Science">
Syllabus de Econometría Financiera
Syllabus de Econometría Financiera
Syllabus de Econometría Financiera
FINANCIERA CON R
1. Datos Informativos:
Modalidad: Virtual a través de la plataforma Zoom.
Fecha de inicio:
2. Justificación o Fundamentación:
La econometría financiera consiste en la aplicación de métodos econométricos a las finanzas, es decir, es
el uso de métodos estadísticos para resolver problemas financieros. Esta disciplina se ha desarrollado rá-
pidamente en los últimos años debido a la creciente complejidad del sistema financiero, de la informática
y del desarrollo de nuevas tecnologías.
En la economía global los mercados financieros tienen una gran importancia debido al impacto y a las
repercusiones que ocasionan en la sostenibilidad y en el crecimiento de la economía. Para comprender
la estructura de los mercados financieros se hace necesario tener conocimiento de la Econometría Finan-
ciera de manera teórica y práctica, ya que de esta forma se desarrolla y estiman modelos financieros que
permiten entender el comportamiento de distintas perturbaciones que afectan al mercado financiero, y en
general, a la economía global.
3. Objetivos:
1
mercados financieros, tomando en cuenta la importancia que tienen en los distintos campos de aplicación. Todo
ello constituye una fortaleza para la formación académica de los participantes en su desarrollo y desempeño
profesional.
Desarrollar en los participantes conocimientos, destrezas y habilidades para especificar, estimar y evaluar
modelos econométricos financieros y su aplicación en el campo de la investigación económica.
Permitir que el estudiante desarrolle la capacidad de análisis y evaluación de los problemas económicos,
así como la formulación de escenarios que faciliten la toma de decisiones y el manejo de la incertidumbre
que afectan a los mercados financieros.
Discutir conceptos teóricos en clase que permita a los participantes mejorar el manejo de herramientas
económicas, estadísticas, matemáticas y econométricas aplicables a diversas áreas de las finanzas.
4.1. Sesión I:
Introducción e instalación de R y RStudio.
2
Estimación del modelo Capital Asset Pricing Model (CAPM) y el modelo Arbitrage Pricing Theory
(APT).
Pruebas de raíces unitarias con quiebre estructural. Aplicación: Tipos de interés del Euro y la Libra
Esterlina.
4.5. Sesión V:
Modelando la volatilidad. Tipos de modelos no lineales. Tests para no linealidad.
Modelo Autoregressive Conditionally Heteroscedastic (ARCH). Estimación y problemas con este tipo
de modelos.
3
4.6. Sesión VI:
Modelando estacionalidad con series de tiempo financieras. Construcción de variables dummy estacio-
nales.
Estimación de modelos Markov Switching. Aplicación a la serie de tiempo del tipo de cambio real.
Modelos de variable dependiente limitada. Modelo de probabilidad lineal y sus desventajas. Modelo logit
y probit. Estimación de parámetros y bondad de ajuste de los modelos.
5. Metodología de Enseñanza:
La metodología se basa en una enseñanza activa, utilizando diferentes dinámicas de trabajos que se
realizan en las sesiones de clase virtuales, así como tareas, investigaciones, trabajos individuales y de
investigaciones etc., propuestas por el docente.
La estrategia utilizada será el aprendizaje basado en problemas y estudio de casos, y la plataforma que
utilizará como soporte son: plataforma Canvas, blogs, video tutoriales, etc.
El rol del profesor será de un mediador y guía, pues ayudará a los paticipantes en la construcción de
sus aprendizajes, brindando la información y orientaciones necesarias para el logro de los objetivos de
aprendizaje y guiando paso a paso el trabajo con las herramientas del curso. Los alumnos serán agentes
activos y participativos, enriqueciendo las clases con sus propias investigaciones, preguntas, argumen-
taciones y descubrimientos. Por cuanto, el alumno es responsable de su propio aprendizaje a través del
uso y manejo adecuado de las herramientas de tecnologías de la información, logrando un aprendizaje
significativo que le permitirá aplicar lo aprendido según las necesidades personales y profesionales en el
campo en que se desarrolla.
