SP6534 Economía Computacional, I semestre 2020

Acerca de este sitio

¡Bienvenidos al curso de Economía Computacional!

En este sitio pondré a su disposición copia de los materiales del curso, así como avisos importantes.

NOTE: The lecture notes in this page are now in Spanish. Previous notes, in English, are still available here.

Horario del curso

Clase:  Miércoles, 6:00pm a 8:50pm, aula 242-243CE por Zoom

Asistente del curso

Marco Badilla [email protected]

Libro de texto

El libro de texto para este curso es:

  • Applied Computational Economics and Finance, de Mario Miranda y Paul Fackler (MIT Press, 2002).

A pesar de que los ejemplos prácticos en el libro están escritos para Matlab, en esta clase las sesiones prácticas se realizarán con Python. Esto representa una ventaja, por cuanto actualmente el curso CI-0108 Programación para Economistas se está enseñando con Python, y porque Python es gratuito (a diferencia de Matlab, cuyas licencias son onerosas).

Utilizaremos Python 3.7, el cual puede obtenerse gratuitamente en https://www.anaconda.com/distribution/. Una vez instalado Python, para poder ejecutar los ejemplos que se presentan en el curso necesitará instalar el paquete compecon; para ello en una ventana de sistema ejecute este comando.

pip install compecon

Si ya tiene compecon instalado pero necesita actualizarlo, entonces ejecute

pip install compecon --upgrade

Presentaciones

0. Introducción a Python

Los métodos numéricos serán implementados en Python. Tendremos una breve introducción a Python  (versión en inglés, en PDF) para quienes no tienen experiencia previa con este lenguaje de programación.

1. Introducción a la Economía ComputacionalDownload
2. Ecuaciones linealesDownload
Presentación completa
3. Ecuaciones no linealesDownload
Primera parte
Segunda parte
4. Optimización no restringidaDownload
Primera parte
Segunda parte
5. Optimización restringidaDownload
Presentación completa
6. Integración y diferenciación numéricasDownload
1. Cuadratura: métodos de Newton-Cotes y de Gauss
3. Cuadratura: método de simulaciones de Montecarlo

2. Ejemplo de método de Gauss, 2 variables aleatorias
4. Diferenciación
7. Métodos numéricos para ecuaciones funcionalesDownload
1. Introducción a problemas de interpolación
3. Interpolación con splines
5. Interpolación con CompEcon
7. Ejemplo: resolviendo una función implícita
2. Interpolación con polinomios
4. Algunas consideraciones adicionales
6. El método de colocación
8. Ejemplo: equilibrio de mercado de Cournot
8 Introducción a optimización dinámica en tiempo discretoDownload

Materiales: Cuadernos-tema-8.zip

1. Introducción a problemas de optimización dinámica
3. Resolviendo ecuaciones de Bellman por colocación
Modelo 1: Cosecha forestal, final
Modelo 3: Entrada y salida de industria, teoría
Modelo 3: Haciendo una función para resolver escenarios
2. Programación dinámica
Modelo 1: Cosecha forestal, parte 1
Modelo 2: Reemplazo de activos
Modelo 3: Resolviendo con Python
9 Modelos dinámicos de acción continua en tiempo discretoDownload

Lecturas y materiales adicionales