MODELIZACIÓN ECONÓMICA II
LICENCIATURA EN ECONOMÍA (CUARTO CURSO)
UNIVERSIDAD DE SALAMANCA
PROGRAMA
Lista de definitiva de presentaciones
Pregunta presentación trabajos metodológicos
CALIFICACIÓN DE LA EVALUACIÓN CONTINUA. CURSO 2011/2012
TEMA 1. Especificación de modelos económicos
(descargar transparencias)
En este tema se repasa la metodología econométrica haciendo hincapié en la espeficicación de los modelos económicos que arranca de la teoría económica. Sin embargo la validez de los modelos reside en el apoyo de los datos (realidad) y en su utilidad (capacidad predictiva) para la toma de decisiones económicas. En consecuencia la modelización económica tiene que tener en cuenta no sólo las teorías existentes a la hora de explicar un problema económico sino las fuentes de datos disponibles y el objetivo final que se pretende con el modelo (validación muestral del mismo, predicción de la realidad, simulación y control de políticas económicas, toma de decisiones, etc.). En este tema se analizarán mediante ejemplos empíricos los distintos problemas y sus posibles soluciones a los que se enfrenta un investigador a la hora de la construcción, estimación y evaluación de modelos económicos.
Referencias:
Granger, C. W. J. (1999). Empirical Modelling in Economics. Cambridge University Press, Cambridge, U.K..
Lecturas:
Aznar, A. (2007). Qué Podemos Hacer los Economistas con una Ciencia que Debe (y Casi no Puede) Ser Empírica. En XXV Años del Colegio de Economistas de Aragón.
Kramarz, F., Angrist, J., Blau, D., Falk, A., Robin, J-M. and Taber, C. R. (2006). How to do Empirical Economics. Investigaciones Económicas 30, 179-206.
TEMA 2. Modelos de series temporales en finanzas
(descargar transparencias Modelos ARIMA y Modelos GARCH)
Los modelos econométricos estáticos no parecen ser adecuados para modelizar los aspectos dinámicos de la realidad económica, lo que se refleja especialmente en su escasa capacidad predictiva. Para ello se han propuesto modelos econométricos dinámicos e incluso directamente modelos de series temporales. En las últimas décadas estos modelos se han utilizado ampliamente en el campo de las finanzas no sólo por la disponibilidad de datos con cualquier frecuencia sino por la necesidad de modelizar otros momentos (aparte de la media condicional) de la distribución generadora de los datos. En este tema se analizarán algunos aspectos relacionados con la modelización de series temporales financieras haciendo especial énfasis en los modelos GARCH para la modelización de la varianza condicional y en otras modelizaciones para capturar la no-normalidad de los datos.
Referencias:
Mills, T. and Markellos, R. N. (2008). The Econometric Modelling of Financial Time Series. Third Edition, Cambridge University Press, Cambridge, U.K..
Jondeau, E., Poon, S-H. and Rockinger, M. (2007). Financial Modelling Under Non-Gaussian Distributions. Springer-Verlag, London, U.K..
Lectura:
Ñíguez, T. M., Rubia, A. and Perote, J. (2009). Are the High Order Moments of the Asset Returns Distribution Forecastable? Journal of Current Issues in Finance, Business and Economics 2, 1-20.
TEMA 3. Evaluación de modelos económicos y de finanzas
La evaluación de las teorías o modelos económicos o de finanzas debe hacerse ateniéndose a la calidad de las decisiones económico-financieras que se tomen en función de los mismos. En consecuencia la evaluación debe ser postmuestral, es decir, en términos de capacidad predictiva y no sólo de medidas de “bondad del ajuste”. En este tema se analizarán cuestiones relacionadas con la evaluación de modelos y predicciones econométricas poniendo énfasis en las técnicas más novedosas de predicción de toda la densidad y utilización de funciones de costes generales.
Referencias:
Clements, M. P. (2005). Evaluating Econometric Forecasts of Economic and Financial Variables. Palgrave MacMillan, U.K.
Granger, C. W. J. (1999). Empirical Modelling in Economics. Cambridge University Press, Cambridge, U.K..
Lectura:
Ñíguez, T. M. and Perote, J. (2004). Forecasting the Density of Asset Returns. STICERD papers in Econometrics, London School of Economics and Political Science.
