El objetivo de este libro es presentar las técnicas de predicción modernas basadas en el análisis de series temporales. El contenido se dirige a docentes y estudiantes universitarios de todos los niveles que imparten o cursan materias relacionadas con las series temporales o modelos econométricos que tengan relación con las series de tiempo. Asimismo, es útil para los profesionales de la Economía, Ciencias Sociales, Ciencias Experimentales y otras ramas científicas en las que se aplican las técnicas de modelización temporal y la predicción. El libro comienza introduciendo al lector en los conceptos esenciales para el trabajo con series temporales, como el tratamiento de tendencias, variaciones estacionales y variaciones cíclicas y tratando los métodos deterministas de predicción y suavizado (medias móviles, Holt-Winters, etc.). A continuación, se abordan los métodos estocásticos de predicción presentando el análisis univariante de series temporales a través de los modelos ARIMA y la metodología de Box-Jenkins, incluyendo modelos estacionales y generales con sus etapas de identificación, estimación, diagnosis y predicción. Posteriormente se abordan temas más avanzados como el análisis de la intervención y los modelos de la función de transferencia. También se desarrollan métodos de predicción con series temporales a través de redes neuronales y espacio de los estados. Representa un valor añadido fundamental el análisis detallado de las posibilidades del software R para obtener predicciones a través de las series temporales. Se hace hincapié en los métodos de predicción automática que incorpora R en sus últimas versiones. En cuanto a la metodología docente, cada capítulo comienza con una exposición resumida de los conceptos teóricos y posteriormente se enfoca la parte práctica ilustrando cada concepto teórico con ejemplos desarrollados de forma muy detallada. Los capítulos finalizan con la resolución clara y precisa de problemas representativos del tema en estudio.