Finalmente, se recomienda a los participantes consultar la bibliografía sugerida para profundizar en sus
aprendizajes y lograr mayor destreza en el proceso del mismo.
6. Evaluación:
La calificación del curso consiste en el promedio ponderado de: trabajos, test o tareas de cada sesión semanal.
7. Certificación:
Será a nombre de la empresa Finance and Econometrics SAC. Todos los participantes que obtengan una nota
aprobatoria igual o mayor a 14 (catorce) podrán obtener la certificación digital a nombre del instituto. Si en
4
caso lo requiera físico, será con un coste adicional de transporte.
Nota: Para la obtención de cualquiera de estas certificaciones los participantes deberán tener como haber re-
suelto las asignaciones en los plazo y momentos oportunos.
8. Docentes:
Mg. Rafael Bustamante Romaní
Economista con más de 15 años de experiencia en el dictado de: Econometría Financiera, Econometría Avan-
zada, Macroeconomía y Microeconomía e informática para economistas. Docente investigador en la UNMSM
en el área de finanzas y ciencia de datos. Docente de Econometría Avanzada con Stata, R Studio y Python.
Magister en Economía con mención en Finanzas y MBA CENTRUM en PUCP. Estudios concluidos del Doc-
torado en Economía (UNAM.) Actualmente cursando el MBA con Énfasis en Business Intelligence y Big Data
por el Instituto europeo de Postgrado y el Master en Ciencia de datos y análisis por la Universidad Sao Paulo
y el Doctorado en Economía y Finanzas UFM- OMMA. Diplomados concluidos en Big Data- Data Science y
POWER BI-Análisis y Visualización de Datos. Cofundador de la empresa de Capacitación Finance and Econo-
metrics Group SAC. Experiencia laboral como Analista econométrico en el Área de Proyectos del FITEL-MTC
y Analista de Riesgos Financieros en el SIS-Miniesterio de Salud. Consultor y jefe de proyectos con la empresa
IPDC-SAC en diversos ministerios y entidades públicas: MEF, SBS, SUNAT, MTC, PROVIAS, etc.
Economista por la PUCP con más de 10 años de experiencia en el dictado de: Estadística, Microeconomía,
Macroeconomía, Evaluación de Proyectos y Análisis Financiero. Docente en la PUCP del Departamento de
Economía. Magister en Economía por la Universidad Torcuato Di Tella (UTDT) y la PUCP con mención en
Economía. Cursos concluidos de Econometría Avanzada, Series de Tiempo, Datos de Panel, Análisis Estadís-
tico Multivariado y Big Data, Machine Learning and Econometrics with R, Análisis de Datos con Software
Estadístico R e Introducción a Python para Machine Learning
Laboró en el Ministerio de Economía y Finanzas (MEF) en la Dirección General de Presupuesto Público, Di-
rección de Programación y Seguimiento Presupuestal y en la Dirección General de Descentralización Fiscal y
Asuntos Sociales, Dirección de Análisis y Transferencia de Recursos a los Gobiernos Regionales y Locales.
Asimismo, se desempeñó como Analista Financiero en el Banco de la Nación en el Departamento de Finanzas,
División Estudios Económicos y Financieros, Sección Estudios y Propuestas.
9. Bibliografía:
Brockwell, P.J. & R.A. Davis (1991): “Time Series: Theory and Models”. Springer Verlag.
5
Canova, Fabio (2007): “Methods for Applied Macroeconomic Research, Princeton”. University Press.
DeJong, David and Chetan Dave (2007): “Structural Macroeconometrics”. Princeton University Press.
Granger, C.W.J. and P. Newbold (1987): “Forecasting Economic Time Series.” Academic Press.
Harvey, A.C. (1990): “The Econometric Analysis of Time Series”. MIT Press.
John M. Chambers. “Software for Data Analysis: Programming with R (Statistics and Computing)”.
Johnston, J & Dinardo, J (1997). Econometric Methods. Cuarta Edición. Mc Graw Hill.
Kim, C.-J. and C.R. Nelson (1999): “State-Space Models with Regime Switching.” MIT Press, Cambrid-
ge.