D’acord amb la Resolució SLT/275/2021, de 5 de febrer, per la qual es prorroguen i es modifiquen les mesures en matèria de salut pública per a la contenció del brot epidèmic de la pandèmia de COVID-19 al territori de Catalunya, el 9 de febrer de 2021 el rector de la Universitat de Barcelona, havent consultat els degans i deganes de les facultats i el Consell de l’Alumnat, va resoldre que la docència teòrica del segon semestre del curs 2020-2021 ha de ser parcialment presencial per als estudiants de primer curs. La resta de la docència s’ha de continuar impartint virtualment.
Les resolucions dictades des de l’inici del curs 2020-2021 en relació amb la crisi sanitària podrien obligar a adaptar la planificació de la docència i, en conseqüència, també a modificar alguns apartats dels plans docents. La descripció d’aquests canvis es recull en addendes al final dels plans docents originals.
Dades generals |
Nom de l'assignatura: Mčtodes de Previsiķ
Codi de l'assignatura: 363676
Curs acadčmic: 2020-2021
Coordinaciķ: Jose Ramon Garcia Sanchis
Departament: Departament d'Econometria, Estadística i Economia Aplicada
crčdits: 6
Programa únic: S
Hores estimades de dedicaciķ |
Hores totals 150 |
Activitats presencials i/o no presencials |
60 |
- Teoricoprāctica |
Presencial i no presencial |
48 |
|||
- Prāctiques de problemes |
Presencial i no presencial |
12 |
Treball tutelat/dirigit |
40 |
Aprenentatge autōnom |
50 |
Recomanacions |
Tot i que l’assignatura és força autocontinguda, sí que és recomanable que l’estudiant hagi cursat prèviament les assignatures Estadística I i II (que, segons l’itinerari recomanat de quatre anys, s’haurien de fer en el segon curs). Alhora, és recomanable que abans, o simultàniament, cursi l’assignatura Econometria de l’Empresa, atès que això facilita una millor comprensió i assimilació dels conceptes estudiats a l’assignatura Mètodes de Previsió. |
Competčncies que es desenvolupen |
- |
Capacitat d'usar les tecnologies de la informaciķ i la comunicaciķ en l'acompliment professional. |
- |
Capacitat d'aplicar els mčtodes i instruments quantitatius bāsics per obtenir i analitzar la informaciķ de l'empresa i del seu entorn socioeconōmic d'acord amb les característiques de la informaciķ disponible. |
- |
Capacitat de prendre decisions econōmiques i empresarials tenint en compte la situaciķ econōmica actual. |
Objectius d'aprenentatge |
Referits a coneixements L’objectiu general d’aquesta assignatura és aprendre, en el context de sèries temporals, alguns dels mètodes més emprats per tal de fer prediccions de sèries econòmiques mitjançant únicament informació passada de la variable objecte d’estudi. |
Blocs temātics |
Bloc 1. Introducciķ
* Objectius:
— Conèixer les diferents aproximacions que poden emprar-se per tal de fer prediccions d’una variable econòmica, distingint clarament entre l’aproximació causal i l’aproximació univariant (objecte central de l’assignatura).
— Conèixer, dins l’anàlisi univariant de sèries temporals, com seleccionar el millor mètode de predicció entre diversos de possibles i com avaluar la capacitat predictiva del mètode escollit.
Amb aquest primer bloc es pretén donar una idea general a l’estudiant sobre la rellevància de la predicció de variables econòmiques i empresarials, així com dels diferents mètodes de predicció existents. Alhora, s’introdueixen alguns dels conceptes clau que es fan servir al llarg del curs, com ara l’error de predicció i els criteris per avaluar la capacitat predictiva dels diferents mètodes de predicció.
Pes: 6,66 % del total de l’assignatura.
Lliçó 1. Introducció
1.1. Predicció i decisions econòmiques i empresarials
1.2. Classificació dels mètodes de predicció
1.3. Predicció i avaluació de la capacitat predictiva
Bloc 2. Mčtodes clāssics de sčries temporals
* Objectius:
Saber obtenir prediccions segons els diferents mètodes de predicció que s’inclouen dins del que s’anomena anàlisi clàssica de sèries temporals. Com a habilitat associada a aquest bloc, adquirir destresa en la utilització del programa Excel per tal de predir la variable mitjançant els mètodes de l’anàlisi clàssica.
Pes: 43,33 % del total.
Lliçó 2. Models deterministes (I)
2.1. Definició de sèrie temporal i dels seus components
2.2. Predicció amb models sense tendència
2.3. Predicció amb models amb tendència
Lliçó 3. Models deterministes (II)
3.1. Anàlisi del component estacional
3.2. Predicció amb models sense tendència i amb component estacional
3.3. Predicció amb models amb tendència i component estacional
Bloc 3. Mčtodes estocāstics de sčries temporals: metodologia Box-Jenkins
* Objectius:
Saber aplicar totes les etapes que componen la metodologia de predicció Box-Jenkins. Com a habilitat associada a aquest bloc, adquirir destresa en la utilització del programa Gretl per tal de predir la variable mitjançant la metodologia Box-Jenkins.
