Aviso importante
La guía docente es provisional.
La versión en PDF de la guía docente puede tardar unos días en estar disponible en el DDD.
Modelos Económicos
Código: 40097Créditos: 15
| Titulación | Tipo | Curso |
|---|---|---|
| Análisis Económico / Economic Analysis | OB | 1 |
Profesor/a de contacto
- Nombre :
- Javier Fernandez Blanco
- Correo electrónico :
- javier.fernandez@uab.cat
Equipo docente
- Michael David Creel
- Jordi Masso Carreras
Equipo docente (externo a la UAB)
- Lidia Farré
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Sin prerrequisitos específicos.
Objetivos
El objetivo de la primera parte del módulo es que los estudiantes aprendan conceptos estándar de teoría de juegos no cooperativos y cooperativos a nivel de postgrado.
En la segunda y tercera partes del módulo el objetivo es que los estudiantes aprendan a analizar, interpretar y organizar datos económicos con técnicas estadísticas y econométricas avanzadas. El estudiante también se familiarizará con el uso de paquetes de software econométrico.
Resultados de aprendizaje
- CA06 (Comunicar resultados econométricos e implicaciones a audiencias diversas .) Comunicar resultados econométricos e implicaciones a audiencias diversas .
- CA07 (Reunir conjuntos de datos económicos siguiendo buenas prácticas de replicación .) Reunir conjuntos de datos económicos siguiendo buenas prácticas de replicación .
- CA08 (Formular preguntas dinámicas complejas para su resolución con programación dinámica .) Formular preguntas dinámicas complejas para su resolución con programación dinámica .
- CA09 (Revisar metodologías innovadoras comparándolas con estándares vigentes .) Revisar metodologías innovadoras comparándolas con estándares vigentes .
- KA12 (Describir los principios de la teoría de la estimación y los criterios para aceptar hipótesis .) Describir los principios de la teoría de la estimación y los criterios para aceptar hipótesis .
- KA13 (Enumerar los modelos lineales (OLS/GLS) y el método de máxima verosimilitud con sus supuestos .) Enumerar los modelos lineales (OLS/GLS) y el método de máxima verosimilitud con sus supuestos .
- KA14 (Identificar técnicas IV, GMM, panel, bayesianas, de simulación, no paramétricas y de cuantiles .) Identificar técnicas IV, GMM, panel, bayesianas, de simulación, no paramétricas y de cuantiles .
- KA15 (Reconocer el uso del modelo de generaciones solapadas en el análisis de políticas .) Reconocer el uso del modelo de generaciones solapadas en el análisis de políticas .
- SA07 (Usar métodos de estimación en paquetes estadísticos sobre datos reales .) Usar métodos de estimación en paquetes estadísticos sobre datos reales .
- SA08 (Estructurar un modelo dinámico como sistema de ecuaciones para su programación .) Estructurar un modelo dinámico como sistema de ecuaciones para su programación .
- SA09 (Evaluar los límites de estimadores básicos mediante simulaciones Monte Carlo .) Evaluar los límites de estimadores básicos mediante simulaciones Monte Carlo .
- SA10 (Criticar la potencia y el sesgo de diferentes contrastes de hipótesis .) Criticar la potencia y el sesgo de diferentes contrastes de hipótesis .
- SA11 (Desarrollar rutinas para análisis econométrico reproducible .) Desarrollar rutinas para análisis econométrico reproducible .
Contenidos
I.Teoría de juegos
1. Introducción a la teoría de juegos y algunos ejemplos
2. Juegos en forma normal
3. Juegos en forma extensa
4. Equilibrio de Nash y problemas relacionados
5. Juegos repetidos
6. Juegos de información incompleta
7. Teoría de la negociación
8. Juegos cooperativos
II.Econometría I
1. Introducción al análisis econométrico
2. Mínimos cuadrados ordinarios
3. MCO y teoría de muestras finitas
4. MCO y teoría asintótica
5. Perturbaciones no esféricas
6. Endogeneidad
III.Econometría II
1. Estimación extrema y optimización numérica
2. Máxima verosimilitud
3. Método generalizado de momentos
4. Introducción al análisis de series temporales
5. Temas adicionales en econometría
Para una descripción más detalla del contenido del temario ir a https://sites.google.com/view/idea-program/master-program .
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Conjuntos de problemes, tutoriales | 75 | 3 | |
| Clases teóricas | 112,5 | 4,5 | |
| Estudio personal, grupos de estudio, lecturas de libros de texto, lecturas de artículos | 187,5 | 7,5 |
El curso constará de sesiones donde el profesor presenta el material y sesiones dedicadas específicamente a la resolución de problemas. Se recomienda a los estudiantes que formen grupos de estudio para debatir sobre tareas y lecturas.
