieren, se realizarán de manera semipresencial u online. En el caso de evaluación online, es importante destacar que, en cualquier prueba, el estudiante podrá ser grabado, pudiendo este ejercer sus derechos por el procedimiento indicado en:

https://protecciondatos.unizar.es/sites/protecciondatos.unizar.es/files/users/lopd/gdocencia_reducida.pdf"

Se utilizará el software necesario para comprobar la originalidad de las actividades realizadas. La detección de plagio o de copia en una actividad implicará la calificación de 0 puntos en la misma.

4.Metodología, actividades de aprendizaje, programa y recursos

4.1.Presentación metodológica general

Combinación de:

  • Clases Teóricas, en las que se irán exponiendo las distintas técnicas justificando su uso e ilustrando su cálculo.
  • Clases prácticas de cada alumno mediante el uso de herramientas informáticas, basadas en los conocimientos adquiridos en las clases magistrales.
  • Actividades tutelares: Dado que los alumnos tendrán que aplicar las distintas técnicas a series propuestas por el profesor, se podrá supervisar el trabajo realizado por los estudiantes, aclarar dudas sobre los contenidos teórico-prácticos de la asignatura y/o realizar prácticas concretas aplicadas a los contenidos teóricos.
  • Actividades no presenciales: trabajo individual del alumno.

 

4.2.Actividades de aprendizaje

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende las siguientes actividades...

  • Clases presenciales: en donde se desarrollará el núcleo de la asignatura con la metodología planteada arriba.
  • Tutorías: el profesor pondrá a disposición del alumno un horario reservado a tutorías para resolver aquellas dudas que pudieran haberle quedado al estudiante después de las clases teóricas y/o prácticas.
  • Ejercicios propuestos: Durante el desarrollo del curso el profesor propondrá a los alumnos diferentes ejercicios para poner en práctica los conocimientos adquiridos que deberán entregar en las fechas indicadas por el profesor/a

La metodología docente está prevista que sea presencial. No obstante, si fuese necesario por razones sanitarias, las clases presenciales podrán impartirse online.

4.3.Programa

Bloque I: Introducción

Tema 1: Conceptos de predicción en Series Temporales

  • Introducción.
  • Fundamentos de la Predicción.
  • Tipos de predicciones
  • Valoración de la predicción.

Bloque II: Análisis Univariante

Tema 2: Métodos no paramétricos de predicción

  • Introducción
  • Componentes básicos, tipos de series y métodos.
  • Contrastes de tendencia y estacionalidad. Daniel, Kendall, Kruskal-Wallis
  • Medias móviles y suavizados lineal, exponencial y estacional.
  • Filtros: Hodrick-Prescott, Kalman.

Tema 3: Métodos paramétricos: ARIMA estacionales

  • Introducción y conceptos básicos
  • Diferencias regulares y estacionales
  • Métodos estacionales puros
  • Métodos estacionales multiplicativos

Tema 4: Predicción y regresiones con problemas de autocorrelación

  • Concepto y causas de la autocorrelación
  • Detección de la autocorrelación
  • Estimación de modelos con autocorrelación.

Bloque III: Extensiones

Tema 5: Modelos causales: métodos no paramétricos

    • Introducción
    • Métodos no paramétricos

4.4.Planificación de las actividades de aprendizaje y calendario de fechas clave

La asignatura de Técnicas de Predicción tiene asignada una carga docente de 3 créditos ECTS. Las horas presenciales incluyen las explicaciones teóricas, las prácticas propias de cada tema y las tutorías. La distribución de la carga docente entre los cinco temas que conforman el programa de la asignatura se adecuará a su propia complejidad. En términos generales, se intentará observar la siguiente distribución de tiempos, en cuanto a las clases teóricas y las prácticas en ordenador:

 

 

Tema 1

Tema 2

Tema 3

Tema 4

Tema 5

Total

Clases teóricas

2

4

4

2

3

15

Prácticas en ordenador

2

4

4

2

3

15

Tutorías

1

1

2

1

2,5

7,5

Total horas

5

9

10

5

8,5

37,5

 

 Este reparto podrá sufrir modificaciones a medida que vaya avanzando el curso, e incluso puede haber algunas diferencias entre los grupos. La entrega de los trabajos se irá comunicando en clase con suficiente antelación.

