Análisis de series temporales en R

En este capítulo verás cómo organizar y visualizar datos de series temporales en R. Aprenderás varias suposiciones simplificadoras muy utilizadas en el análisis de series temporales y las características comunes de las series financieras.

En este capítulo identificarás tendencias y aprenderás el modelo de ruido blanco (WN), el modelo de paseo aleatorio (RW) y la definición de procesos estacionarios.

En este capítulo repasarás el coeficiente de correlación, lo usarás para comparar dos series temporales y también lo aplicarás para comparar una serie con su propio pasado, como una autocorrelación. Descubrirás la función de autocorrelación (ACF) y practicarás cómo estimar y visualizar autocorrelaciones para datos de series temporales.

En este capítulo aprenderás el modelo autorregresivo (AR) y varias de sus propiedades básicas. También practicarás cómo simular y estimar el modelo AR en R y compararás el modelo AR con el modelo de paseo aleatorio (RW).

En este capítulo aprenderás el modelo de media móvil simple (MA) y varias de sus propiedades básicas. También practicarás cómo simular y estimar el modelo MA en R y compararás el modelo MA con el modelo autorregresivo (AR).