Ficha asignatura

Universidad de Alicante. Página principal
Ficha de la asignatura: MACROECONOMETRÍA
Saltar idiomas
Español | Valencià | English
Saltar iconos
  • PDF
  • Imprimir
  • Inicio
Saltar cabecera
Universidad de Alicante. Página principal
Ficha de la asignatura

GUÍA DOCENTE
41240 - MACROECONOMETRÍA (2017-18)

Código41240
Crdts. Europ.5


Departamentos y Áreas
DepartamentosÁreaCréditos teóricos presencialesCréditos prácticos presencialesDpto. Respon.Respon. Acta
FUNDAMENTOS DEL ANÁLISIS ECONÓMICOFUNDAMENTOS DEL ANALISIS ECONOMICO1,20,4


Estudios en los que se imparte
MÁSTER UNIVERSITARIO EN ECONOMÍA CUANTITATIVA


Contexto de la asignatura para el curso 2017-18

Even though the course is self-contained, statistics and econometrics at an advanced undergraduate level are recommended. Computer applications will be based on GAUSS or MATLAB but no prior knowledge of this specific software is required because it will be quickly taught at the beginning.



Profesor/a responsable
COLLADO VINDEL, MARIA DOLORES


Profesores (2017-18)
Grupo Profesor/a
TEORÍA DE 412401COLLADO VINDEL, MARIA DOLORES
CATEDRATICO/A DE UNIVERSIDAD
  PEREZ QUIROS, GABRIEL
SEMINARIO / TEÓRICO-PRÁCTICO DE 412401PEREZ QUIROS, GABRIEL


Matriculados en grupos principales (2017-18)
Grupo (*)Número
1: TEORÍA DE 41240 13
TOTAL 13


Grupos de matricula (2017-18)
Grupo (*)SemestreTurnoIdiomaDistribución
1  (TEORÍA DE 41240) 2do. D ANG desde NIF - hasta NIF -
1  (SEMINARIO / TEÓRICO-PRÁCTICO DE 41240) 2do. D ANG desde NIF - hasta NIF -
(*) 1:1 - ANG
(*) 1:1 - ANG


Otras distribuciones (2017-18)
Grupo Estudio
1 Se le asigna a Erasmus
1 Se le asigna a MÁSTER UNIVERSITARIO EN ECONOMÍA CUANTITATIVA
1 Se le asigna a PROGRAMAS DE MOVILIDAD - MÁSTERES OFICIALES


Consulta Gráfica de Horario
   Más informaciónPincha aquí


Horario (2017-18)
ModoGrupo (*)Día inicioDía finDíaHora inicioHora finAula 
CLASE TEÓRICA 1 12/01/2018 16/03/2018 V 15:30 18:30 0031P2049 
SEMINARIO / TEÓRICO-PRÁCTICO / TALLER 1 12/01/2018 16/03/2018 V 20:30 21:30 0031P2049 
(*) CLASE TEÓRICA
 1: 1 - ANG
(*) SEMINARIO / TEÓRICO-PRÁCTICO / TALLER
 1: 1 - ANG


Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales)

MÁSTER UNIVERSITARIO EN ECONOMÍA CUANTITATIVA

Competencias Generales del Título (CG)
  • CG1: Capacidad para realizar trabajo de investigación.
  • CG2: Capacidad para la búsqueda de datos (naturales y experimentales) y análisis de dicha información.
  • CG3: Capacidad de aplicar teoría económica para representar situaciones reales.
  • CG4: Capacidad de trabajar en equipo.
  • CG5: Capacidad de aprendizaje autónomo.
  • CG6: Compromiso ético y responsabilidad social en el trabajo, respetando el medio ambiente, conociendo y comprendiendo la importancia del respeto a los derechos fundamentales, a la igualdad de oportunidades entre hombres y mujeres, a la accesibilidad universal para las personas con discapacidad y al respeto a los valores propios de una cultura de paz y valores democráticos.
  • CG7: Analizar los problemas con razonamiento crítico, sin prejuicios, con precisión y rigor.
  • CG8: Capacidad de síntesis.

