🧠 1️⃣ Introducción general
Las series temporales permiten analizar cómo evoluciona una variable a lo largo del tiempo. Son fundamentales en econometría y finanzas, ya que muchas decisiones dependen de patrones históricos y previsiones.
En esta página encontrarás una guía de contenido útil sobre series temporales, donde se introducen los conceptos clave de forma ordenada: desde el análisis descriptivo (tendencia y estacionalidad), hasta los modelos clásicos utilizados en la práctica, como AR, ARIMA y SARIMA, siempre acompañados de ejemplos en R.
🔹 2️⃣ Fundamentos de las series temporales
1.Análisis de la tendencia en series temporales | Econometría
En este tutorial se analiza cómo identificar y estudiar la tendencia en series temporales, con ejemplos prácticos que permiten comprender cómo evoluciona una variable a lo largo del tiempo
2.Análisis de la estacionalidad en series temporales
En este vídeo se explica cómo detectar y analizar la estacionalidad en series temporales, mostrando patrones recurrentes a lo largo del tiempo y su relevancia en econometría
👉Ver vídeo : Análisis de la estacionalidad en series temporales | Econometría
3.RUIDO BLANCO en Econometría | Qué es y Cómo Detectarlo
Aquí se analiza el concepto de ruido blanco, su importancia en los modelos de series temporales y cómo detectarlo mediante ejemplos prácticos en R
👉Ver vídeo : Ruido Blanco en Econometría
📌CÓDIGO EN R DEL VIDEO(Pincha aquí)
4.Random Walk (Paseo Aleatorio) | Explicación y Simulación en R
En este vídeo se estudia el modelo de paseo aleatorio (Random Walk), explicando sus características, implicaciones para predicciones y cómo simularlo en R
👉Ver vídeo : Random Walk (Paseo Aleatorio) | Explicación y Simulación en R
🔹 3️⃣ Preparación y supuestos
5.Estacionariedad en Series Temporales | Definición y Test en R
La estacionariedad es un concepto clave en el análisis de series temporales y modelos econométricos. De hecho muchos modelos de series de tiempo necesitan que se cumpla ese supuesto para poder usarse. Este vídeo explica cómo detectar la estacionariedad con test estadísticos.
👉Ver vídeo : Estacionariedad en Series Temporales | Definición y Test en R
🔹 4️⃣ Modelos univariantes
6.Modelos Autorregresivos (AR) | Qué son y cómo usarlos en R
En este vídeo se introduce el modelo autorregresivo (AR), explicando cómo funciona, su definición matemática y cómo aplicarlo para modelar series temporales en R.
▶️Ver tutorial en Youtube: Modelos Autoregresivos(AR)| Qué son y cómo usarlos en R
7.Predicción con modelos autorregresivos(AR) en R |Ejemplo práctico
En este vídeo se muestra cómo realizar predicciones usando modelos autorregresivos, aplicando la teoría en ejemplos prácticos en R
▶️Ver tutorial en Youtube: Predicción con modelos autorregresivos(AR)
8.Entendiendo el Modelo ARIMA | Parte 1 y 2
En estos dos tutoriales explico el modelo ARIMA paso a paso, qué significan sus componentes y cómo se utiliza para modelar y predecir series temporales. Analizamos cómo se interpretan los resultados del modelo y su relación con la formulación teórica, apoyándonos en ejemplos prácticos con RStudio
▶️Ver vídeo 1 : Entendiendo el Modelo ARIMA | Parte 1: Teoría e interpretación del modelo en R
▶️Ver vídeo 2 : Entendiendo el Modelo ARIMA | Parte 2: Interpretación y ejemplo en R
9. SARIMA (ARIMA Estacional) en R | Qué son y cómo usarlos para pronósticos
En el siguiente video se explica qué son los modelos SARIMA, sus diferencias con los ARIMA y cómo usarlos para realizar pronósticos
▶️Ver vídeo en Youtube : SARIMA (ARIMA Estacional) en R | Qué son y cómo usarlos para pronósticos
🔜 Contenido futuro
Esta sección se irá ampliando con temas como:
Modelos GARCH y volatilidad
Cointegración y modelos multivariantes
Series financieras avanzadas