Cursos de posgrado en Estadística, Econometría I y Econometría II (Máster en Análisis Económico)

El objetivo de este curso es doble. La primera mitad del programa de estudios está dedicada a familiarizar a los estudiantes de posgrado con una amplia gama de métodos econométricos para la estimación de modelos macro SVAR, DSGE y SAM. Se hace especial hincapié en el análisis de los efectos de transmisión y propagación en los choques financieros, fiscales, monetarios y de productividad en los agregados macro en los mercados laborales y de productos. La segunda mitad del curso está dedicada a la estimación e inferencia en grandes conjuntos de datos, incluidos métodos como regresiones cuantiles, modelos factoriales y técnicas de aprendizaje automático. El curso se organizará en torno a conferencias y presentaciones en papel para proporcionar una teoría económica sólida y antecedentes econométricos para cada tema. Las conferencias se complementarán con conjuntos de problemas, que incluyen ejercicios teóricos y empíricos.

Tema 1. Modelos VAR en macro (breve descripción general) 1.1 Marco general (VAR, ECM, SVAR) 1.2 Estimación de modelos VAR, ECM, SVAR y Proxy SVAR 1.3 Identificación de restricciones: corto y largo plazo, signo, heterocedasticidad, IV 1.4 Especificando el rango de cointegración 1.5 VAR bayesianos Tema 2. Aplicaciones empíricas 2.1 Choques de inflación y neutralidad monetaria 2.2 Choques del mercado laboral 2.3 Choques fiscales 2.4 Identificación de regímenes de cambio de política monetaria 2.5 ¿Qué significan los VAR cuando los choques son persistentes? 2.5. Precios de las acciones, choques noticiosos y el ciclo económico 2.6 Un ataque a los modelos RBC: tecnología versus choques de demanda 2.7 Uso de modelos DSGE para verificar la identificación en SVAR Tema 3. Miscelánea 3.1 Roturas estructurales 3.2 Modelado de TS con cambios en el régimen a través de las cadenas de Markov 3.3 Procesos de punto marcado en datos de alta frecuencia 3.4 Estimación de las reglas de Taylor y las curvas de Phillips NK 3.5 Modelos de regresión cuantil 3.6 Modelos de factores dimensionales grandes (estimación, pronóstico, interrupciones, cuantiles) 3.7 Prueba de burbujas racionales. 3.8 Calibración / Estimación de modelos de búsqueda y coincidencia Tema 4. Técnicas de aprendizaje automático 4.1 Estimación del error de predicción 4.2 Contracción y métodos LASSO 4.3 Métodos no lineales 4.5 Árboles de regresión, bosques al azar 4.6 Inferencia causal con el aprendizaje automático

Técnicas de calibración, simulación y estimación de última generación.