Objetivo: Preparar los datos de las series temporales para ajustar un modelo mediante identificación de tendencias y aplicación de transformación de datos.

• Eliminación de tendencias exponenciales
• Identificación de tendencias polinómicas y estacionales
• Testeo de estacionalidad de los datos
• Estacionar datos
• Tests de raíces unitarias

Objetivo: Uso de herramientas de diagnóstico para seleccionar un grupo de modelos ARIMA y GARCH candidatos para unas series temporales dadas. Identificar, crear y ajustar estos modelos de series temporales a los datos.

• Cálculo de autocorrelación y autocorrelación parcial
• Selección de modelos usando test formales
• Selección de modelos ARIMA y GARCH candidatos para un conjunto de datos dados
• Creación y ajuste de modelos de series temporales a un conjunto de datos

Objetivo: Cálculo y evaluación de los diagnósticos de un modelo para asegurar su fiabilidad.

• Inferir los residuos de un modelo
• Testeo de residuos por normalidad
• Análisis de diagnósticos y estadísticos de la bondad de ajuste de un modelo
• Evaluación de significancia de los términos del modelo
• Comparación de modelos

Objetivo: Modelos predictivos para predecir futuros datos. Simular trayectorias y estadísticos mediante técnicas de simulación Monte Carlo.

• Predicción de datos usando modelos ajustados
• Utilización de predicción in-sample para evaluar modelos
• Simulación de modelos Monte Carlo
• Backtesting de modelos