Competencias específicas (CE)
  • CE1: Capacidad de leer razonadamente y evaluar de forma crítica artículos de investigación en Economía, captando cuáles son las contribuciones esenciales y las debilidades de cada uno de ellos.
  • CE2: Capacidad de entender cómo se han resuelto en cada caso los problemas técnicos con los que se han tenido que enfrentar los autores de los artículos de investigación.
  • CE3: Capacidad de realizar pruebas de proposiciones y teoremas.
  • CE4: Capacidad de comprender y replicar los análisis empíricos y los experimentos de simulación en que se basan las conclusiones presentadas en los artículos de investigación de otros autores.
  • CE5: Capacidad de plantear problemas económicos relevantes de modo preciso, y de dar respuesta adecuada a estos problemas utilizando las técnicas aprendidas en los diferentes cursos, apoyándose, si así lo requiriera su estudio, en análisis teóricos, empíricos o de simulación.


Resultados de aprendizaje (Objetivos formativos)
  • El alumno debe ser capaz de leer razonadamente y evaluar de forma crítica artículos de investigación en Econometría, captando cuáles son las contribuciones esenciales y las debilidades de cada uno de ellos. Además, el alumno debe ser capaz de entender cómo se han resuelto en cada caso los problemas técnicos con los que se han tenido que enfrentar los autores de estos artículos.
  • El alumno debe aprender a realizar pruebas de proposiciones y teoremas.
  • El alumno también debe ser capaz de comprender y replicar los análisis empíricos y los experimentos de simulación en que se basan las conclusiones presentadas en los artículos de investigación de otros autores.


Objetivos específicos aportados por el profesorado para el curso 2017-18

The course is intended to provide participants with the necessary tools to apply state of the art techniques for the forecasting of macroeconomic and financial variables and turning points, with special emphasis on recent developments in “nowcasting” The course covers the required econometric theory but with the intention of putting it into practice in specific forecasting situations. Students will receive computer codes that exactly match the techniques covered in class in order to guarantee their applicability to real data.

Each session starts with the presentation of a forecasting technique, followed by the review of the econometric theory required for its analysis, and the detailed explanation of computer programs that can be used to obtain the forecasts. The syllabus covers a wide range of forecasting problems and linear and non-linear econometric methods, but it is designed to be self-contained.



Contenidos para el curso 2017-18

Session 1


Review of things that you are supposed to know, Autoregressive Models, VAR models and cointegration.


Introduction to MATLAB


Session 2


Model selection: Small scale models; dynamic factor models. Common factors, principal components and Kalman filter. Output gap and coincident indicators.


Session 3


Nowcasting and real time forecasting. Incorporating real time information in forecasting models. Real-time out-of-sample evaluation of the models. Data revisions and publication lags. Hard indicators vs indicators based on surveys. Non-seasonally adjusted series. Construction of daily business cycle indicators and forecasts with different models.


 


Session 4 and 5


Midas, Bridge Equations and Mix-Frequency VAR


Session 6 and 7


Forecasting turning points. Non-linear methods. Markov switching and threshold models, Univariate and multivariate analysis. Dynamic non-linear factor models. Non parametric models. Real-time assessment of recession probabilities with unbalanced information. Leading indicators of turning points. Non-linear real-time models for the US, the Euro-area and other economies. Forecasting stock returns. Forecasting second, third and fourth moments of stock returns. Credit and the business cycle. Forecasting amplitudes, durations, and shapes of recessions and expansions. The role of macroeconomic and financial variables in forecasting amplitudes, durations, and shapes of recessions and expansions. Recent pitfalls in the literature. Real-time tests of structural breaks.


Session 8                                 


Forecasting using large scale models. Advantages and disadvantages of large scale models. Principal components. Dynamic principal components.


 


 Bibliography


1.) James Hamilton. “Time Series Analysis” Princeton. (1994). Chapter 13.


2)  Chang-Jin Kim, Charles R. Nelson. “State-Space Models With Regime Switching: Classical and Gibbs-Sampling Approaches With Applications”. MIT Press (1999). Chapter 2.


