Técnicas avanzadas de predicción

El objetivo de este libro es presentar las técnicas avanzadas de predicción en su faceta práctica. Cada capítulo comienza con una breve exposición de los conceptos teóricos a utilizar en los ejemplos y ejercicios que ilustran las diferentes técnicas de modelización. Se utilizarán los paquetes de software más adecuados como R, SAS, SPSS y STATGAPHICS. El contenido de este libro se dirige a docentes, investigadores y estudiantes universitarios de todos los niveles que utilizan, imparten o cursan las materias de Econometría o modelización en general. También es muy útil para los profesionales de la Economía, Estadística, Ciencias Sociales, Ciencias Experimentales, Ingenierías y otras ramas científicas en las que se aplican las técnicas predictivas. El libro comienza tratando la estimación, diagnosis y predicción en el modelo de regresión múltiple, analizando profundamente las problemáticas de la heteroscedasticidad, multicolinealidad, autocorrelación, ausencia de normalidad, no linealidad y problemas de exogeneidad y regresores estocásticos. Para cada problemática se estudian tanto los métodos de detección como los métodos de corrección. Posteriormente, se abordan en profundidad el modelo lineal general y los modelos lineales generalizados. A continuación se tratan los modelos dinámicos, así como el análisis univariante y multivariante de series temporales incluyendo los modelos ARIMA, los modelos del análisis de la intervención y los modelos de la función de transferencia a través de la metodología de Box Jenkins. Este contenido se amplía a través de los modelos multiecuacionales de ecuaciones simultáneas y los modelos VAR, VARMA, VARX, BVAR y otras tipologías de modelos multivariantes de series temporales. La última parte del libro desarrolla los modelos no lineales uniecuacionales y multiecuacionales, los árboles de decisión y los modelos de redes neuronales.