Esquema de tópicos/temas

  • Presentación

    Colapsar todo Expandir todo

    • Objetivo general

      Conocer y utilizar el lenguaje de programación Python para realizar análisis económicos utilizando herramientas colaborativas.



    • Temario

      1. Entorno de trabajo
      1. 1.1.  Ecosistema Python para la economía
      1.1.1. Anaconda; distribución y gestión de ambientes
      1.1.2. Jupyter Notebook, Google Colab
      1.1.3. Control de versiones (documentación)
      1.2. Application Programming Interfaces (API) y fuentes de datos económicos
      1.2.1. Banco de México (BANXICO)
      1.2.2. Yahoo Finance
      1.3. Ventajas / desventajas de trabajar en la nube

      2. Sintaxis básica de Python
      2.1. Variables y tipos de datos básicos
      2.1.1. Variables cuantitativas vs. variables cualitativas en economía
      2.1.2. Series temporales vs. datos de corte transversal
      2.1.3. Manejo de datos faltantes y outliers
      2.1.4. Operadores matemáticos y de cadenas
      2.2. Estadística Descriptiva aplicada 
      2.2.1. Medidas de Tendencia Centrall en indicadores económicos
      2.2.2. Dispersión y volatilidad en mercados financieros
      2.2.3. Distribuciones de probabilidad en economía

      3. Estructuras de control en la programación
      3.1. Condicionales (IF, IF-ELSE, SWITCH)
      3.2. Ciclos (WHILE, FOR)
      3.3. Uso de range()

      4. Funciones y modularidad para el análisis económico
      4.1. Funciones, parámetros y valores de retorno
      4.2. Manejo de errores con try/except
      4.3. Ámbito de una variable
      4.4. Validación de datos de entrada

      5. Librerías especializadas para Economía
      5.1. Concepto de biblioteca
      5.2. Funciones de bibliotecas
      5.3. Importación de bibliotecas para análisis económicos
      • Numpy: Cálculos matemáticos, estadísticas
      • Pandas: Análisis de series de tiempo
      • Matplotlib / Seaborn: Visualización de datos económicos
      • Spicy: Modelado económico, optimización, econometría básica
      • Statmodels: Modelos estadísticos, regresiones económicas

      6. Manejo de archivos con datos económicos
      6.1. Manejo de archivos con datos económicos (importar archivos CSV y Excel)
      6.2. Limpieza y transformación de datos

      7. Introducción a NumPy
      7.1. Tuplas
      7.2. Listas
      7.3. Conjuntos
      7.4. Diccionarios

      8. Visualización de datos con Pandas
      8.1. Introducción a Pandas
      8.2. Series y DataFrames
      8.3. Transformación de data frames
      8.4. Indexar y segmentar data frames
      8.5. Fusión y concatenación de datos
      8.6. Métodos .head(), .info(), .describe(), .groupby()
      8.7. Filtrado, selección, renombrar columnas

      9. Graficación y análisis exploratorio
      9.1. Librerías de visualización (matplotlib) y estadísticas (spicy.stats)
      9.2. Gráficos de barra e histogramas
      9.3. Gráficos de dispersión y boxplots
      9.4. Líneas de tiempo (PIB, inflación, tasas)
      9.5. Personalización de ejes, leyendas y colores
      9.6. Media, mediana, moda, desviación estándar
      9.7. Correlación y varianza (mapas de calor y gráficos de área)

      10.  Series temporales en economía
      10.1. Modelos de series temporales
      10.1.1. Modelos AR, MA, ARIMA con statsmodels
      10.1.2. Modelos de volatilidad
      10.1.3. Análisis de estacionalidad
      10.2. Modelos de predicción
      10.2.1. Pronósticos de inflación
      10.2.2. Modelado de ciclos económicos

    • forum icon
      Foro
      Avisos Foro

  • 1. Entornos de trabajo

  • 2. Sintaxis básica de Python

  • 3. Estructuras de control y programación

  • 4. Funciones y modularidad para el análisis económico

  • 5. Librerías especializadas para Economía

  • 6. Manejo de archivos con datos económicos

  • 7. Introducción a NumPy

  • 8. Visualización de datos con Pandas

  • 9. Graficación y análisis exploratorio

  • 10. Series temporales en economía