3) Clark, Peter K. (1987) “The Cyclical Component of US Economic Activity” Quarterly Journal of Economics, 102, 797-814   


4). Clark, Peter K. (1989) “Trend Reversion in Real Output and Unemployment” Journal of Econometrics, 40, 15-32 5). Kuttner, Ken (1996) “Estimating Potential Output as a Latent Variable” Journal of Business and Economics Statistics, Vol 12, Num 3 361-381


6) Stock, James and Mark Watson (1991) “A probability model of the Coincident Economic Indicators” In Leading Economic Indicators: New Approaches and Forecasting Records, ed. K. Lahiri and G.H. Moore. Cambridge. Cambridge University Press, 63-89


7) Aruoba, B., F. Diebold and C. Scotti (2008). Real-time measurement of business conditions, PIER Working Paper No. 08-011, Department of Economics, University of Pennsylvania


8) Maximo Camacho and Perez Quiros, Gabriel: “Introducing the Euro-Sting: Euro Area Short Term Indicator of Growth” Journal of Applied Econometrics 2010


9) Maximo Camacho, Marcos dil Bianco and Perez Quiros, Gabriel:Short-Run Forecasting of the Euro-Dollar Exchange Rate with Economic Fundamentals  Journal of International Money and Finance Vol 31 Issue 2 March 2012 pp 377-396.


10) Maximo Camacho and Perez Quiros, Gabriel:Spain-STING: España Short Term Indicator of Growth  The Manchester School.  The Manchester School,  79: 594-616., 2011


11) Jörg Breitung Sandra Eickmeier “Dynamic factor models“ Discussion Paper Series 1: Economic Studies No 38/2005


12) James Stock. “Dynamic factor models“. (2010) Mimeo


13).Stock, J., Watson, M. (2002) Macroeconomic Forecasting Using Difusion Indexes. Journal of Business and Economic Statistics 20: 147-162.


14)  Camacho, M. and Sancho, I. “Spanish Diffusion Indexes” Span. Econ. Rev. 5, 173–203 (2003)


15) Giannone, D. Reichlin, L and Small, D. 2008. Nowcasting: The real-time informational content of macroeconomic data. Journal of Monetary Economics 55: 665-676.


16).  Barhoumi, K, Benk, S., Cristadoro, R. Ard Den, Jakaitiene, A. Jelonek, P. Rua, A. Runstler, G. Ruth, K. Van Nieuwenhuyze, C. “Short Term Forecasting og GDP using large monthly datasets: A Pseudo Real Time Forecast Evaluation Exercise. ECB Occasional Paper Series, N 84, April 2008.


17) . Angelini, E., Camba-Mendez, G., Giannone, D., Reichlin, L., and Runstler, G. 2008. Short-term forecasts of Euro area GDP growth. CEPR discussion paper No. 6746.


18). Boivin, J., and Ng, S. 2006. Are more data always better for factor analysis? Journal of Econometrics 132: 169-194.


19). Bai, J., and Ng, S. 2008. Forecasting economic time series using targeted predictors. Journal of Econometrics 148: 304-317.


20) Alvarez. Camacho y Perez Quiros (2011) Finite sample performance of small versus large scale dynamic factor models


21) Banbura, Marta and Michelle Modugno (2010)  Maximum Likelihood estimation of factor models on data sets with arbitrary pattern of missing data. ECB Working paper series


22) James H. Stock & Mark W. Watson, 2010. "Estimating Turning Points Using Large Data Sets," NBER Working Papers 16532, National Bureau of Economic Research


23) Hamilton, James (1989) “ A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle” Econometrica, 57: 357-384


24). Perez Quiros, Gabriel and Allan Timmermann (2000) “Firm Size and Cyclical Variations in Stock Returns” The Journal of Finance, Vol 55, Number 3. June 2000.


25) Perez Quiros, Gabriel and Allan Timmermann “Business Cycle Asymmetries in Stock Returns: Evidence from Higher Order Moments and Conditional Densities” Journal of Econometrics, Vol. 103 1-2. July 2001


26) McConnell Margaret, and Perez Quiros, Gabriel. (2000) “Output Volatility in the US: What has Changed Since the Early 80s?.American Economic Review Vol 90, Num 5 December 2000.


27) Bengoechea, P. ,Camacho M. y Pérez Quirós, G. “A useful tool to forecast the Euro-area Business Cycle Phases” International Journal of Forecasting, 22, 2006, pp. 735-749


28) Kim, Chang-Jin and Charles Nelson. (1999). “Friedman´s Plucking Models of Business Fluctuations: Tests and Estimates of Permanent and Transitory Components. Journal of Money Credit and Banking, Vol 31, No 3 pp 317-334


29) Maximo Camacho, Gabriel Perez Quiros and Pilar Poncela Green Shoots in the Euro area. A real time approach. Forthcoming International Journal of Forecasting


30). Chauvet, M., and Piger, J. 2008. A comparison of the real-time performance of business cycle dating methods. Journal of Business and Economic Statistics 26: 42-49.


