Dentro de las estructuras de datos mas importantes, tipicas en el trabajo econometrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos tipicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los indices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automoviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parametro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la prediccion, para posteriormente profundizar en la mayoria de las tecnicas para la obtencion de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los metodos autoprotectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jemkins a traves de la metodolgia ARIMA univariante y multivariante para la obtencion de predicciones (modelos VAR y VARMA). En cuanto al soporte computacional para el desarrollo de modelos de prediccion, se utliza EVIEWS y TRAMO/SEATS. En cuanto a la metodologia, se presentaran conceptos teoricos concretos y concisos al principio de los temas ilustrandolos con ejemplos que se adecuen convenientemente a la metodologia y en indice creciente de dificultad."