MEIO - Summer School - Special Applications in Time Series — Master's degree in Statistics and Operations Research — UPC. Universitat Politècnica de Catalunya

Títol del curs	Special Applications in Time Series
Impartit per	David Alan Dickey
Llengua del curs	Anglès
Dates i horaris del curs	5, 6, 7 i 11 i 12 de juny del 2007, de 9 a 13h
Tipus d'activitat i càrrega lectiva	Curs de 20 hores
Reconeixement acadèmic	2,5 ECTS com a assignatures optatives per als estudiants del MEIO, 2,5 crèdits com a ALE per als de l'LCTE, i 2 crèdits per als de Doctorat
Destinataris	Estudiants del MEIO, de l'LCTE i estudiants de Doctorat
Data de matrícula	El 15 de maig de 2007 - de 11 a 13h i de 16 a 18h
Presentació	El Dr. David A. Dickey és reconegut com a Professor Destacat (Outstanding Teacher) a la Universitat Estatal de Carolina del Nord, on ensenya cursos de màster i doctorat sobre sèries temporals i mètodes estadístics. És coautor del test de Dickey-Fuller, àmpliament utilitzat en l’àmbit de les sèries temporals. A més, el Prof. Dickey té una gran experiència en consultoria col·laborant amb el SAS Institute i desenvolupant i impartint cursos d’anàlisi estadística per a usuaris de SAS. El curs que impartirà el Prof. Dickey és complementari del curs Previsió i Sèries Temporals que es dóna al segon quadrimestre del MEIO a la Facultat de Matemàtiques i Estadística de la UPC. El seguiment d’aquest curs pels estudiants del MEIO és molt necessari perquè en finalitzar hauran obtingut la base teòrica i el punt de vista pràctic en els models avançats de sèries temporals.
Objectius del curs	Presentar els desenvolupaments teòrics necessaris per ajustar models avançats de sèries temporals (regressió amb errors autocorrelacionats i heterocedàstics, per exemple) i per realitzar identificació automàtica de models. Il·lustrar les dificultat i els perills de la tria d’un model concret per una sèrie temporal. Presentar les eines espectrals bivariants, la metodologia d’espai estat i la modelització VARMA. Tractar models no lineals, com ara els de volatilitat i cointegració, i la presència d’arrels unitat. Tractar l’ús dels models de previsió en mineria de dades.
Continguts	1. Overview of Time Series and the General ARIMA Model 2. The ARIMA Model: Advanced Applications 2.1 Seasonal Time Series 2.2 Models with Explanatory Variables 3. The ARIMA Model: Special Applications 3.1. Regression with Time Series Errors and Unequal Variances 3.2. Cointegration 4. State Space Modeling 5. Spectral Analysis 5.1. Periodic Data: Introduction 5.2. Testing for White Noise 5.3. Harmonic Frequencies 5.4. Extremely Fast Fluctuations and Aliasing 5.5. The Spectral Density 5.6. Estimating the Spectrum: The Smoothed Periodogram 5.7. Cross Spectral Analysis 6. Data Mining and Forecasting