Curso: Markov Switching y Threshold models Univariados
.png)
-
Comprender los fundamentos teóricos y la intuición económica detrás de los modelos de cambio de régimen.
-
Aplicar modelos univariados de Markov Switching y Threshold autoregresivos en series temporales.
-
Estimar, diagnosticar e interpretar regímenes y transiciones entre estados.
-
Visualizar regímenes estimados y comparar modelos con estructuras lineales.
-
Implementar los modelos con Python y bibliotecas especializadas (statsmodels, msm, nlinTS, pyflux, entre otras).
Profesionales y empresas
Que buscan dominar herramientas de IA, automatización y analítica avanzada.
​
Estudiantes y egresados
Que desean actualizar sus conocimientos y acceder a oportunidades laborales.
​
Equipos corporativos
Que requieren formación estratégica para impulsar la transformación digital
Introducción a modelos no lineales y Threshold Models (TAR/SETAR)
-
Motivación: ¿por qué modelos no lineales?
-
Tipos de cambio de régimen: abrupto (Threshold) vs. suave vs. probabilístico (MS)
-
Introducción a Threshold Autoregressive Models (TAR y SETAR)
-
Identificación del umbral y número de regímenes
-
Estimación por mínimos cuadrados por partes
-
Visualización de los regímenes estimados
-
Aplicación práctica en Python con datos económicos (p.ej. inflación, tasas)
Resultados del curso
Al finalizar el curso, los participantes serán capaces de
Comprender la lógica y motivación detrás de los modelos de cambio de régimen en series temporales.
Aplicar y estimar modelos Threshold (TAR y SETAR) para detectar quiebres estructurales deterministas.
Estimar modelos Markov Switching univariados, interpretar sus probabilidades de régimen y evaluar su ajuste.
Comparar modelos lineales y no lineales mediante criterios de información y diagnóstico visual.
Implementar análisis no lineal en Python sobre datos financieros o macroeconómicos reales con herramientas prácticas.
Instructor del Curso
Antonio Murillo Reyes
Economista/Data Science.
​Máster en Econometría (Univ. Torcuato Di Tella - Argentina), MBA en Administración de Empresas (UCB – Bolivia) y Posgrado en IA y Ciencia de Datos (UNC-Argentina). Especializado en análisis Macroeconómico y Modelación Econométrica. Fue Analista Senior en el Banco Central de Bolivia. Docente de postgrado en Econometría y Machine Learning en posgrados en Bolivia y Ecuador..
Metodología de Enseñanza
Aprendizaje práctico
Basamos nuestra enseñanza en proyectos reales que reflejan los desafíos cotidianos de las empresas
Plataformas interactivas
Utilizamos simuladores y herramientas digitales que facilitan la comprensión de conceptos complejos
Evaluación continua
Medimos constantemente el impacto para ajustar metodologías y optimizar resultados
Cursos relacionados
.webp)
.png)
Certificación
Diploma digital verificable a través del sistema de verificación de autenticidad.
Certificados extendidos por la Secretaría de Cultura y Extensión Instituto Deep Quantics Bolivia.
PREGUNTAS FRECUENTES
Resuelve tus dudas al instante
¿Por que Deep Quantics?