31) Maximo Camacho, Gabriel Perez Quiros and Pilar Poncela “Real time Common Factor Markov Switching Models” Mimeo


32) Stock and Watson. Indicators for dating business cycles: Cross-History Selection and Comparison. American Economic Review May 2010


33) Hamilton, James  “Calling Recessions in Real Time”. International Journal of Forecasting


34) Hamilton, James  What’s Real About the Business Cycle. Federal Reserve Bank of St. Louis Review, July/August 2005, 87(4), pp. 435-52.


35) Gali Jordi. Technology, Employment, and the Business Cycle: Do Technology Shocks Explain Aggregate Fluctuations?. American Economic Review. March 1999


36) Maximo Camacho and Perez Quiros, Gabriel (2002) “This is What the Leading Indicators Lead” Journal of Applied Econometrics, 17, 61-80.


37). Harding, D. and A. Pagan (2002a). Dissecting the cycle: a methodological investigation. Journal of Monetary Economics 49: 365-381.


38) Potter, Simon  (1995) “A Nonlinear Approach to US GNP” Journal of Applied Econometrics, Vol 10.(7)


39). Teräsvirta, T. (1994). “Specification, estimation and evaluation of smooth transition autoregressive models”. Journal of the American Statistical Association 89: 208-18.


40) Drehmann Mathias and Michael Juselius, 2012. "Do debt service costs affect macroeconomic and financial stability?" BIS Quarterly Review, September.


41) Gourinchas, Pierre-Olivier. and Maurice Obstfeld. 2011. "Stories of te Twentiech Century for the Twenty-First." American Economic Journal: Macroeconomics (forthcoming).


42) International Monetary Fund. 2009. "From recession to recovery: how soon and how strong?" In World Economic Outlook.


43) International Monetary Fund. 2010. "The IMF-FSB Early Warning Exercise. Design and Methodological Toolkit" September 2010.


44) Jorda, Oscar, Moritz Schularick and Alan M. Taylor. 2011a. "When credit bites bak: leverage, business cycles and crises." NBER Working Paper Series 17621.


45) Jorda, Oscar, Moritz Schularick and Alan M. Taylor. 2011b. "Financial crises, Credit Booms, and External Imbalances." IMF Economic Review (forthcoming).


46) Gadea, Lola and Perez Quiros, Gabriel The failure to predict the Great Recession. A view through the role of credit. 2014


47) Forecast Evaluation and Combination. Frank Diebold and Jose Lopez. 1995. Federal Reserve Bank of New York WP 9525


48) Comparing Predictive Accuracy. Frank Diebold and Roberto Mariano Journal of Business & Economic Statistics, Vol. 13, No. 3, (Jul., 1995), pp. 253-263 (8)


49) "Nonlinear Time Series Models in Empirical Finance" Phillip Franses and Dick van Dick, June 2000  Cambridge University Press.



Instrumentos y Criterios de Evaluación 2017-18

Students will receive 4 homeworks and they have to hand them in due time. The homeworks are graded, and the students will have to discuss their solutions in class. These homeworks will count for 50% of the grade. The other 50% will be a final exam. The final exam can be retaken in July.

TipoCriterioDescripciónPonderación
ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE

There will be problem sets and presentations. Cooperation in the assignments is encouraged, but they should be written up individually.

Problem sets and presentations50
EXAMEN FINAL

There will be a final exam during the exam period.

Final exam50
TOTAL100


Fechas de exámenes oficiales para el curso 2017-18
Información no disponible en estos momentos.
(*) 1:1 - ANG
(*) 1:1 - ANG


Enlaces relacionados
Sin Datos


Bibliografía

Time Series Analysis
Autor(es):HAMILTON, James D.
Edición:Princeton : Princeton University Press, 1994.
ISBN:0-691-04289-6
Categoría:Sin especificar (*3)
 [ Acceso al catálogo de la biblioteca universitaria
(*3) Estos apartados hacen referencia a la pertenencia de la obra para la asignatura, no a la calidad de la misma.
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios.


Documento para la solicitud de reconocimiento de créditos en otros estudios. Es necesario que se firme en el departamento correspondiente.



Documento con toda la información de la Guía Docente



Versión impresa reducida


Saltar pie
Servicio de informática
Saltar estandares
Condiciones de uso - Accesibilidad - Info Legal - © Universidad de Alicante 1996-2009