La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Examen Parte II | 26% | 0 | 0 | CA06, CA07, CA08, CA09, KA12, KA13, KA14, KA15, SA07, SA08, SA09, SA10, SA11 |
| Asistencia a clases y conjuntos de problemas y tareas | 22% | 0 | 0 | CA06, CA07, CA08, CA09, KA12, KA13, KA14, KA15, SA07, SA08, SA09, SA10, SA11 |
| Examen Parte I | 26% | 0 | 0 | CA06, CA07, CA08, CA09, KA12, KA13, KA14, KA15, SA07, SA08, SA09, SA10, SA11 |
| Examen Parte III | 26% | 0 | 0 | CA06, CA07, CA08, CA09, KA12, KA13, KA14, KA15, SA07, SA08, SA09, SA10, SA11 |
1. EVALUACIÓN CONTINUADA
Examen Parte I | 26% |
Examen Parte II | 26% |
Examen Parte III | 26% |
Listas de problemas y ejercicios & Asistencia a clase y participación activa | 22% |
La evaluación propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
En esta asignatura, no se permite el uso de tecnologías de Inteligencia Artificial (IA) en ninguna de sus fases. Cualquier trabajo que incluya fragmentos generados con IA será considerado una falta de honestidad académica y puede conllevar una penalización parcial o total en la nota de la actividad, o sanciones mayores en casos de gravedad.
2. ESTE MODULO CONTENPLA LA POSIBILIDAD DE EVALUACIÓN ÚNICA
PRUEBA DE EVALUACIÓN ÚNICA (Art. 265 de la Normativa Académica de la UAB)
La solicitud de evaluación única supone la renuncia a la evaluación continua.
La evaluación única debe ser solicitada en la Gestión Académica del Campus donde se cursa el grado/máster dentro del plazo y con el procedimiento que establece el calendario administrativo de la Facultad de Economía y Empresa.
Presencialidad :
- La presencia del o de la estudiante es obligatoria el día que se realice la evaluación única. La fecha será la misma que la del examen final de semestre que consta en el calendario de evaluaciones publicado por la Facultad de Economía y Empresa y aprobado en Comisión de Asuntos Docentes y Académicos de la Facultad. La duración de la evaluación única deberá especificarse dentro de las características de la actividad.
- El 100% de las evidencias deben entregarse el día de la evaluación única.
- Las evidencias de evaluación realizadas presencialmente el día de la evaluación única deben tener un peso mínimo del 70%.
Debe constar la siguiente información referida a las características de la evaluación única. Sugerimos incorporar la siguiente tabla:
Tipología Evidencia (1) | Peso en la evaluación final (%) (2) | Duración de la actividad | ¿La actividad que da lugar a la evidencia se realiza presencialmente en la fecha establecida? (SÍ/NO) (3) |
EXAMEN | 80% |
| SI |
PRUEBA LABORATORIA | 20% |
| SI |
|
|
|
|
TOTAL | 100% |
|
|
(1) Título descriptivo de cada evidencia (examen, resolución listas de problemas, análisis de casos, actividad realizadas con un software específico que se debe conocer...)
(2) Peso de la evidencia en el conjunto de la asignatura (especificar los porcentajes de cada evidencia de evaluación que el alumno debe realizar y/o presentar)
(3) Para cada evidencia: ¿La actividad que da lugar a la evidencia se realiza presencialmente en la fecha establecida para la evaluación única? SI/NO
Bibliografía
Game theory:
Fudenberg and J. Tirole (1991). Game Theory. MIT Press.
Gibbons (1992). A Primer in Game Theory. Harvester Wheatsheal.
Luce and H. Raiffa (1957). Games and Decisions. Wiley.
Mas-Colell, M. Whinston and J. Green (1995). Microeconomic Theory. Oxford University Press.
Moulin (1986). Game Theory for the Social Sciences (second edition). New York University Press.
Moulin (1988). Axioms of Cooperative Decision Making. Cambridge University Press (Econometric Society Monographs).
Myerson (1991). Game Theory: Analysis of Conflict. Harvard University Press.
Osborne and A. Rubinstein (1994). A Course in Game Theory. MIT Press.
Owen (1982). Game Theory (second edition). Academic Press.
Shubik (1984). Game Theory in the Social Sciences. MIT Press.
Vega-Redondo (2003). Economics and the Theory of Games. Cambridge University Press.
Econometrics I and II
Cameron, A.C. and P.K. Trivedi, Microeconometrics - Methods and Applications
Davidson, R. and J.G. MacKinnon, Econometric Theory and Methods
Gallant, A.R., An Introduction to Econometric Theor
Greene, W.H. Econometric Analysis, Pearson Prentice Hall.
Hamilton, J.D., Time Series Analysis
Hayashi, F.,Econometrics, Princeton Univesrity Press.
Wooldridge. Econometric Analysis of Cross Section and Panel Data, MIT Press, Cambridge- Mass, USA.
Referencias adicionales se proporcionan a lo largo del curso.
Software
- Matlab
- R
- Phyton
- Stata
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TEm) Teoría (máster) | 30 | Inglés | segundo cuatrimestre | manaña-mixto |
| (PLABm) Prácticas de laboratorio (máster) | 30 | Inglés | segundo cuatrimestre | manaña-mixto |