TEMA 4. Causalidad y evaluación de políticas en modelos económicos
El análisis clásico de regresión establece correlaciones (parciales) entre la(s) variable(s) dependiente(s) y las variables explicativas. Sin embargo el haber observado una relación no permite afirmar nada en cuanto a la causalidad entre las variables. Por ello este tema se dedica a repasar la noción de causalidad en el sentido de Granger, sus formas de contraste y sus implicaciones. Además el tema introduce algunos aspectos de la evaluación de políticas económicas donde el establecimiento de relaciones causales entre las variables económicas resulta de vital importancia.
Referencias:
Granger, C. W. J. (1980). Testing for Causality. A Personal Viewpoint. Journal of Economic Dynamics and Control 2, 329-352.
Granger, C. W. J. (2002). Economic Policy and Uncertainty. In The Alexa G. McKenna Education Series Lectures, Center for Economic and Policy Education, Saint Vincent College: Latrobe.
Lectura:
Del Brío, E. B., Gómez, G. and Perote, J. (2009). Superior Skills or Superior Information: Insider Trading and Entrenchment Effects in the Spanish Banking Sector. Mimeo.
TEMA 5. Técnicas de estimación y contraste para modelos económicos
(descargar transparencias de "Strategy-Proof estimation")
Uno de los aspectos básicos en la modelización económica es el disponer de técnicas adecuadas para la estimación y el contraste de modelos económicos. Por ello este tema se dedica a comparar algunas de las técnicas más ampliamente utilizadas como son las basadas en “mínimos cuadrados” (en la cuales se pueden encuadrar diferentes estimadores) y en “máxima verosimilitud”. En ambos casos se compararán los supuestos que se asumen en cada caso, las propiedades en muestras finitas y asintóticas de los estimadores resultantes y las correspondientes técnicas de contrastes de restricciones lineales y no lineales. Finalmente se analizarán otro tipo de propiedades relacionadas con la robustez de los estimadores frente a datos susceptible de ser manipulados por parte de los agentes suministradores de los mismos.
Referencias:
Angrist, J. D. and Pischke, J-S. (2009). Mostly harmless Econometrics: An Empiricist’s Companion. Princeton University Press , Princeton, U.S..
Lectura:
Perote, J. and Perote-Peña, J. (2004). Strategy-Proof Estimators for Simple Regression. Mathematical Social Sciences 47, 153-177.
TEMA 6. Modelización económica y economía experimental
La modelización económica se encuentra un serio obstáculo en la ausencia de datos adecuados para contrastar algunas relaciones económicas, especialmente relacionadas con el comportamiento económico de los agentes en diversos contextos. En estos casos la economía experimental supone un importante avance en el ámbito de la modelización económica no sólo por permitir evaluar teorías económicas de difícil contraste sino por posibilitar el control (en un laboratorio) de cualquier aspecto relacionado con el estudio. En este tema se introducen las técnicas de economía experimental en la modelización económica mediante algunos ejemplos y aplicaciones sencillas.
Referencias:
Kagel, J. H. (1995). Auctions: A survey of experimental research. In J. H. Kagel & A. E. Roth (Eds.) Handbook of Experimental Economics, Princeton University Press, Princeton, U.S.
Leyard, J. O. (1995). Public Goods: A survey of experimental research. In J. H. Kagel & A. E. Roth (Eds.) Handbook of Experimental Economics, Princeton University Press , Princeton, U.S..
Lecturas:
Neugebauer, T. and Perote, J. (2008). Bidding ‘as if’ Risk Neutral in Experimental First Price Auctions without Information Feedback. Experimental Economics 11, 190-202.
Neugebauer, T. Perote, J., Schmidt, U. and Loos, M. (2009). Self Biased Conditional Cooperation: On the Decline of Contributions in Repeated Public Goods Experiments. Journal of Economic Psychology 30, 52-60.
EVALUACIÓN
La evaluación se realizará mediante una prueba escrita al final de la asignatura. Alternativamente los alumnos podrán optar por ser evaluados mediante la realización y defensa de trabajos relacionados con las lecturas complementarias de cada tema. Además a lo largo de la asignatura se podrán proponer ejercicios voluntarios que serán tenidos en cuenta en las calificaciones finales.