Pes: 50 % del total.
Lliçó 4. Models estocàstics de sèries temporals (I): conceptes bàsics
4.1. Processos estocàstics
4.2. Conceptes d’estacionarietat i ergodicitat
4.3. Funcions d’autocovariància i autocorrelació
4.4. Models lineals de sèries temporals
4.5. Models elementals: soroll blanc i camí aleatori
Lliçó 5. Models estocàstics de sèries temporals (II): els models lineals
5.1. Models autoregressius (AR)
5.2. Models de mitjanes mòbils (MA)
5.3. Models mixtos (ARMA)
5.4. Processos no estacionaris. Models integrats (ARIMA)
5.5. Models estacionals (SARIMA)
Lliçó 6. Models estocàstics de sèries temporals (III): la metodologia Box-Jenkins
6.1. Identificació de models SARIMA
6.2. Estimació de paràmetres
6.3. Validació del model
6.4. Predicció puntual i per interval
Metodologia i activitats formatives |
Atès que la consecució dels objectius establerts fa que l’assignatura tingui un important vessant aplicat, la metodologia més adient ha de fer confluir l’aprenentatge dels conceptes teòrics necessaris amb la seva aplicabilitat pràctica. Per aconseguir-ho, la metodologia de l’assignatura es concreta en les activitats següents: |
Avaluaciķ acreditativa dels aprenentatges |
Avaluació continuada
Avaluaciķ única L’estudiant que manifesti que no pot complir els requisits de l’avaluació continuada, té dret a una avaluació única. Per superar l’avaluació de l’assignatura, els alumnes matriculats han de mostrar un grau d’assoliment suficient dels objectius plantejats en una única prova presencial, que computa el 100 % de la qualificació. Aquesta prova sempre es duu a terme en les convocatòries oficials fixades pel Consell d’Estudis. Consisteix en una prova amb preguntes relacionades tant amb aspectes teòrics com pràctics de l’assignatura, en què l’estudiant ha de mostrar els coneixements i les habilitats i competències descrits en el pla docent. |
Fonts d'informaciķ bāsica |
Consulteu la disponibilitat a CERCABIB
Llibre
ARMSTRONG,J. Scott (ed) Principles of forecasting : a handbook for researchers and practitioners. Boston : Kluwer Academic Publishers, 2001
AZNAR, Antonio; TRÍVEZ, Francisco J. Métodos de predicción en economía. (Volumen 1). Barcelona: Ariel, 1993
BROCKWELL, Peter J. Introduction to time series and forecasting. 2ª ed. New York : Springer, 2010
CHATFIELD, Christopher. Time-series forecasting. 6ª ed . Boca Raton : Chapman & Hall/CRC, 2004
CLEMENTS, Michael P; HENDRY. David F. Companion to economic forecasting . Malden (Mass.) : Blackwell, 2004
CLEMENTS, Michael P. Forecasting economic time series. Cambridge: Cambridge University Press, 2000
DIEBOLD, Francis X., Elements of forecasting . Francis X. Diebold, 2007
GARCÍA, J.R.; MORENO, R.; VAYÁ, Esther. Mètodes de previsió empresarial : ADE: curs 2001-2002. (Fotocòpia). Barcelona: Universitat de Barcelona, 2001
GRAHAM, Elliot; CLIVE, W.J., Granger; TIMMERMANN, Allan. Handbook of economic forecasting. Amsterdam: Elsevier, 2006
HARRIS, Richard; SOLLIS, Robert. Applied time series modelling and forecasting. Chichester: Wiley, 2003
MARTÍN PLIEGO, Francisco Javier. Introducción a la estadística económica y empresarial: teoría y práctica. 3a ed. Madrid: Thomson, 2011
MOLNAR, Alan T. (ed). Economic forecasting . New York : Nova Science Publishers, 2010
PULIDO SAN ROMÁN, Antonio. Predicción económica y empresarial. Madrid: Pirámide, 1989
URIEL JIMENEZ, Ezequiel. Análisis de datos: series temporales y análisis multivariante. Madrid: AC, 1995
URIEL JIMENEZ, Ezequiel; PEIRÓ, Amado. Introducción al análisis de series temporales. Madrid: AC, 2005
Adaptaciķ de la docčncia teōrica a les modalitats en línia i mixta durant el curs 2020-2021. La docčncia mixta és aplicable només als estudiants de primer curs de grau. |
ADDENDA QUE MODIFICA EL PLA DOCENT DE L’ASSIGNATURA DE MÈTODES DE PREVISIÓ DEL CURS 2020-2021 |