Última actualización: 15/07/2020


Curso Académico: 2020/2021

Temas de Economía Aplicada B
(16873)
Titulación: Máster Universitario en Análisis Económico (68)
Escuela de Economía y Ciencia Política


Coordinador/a: DOLADO LOBREGAD, JUAN JOSE

Departamento asignado a la asignatura: Departamento de Economía

Tipo: Optativa
Créditos: 4.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Cursos de posgrado en Estadística, Econometría I y Econometría II (Máster en Análisis Económico)
Objetivos
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.
Descripción de contenidos: Programa
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
Actividades formativas, metodología a utilizar y régimen de tutorías
Técnicas de calibración, simulación y estimación de última generación.
Sistema de evaluación
  • Peso porcentual del Examen Final 70
  • Peso porcentual del resto de la evaluación 30
Bibliografía básica
  • Cahuc, P. and A. Zylberberg. Labor Economics. MIT Press. 2014
  • Cameron, C. Machine Learning for Microeconomists (slides). http://cameron.econ.ucdavis.edu/e240f/machinelearning.html. 2017
  • Hamilton, J. . Time Series Analysis. Princeton University Press, ch.22 4. . 1994
  • Johansen, S.. Likelihood Based Inference in Cointegrated Autoregressive Models. Oxford University Press. 1995
  • Kilian, L. and H. Lutkepohl. Structural Vector Autoregressive Analysis. Cambridge University Press. 2017
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Balmaseda, M., Dolado, J. and D. Lopez-Salido . The Dynamic Effects of Shocks to Labour Markets: Evidence from OECD Countries. Oxford Economic Papers 52,3-23 . 2000
  • Banerjee, A., Marcellino, M and C. Osbat. Testing for PPP: Should We Use Panel Data Methods?. http://repec.org/res2002/Banerjee.pdf . 2002
  • Beaudry, P. and F. Portier . News, Stock Prices and Economic Fluctuations. American Economic Review, 96, 1293-1307. 2006
  • Bernanke, B. and I. Mihov . Measuring Monetary Policy. Quarterly Journal of Economics, 113, 869-902 . 1998
  • Blanchard, O. and D. Quah. The Dynamic Effects of Aggregate Demand and Supply Disturbances. American Economic Review 79, 655-73 6. 1989
  • Blanchard, O. and R. Perotti . An Empirical Characterization of the Dynamic Effects of Changes in Government Spending and Taxes on Output. Quarterly Journal of Economics, 117, 1329-1368. 2002
  • Bullard, J. and J. Keating. The Long-Run Relationship Between Inflation and Output in Postwar Economics. Journal of Monetary Economics 36, 477-96 . 1995
  • Canova, F.. Vector Autoregressive Models: Specificatio, Estimation, Inference, and Forecasting. ch. 2 in Pesaran, M. H and M. Wickens (eds), Handbook of Applied Econometrics, Blackwell. 1995
  • Charnavoki, V. and J. Dolado. The Effects of Global Shocks on Small Commodity-Exporting Economies. New Evidence from Canada. American Economic Journal ¿Macro, 6(2), 207-237. . 2014
  • Chen, L., Dolado, J. and J. Gonzalo. Detecting Big Structural Breaks in Large Factor Models. Journal of Econometrics, 180, 30-48. 11. . 2014
  • Chen, L., Dolado, J. and J. Gonzalo. Quantile Factor Models. http://dolado.blogspot.it/p/research.html . 2017
  • Christiano, L.J., Eichenbaum, M. and C. Evans . Monetary Policy Shocks: What Have we Learned and to What End?. in Taylor and Woodford, Handbook of Macroeconomics.. 2000
  • Christiano, L.J., Eichenbaum, M. and R. Vigfusson. The Response of Hours to a Technology shock: Evidence Based on Direct Measures of Technology. Journal of the European Economic Association, 2, 381-395. . 2004
  • Clarida, R., Galí, J and M. Gertler . Monetary Policy Rules in Practice: Some International Evidence. European Economic Review, 42, 1033- 68. 10. . 1998
