Series Temporales y Predicción. Modelos clásicos, multivariantes y financieros

El análisis de series temporales constituye una de las herramientas fundamentales para comprender y anticipar la evolución de los fenómenos económicos y financieros. Desde la inflación y el crecimiento económico hasta la demanda energética, las ventas empresariales o la volatilidad de los mercados financieros, gran parte de las decisiones relevantes dependen de nuestra capacidad para extraer información del pasado y transformarla en predicciones útiles para el futuro.

Este manual ofrece un recorrido completo y riguroso por las principales técnicas de modelización y predicción temporal. Partiendo de los fundamentos clásicos de la disciplina —descomposición de series, estacionariedad, modelos AR, MA, ARMA y ARIMA—, el lector avanzará progresivamente hacia herramientas de mayor sofisticación, como los modelos VAR y VECM, la cointegración, los modelos ARCH y GARCH, el alisado exponencial, los modelos ETS y las técnicas modernas de aprendizaje automático aplicadas a series temporales.

La obra dedica además una atención especial al análisis financiero, incorporando capítulos sobre volatilidad, medición del riesgo mediante Value at Risk y Expected Shortfall, GARCH multivariante, memoria larga, volatilidad realizada con datos de alta frecuencia y teoría de valores extremos.

Con un enfoque eminentemente práctico, todos los métodos se desarrollan mediante ejemplos reales y código reproducible en R, permitiendo al lector no solo comprender la teoría subyacente, sino también aplicarla de forma inmediata a problemas reales de análisis y predicción.

Dirigido a estudiantes de Economía, Finanzas, Ciencia de Datos y disciplinas afines, así como a profesionales que necesiten modelizar fenómenos dinámicos, este libro proporciona una formación sólida y actualizada en una de las áreas más relevantes de la econometría moderna.