4.5.Bibliografía y recursos recomendados


Curso : 2020/2021

417 - Degree in Economics

27454 - Forecasting Techniques


Información del Plan Docente

Academic Year:
2020/21
Subject:
27454 - Forecasting Techniques
Faculty / School:
109 -
Degree:
417 - Degree in Economics
ECTS:
3.0
Year:
4
Semester:
Second semester
Subject Type:
Optional
Module:
---

1.General information

1.1.Aims of the course

The main objective is to provide the students with the knowledge of the different econometric techniques to obtain predictions and analysis of the current situation. The approach of the subject is essentially practical, since it is based on the fact that the student have previously worked the basic econometric techniques after previous Econometrics subjects. In this sense, we can encompass the general objectives as follows:

 

• Development of the concept of prediction and decision making. Types of prediction methods.

• Criteria for choosing the best prediction method. Stages in the process of making a prediction.

• Study of the components of a time series.

• Study of non-parametric prediction techniques.

• Study of the compliance or not of the stationarity of a time series

• Study of parametric prediction techniques with a seasonal component.

• Introduction to non-parametric causal prediction models.

• Develop the capacity for the analysis of the economic situation.

1.2.Context and importance of this course in the degree

The meaning of econometric prediction techniques in the field of economics is to provide to future professionals the possibility of anticipating future scenarios based on probabilities and knowledge of the past with the best appropriate techniques. In this sense, this subject acquires special relevance because it completes the previous training obtained with the previous Econometrics subject, providing it with a specific utility.

1.3.Recommendations to take this course

To address this subject, the skills acquired in the previous Econometrics courses are necessary. They let students the role that econometrics plays in economic analysis and acquire the necessary knowledge to formulate, quantify and evaluate an econometric model. Additionally, the students will have previously learned to use Gretl software, as the main tool for the application of the different stages of the econometric methodology.

 

2.Learning goals

2.1.Competences

Generic skills:

CG1.-Capacity for analysis and synthesis.

CG2.-Ability to solve problems.

CG5.-Ability to apply economic reasoning to decision making. CG6.-Mastery of computer tools and mathematical and statistical language.

 

Specific competences:

CE7.- Identify and anticipate relevant economic problems in relation to the allocation of resources in general, both in the private and public spheres.

CE10.- Issue advisory reports on specific situations of the economy (international, national or regional) or sectors thereof.

CE14.- Identify the sources of relevant economic information and exploit its content to intervene in the economic reality

CE19.- Use information and communication technologies in their professional performance.

2.2.Learning goals

The student must demonstrate the following results ...

  • Differentiate the components of a time series
  • Know the statistical and econometric characteristics of a time series. Understand the concepts of persistence, stationarity, seasonality.
  • Plan and estimate regular and seasonal univariate ARIMA time series models to obtain short-term predictions. Obtain short-term predictions with non-parametric techniques.
  • Know how to propose multivariate models, estimate, and check them in order to obtain predictions with the appropriate model.
  • Know how to select the best prediction among all the battery of alternative predictions studied.

2.3.Importance of learning goals

The student understands, through the econometric subjects, the connection between theory and empirical reality. Part of that reality is getting closer to what may happen in the future. This is precisely the objective of the Forecasting Techniques, since it allows the students to be provided with the necessary instruments for decision-making.

3.Assessment (1st and 2nd call)

3.1.Assessment tasks (description of tasks, marking system and assessment criteria)

Regarding the evaluation system, students can choose to take the exam in both possible calls. In the first call, students have two assessment options: through continuous assessment or through the global examination of the subject. In the continuous assessment option, practical work is the fundamental axis of the subject and is based on the work carried out by each student during the course. For this, attendance at theoretical and practical classes is recommended, and the final grade is based on the following aspects:

• Test exercises carried out in class on each of the topics. These tests weigh 25% of the final grade for the work.

• Written presentation of two papers covering, on the one hand, the block of univariate analysis, and on the other, the block of extensions of causal models. For the univariate series analysis, a series chosen by each student will be worked on, demonstrating the implementation of the parametric and non-parametric instruments. For the work on causal models, a shorter work proposed by the teachers will be carried out. The presentation of the works in each block is a mandatory requirement for continuous evaluation. The first job weights the final grade of the work by 50% and the second job by 25%.