  • Dolado, J. and J. Jimeno. The Causes of Spanish Unemployment: a Structural VAR Approach. European Economic Review 41, 1281-1307.. 1997
  • Dolado, J. and R. Maria-Dolores . Evaluating Changes in The Bank of Spain's Interest Rate Target: An Alternative Approach Using Marked Point Processes . Oxford Bulletin of Economics& Statistics, 64, 159-82. . 2002
  • Dolado, J., Gonzalo, J. and L. Mayoral . A Fractional Dickey-Fuller Test for Unit Roots. Econometrica, 70, 1963-2006. . 2002
  • Dolado, J., R. Maria-Dolores and F.J. Ruge-Murcia. Nonlinear Monetary Policy Rules: Some New Evidence for the U.S.. Studies in Nonlinear Dynamics and Econometrics, 8, (3). . 2004
  • Dolado, J., R. Maria-Dolores and M. Naveira . Are Monetary-policy Reaction Functions Asymmetric ?: The Role of Nonlinearity in the Phillips Curve. European Economic Review, 49, 485-503. . 2005
  • Erceg, C. J., Guerreri, L. and C. Gust. Can Long-Run Restrictions Identify Technology Shocks?. Journal of the European Economic Association, 3. . 2005
  • Fernández-Villaverde, J. Guerrón-Qintana., P. and J.F. Rubio-Ramírez . Reading the Recent Monetary History of the United States, 1959-2007. Review Federal Reserve Bank of St. Louis, issue May, pp. 311-338, 92, 1-28.. 2010
  • Fernández-Villaverde, J., Rubio-Ramirez, J. F, Sargent, T. and M. Watson . A, B, C, (and D)s for Understanding VARs. American Economic Review 97, 1021-1026.. 2007
  • Galí, J . Technology, Employment and the Business Cycle: Do Technology Shocks Explain Aggregate Fluctuations? . American Economic Review, 89, 249-271.. 1999
  • Galí, J and M. Gertler . Inflation Dynamics: A Structural Econometric Analysis. Journal of Monetary Economics, 44, 195-222. . 1999
  • Galí, J. . The Return of the Wage Phillips Curve. Journal of the European Economic Association, 9, 436-461. . 2011
  • Galí, J. . Notes for a New Guide to Keynes (I): Wages, Aggregate Demand, and Employment. Journal of the European Economic Association, 1(5) 973-1003. . 2013
  • Hamilton, J.. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle. Econometrica 57, 357-84. . 1989
  • Jermann, U. and V. Quadrini. Macroeconomic Effects of Financial Shocks. American Economic Review, 102, 2012.. 2012
  • Johansen, S. and K. Juselius . Maximum Likelihood Estimation and Inference on Cointegration: With Applications to the Demand for Money. Oxford Bulletin of Economics & Statistics 52, 169-210. . 1990
  • Johansen, S. and M. O. Nielsen . Likelihood Inference for a Fractionally Cointegrated Vector Autoregressive Model. Econometrica, 80, 2667-2733. . 2012
  • Koenker, R, and K.F. Hallock. Quantile Regression. Journal of Economic Perspectives 15 (4), 143-156. 2001
  • Lubik, T. . Estimating a Search and Matching Model of the Aggregate Labor Market. Richmond Fed Economic Quarterly, 95, 101-120 . 2009
  • Mertens, K. and M. Ravn . A Reconciliation of SVAR and Narrative Estimates of Tax Multipliers. Journal of Monetary Economics, 68, S1-S19. . 2014
  • Mullainathan, S. and J. Spiess . Machine Learning: An Applied Econometric Approach. Journal of Economic Perspectives 31 (2), 87-106. 2017
  • Phillips, P.C.B and J. Pu . Dating the Timeline of Financial Bubbles during the Subprime Crisis. Quantitative Economics, 1(2): 455-491. . 2010
  • Stock, J. and M. Watson. Forecasting Using Principal Components from a Large Number of Predictors. Journal of the American Statistical Associatio. 2002
  • Uhlig, H. . What Are the Effects of Monetary Policy on Output? Results from an Agnostic Identification Procedure. Journal of Monetary Economics, 2005, 52(2), pp. 381-419.. 2005
Recursos electrónicosRecursos Electrónicos *
Contenido detallado de la asignatura o información adicional para TFM
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.