Microcredencial 1: Micro incentivos y Macro resultados.
| Fecha de inicio | Fecha de fin | Horas lectivas | Coste |
|---|---|---|---|
| 28/06/2027 | 09/07/2027 | 50h | 1.700€ |
- Interpretar cómo las decisiones individuales de consumidores y productores se agregan y terminan influyendo en los resultados de una economía
- Conectar los incentivos microeconómicos con el entorno macroeconómico, el crecimiento, la sostenibilidad y los distintos sistemas de organización económica
- Analizar problemas de negocio y de política económica con una visión integrada, basada en datos y en mecanismos causales
- Interpretar el entorno económico combinando indicadores de actividad, inflación, empleo, tipos de interés, sector exterior y ciclo para identificar sus implicaciones sobre empresas y hogares
- Analizar las decisiones de consumidores y productores a partir de incentivos, costes de oportunidad, elasticidades, estructura de mercado y respuestas a cambios en precios o reglas
- Evaluar los determinantes del crecimiento y del desarrollo sostenible, diferenciando productividad, acumulación de capital, innovación, capital humano, instituciones y restricciones ambientales
- Comparar distintos sistemas económicos y marcos institucionales, explicando cómo asignan recursos, generan incentivos y afrontan problemas de coordinación, información y distribución
- Entorno económico
- Incentivos microeconómicos de consumidores y productores
- Crecimiento y desarrollo sostenible
- Sistemas económicos
Lectura del entorno económico
Diferencias entre datos nominales y reales
Escasez y coste de oportunidad; preferencias y decisiones
Externalidades e información imperfecta
Crecimiento de largo plazo y productividad
Crecimiento frente a desarrollo; indicadores de sostenibilidad y análisis
Instituciones, derechos de propiedad y mecanismos de coordinación
Comparación de respuestas ante un mismo problema económico
Microcredencial 2: Matemáticas Aplicadas a la Ciencia de Datos.
| Fecha de inicio | Fecha de fin | Horas lectivas | Coste |
|---|---|---|---|
| 12/07/2027 | 23/07/2027 | 50h | 1.700€ |
- Aplicar herramientas matemáticas y estadísticas al análisis de datos económicos
- Combinar rigor matemático con fundamento económico para construir modelos interpretables
- Diagnosticar las características de las series económicas y seleccionar transformaciones adecuadas para tratar tendencia, estacionalidad, volatilidad, frecuencia, valores atípicos, datos ausentes y posibles rupturas estructurales
- Modelizar series económicas y cuantificar la incertidumbre de la previsión mediante estimaciones puntuales e intervalos de predicción, comparando modelos con criterios de validación temporal y error fuera de muestra
- Reducir la dimensión de conjuntos de datos económicos de alta dimensionalidad, diferenciando entre una reducción matemáticamente eficiente y una reducción económicamente fundada en el contexto de Big Data
- Aplicar modelos no supervisados para detectar estructuras, grupos y patrones latentes en ambientes de incertidumbre, evaluando su robustez y evitando interpretar como señal económica estructuras espurias
- Construir y actualizar modelos ajustados a la economía actual, incorporando cambios de régimen, desplazamientos de distribución, ventanas temporales y criterios de seguimiento para mantener su utilidad predictiva e interpretativa
- Características de las series económicas y su tratamiento
- Modelización de series económicas e intervalos de previsión
- Reducción de dimensión: matemática versus económicamente fundada en Big Data
- Modelos no supervisados en ambiente de incertidumbre
- Modelización ajustada a la economía actual
Naturaleza de las series económicas: frecuencia, tendencia, ciclos, estacionalidad y calendario.
Estacionariedad como herramienta de modelización; valores atípicos, datos ausentes y revisiones.
Dependencia temporal, autocorrelación y persistencia.
Aplicaciones a demanda, precios, actividad y variables financieras.
Problema de alta dimensionalidad y multicolinealidad. Estandarización y geometría de los datos.
Interpretabilidad de componentes; Big Data, señales redundantes y riesgo de data snooping.
Aprendizaje no supervisado: clustering jerárquico y particional.
Límites de la inferencia económica a partir de patrones no supervisados.
Modelos en entornos no estacionarios y sujetos a cambio de régimen.
Estabilidad de parámetros; trade-off entre precisión e interpretabilidad.