 

The student who does not opt ​​for continuous assessment or who does not pass the subject through this procedure or who wants to improve his grade, will have the right to sit for the global test, prevailing, in any case, the best of the grades obtained. This global test consists of a final exam with various theoretical and theoretical-practical questions about the theoretical contents of the course and a computer exam about a practical exercise that each student will have to solve with the help of the Gretl econometric program. In this exam, the theoretical part will score 25 points and the practical part of computer another 75 points. The subject is passed obtaining at least 5 points. This option is presented as a less recommended alternative than continuous assessment, given the characteristics of the subject.

These tests are expected to be carried out in person, but if the health circumstances require it, they will be carried out semi-on-site or online. In the case of online assessment, it is important to highlight that, in any test, the student may be recorded, being able to exercise their rights by the procedure indicated in:

https://protecciondatos.unizar.es/sites/protecciondatos.unizar.es/files/users/lopd/gdocencia_reducida.pdf "

The necessary software will be used to check the originality of the activities carried out. The detection of plagiarism or copying in an activity will imply the rating of 0 points in it.

4.Methodology, learning tasks, syllabus and resources

4.1.Methodological overview

A combination of:

  • Theoretical classes, in which the different techniques will be exposed justifying their use and illustrating their calculation.
  • Practical classes of each student through the use of computer tools, based on the knowledge acquired in the master classes.
  • Tutorial activities: Since the students will have to apply the different techniques to series proposed by the teacher, the work carried out by the students can be supervised, questions on the contents can be answered theoretical-practical of the subject and / or to carry out concrete practices applied to the theoretical contents. Non-classroom activities: individual student work.

4.2.Learning tasks

The program offered to the students to help them to achieve the expected results including the following activities:

 

  • On-site classes: where the core of the subject will be developed with the methodology outlined above.
  • Tutorials: teacher will make available to the student a schedule reserved for tutorials to resolve any doubts that may have remained for the student after the theoretical and / or practical classes.
  • Proposed exercises: During the development of the lessons, the teacher will propose different exercises to the students to put into practice the acquired knowledge that they must deliver on the dates indicated by the teacher.

 

The teaching methodology is planned to be on-site. However, if necessary for health reasons, on-site lessons may be taughted online.

4.3.Syllabus

Block I: Introduction

Topic 1: Prediction concepts in Time Series

  • Introduction.
  • Fundamentals of Prediction.
  • Types of predictions
  • Prediction assessment.

Block II: Univariate Analysis

Topic 2: Nonparametric prediction methods

  • Introduction
  • Basic components, types of series and methods.
  • Contrasts of trend and seasonality. Daniel, Kendall, Kruskal-Wallis
  • Linear, exponential and seasonal moving averages and smoothing.
  • Filters: Hodrick-Prescott, Kalman.

Topic 3: Parametric methods: seasonal ARIMA

  • Introduction and basic concepts
  • Regular and seasonal differences
  • Pure seasonal methods
  • Seasonal multiplicative methods

Topic 4: Prediction and regressions with autocorrelation problems

  • Concept and causes of autocorrelation
  • Autocorrelation detection
  • Estimation of models with autocorrelation

Block III: Extensions

Topic 5: Causal models: non-parametric methods

  • Introduction
  • Non-parametric methods

4.4.Course planning and calendar

Forecasting Techniques has assigned a teaching load of 3 ECTS credits. The on-site hours include the theoretical explanations, the own practices of each subject and the tutorials. The distribution of the teaching load among the five themes that make up the program of the subject will be adapted to its own complexity. In general terms, an attempt will be made to observe the following distribution of times, in terms of theoretical classes and computer practices

 

Topic 1

Topic 2

Topic 3

Topic 4

Topic 5

Total

Theoretical classes

2

4

4

2

3

15

Computer practice

2

4

4

2

3

15

Tutoring

1

1

2

1

2,5

7,5

Total hours

5

9

10

5

8,5

37,5

 

4.5.Bibliography and recommended resources