Econometria
-
Upload
jose-duran -
Category
Engineering
-
view
50 -
download
4
Transcript of Econometria
![Page 1: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/1.jpg)
Capitulo 9: Modelos unívariados de series temporales
Procesos estocásticasFunción de autocovarianza, autocorrelación y autocorrelación parcial.Procesos de ruido blanco y paseo aleatorioTeorema de WoldProcesos AR(p)Procesos MA(q)Procesos ARMA(p,q)Procesos ARIMA(p,d,q)
![Page 2: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/2.jpg)
Procesos estocásticos
• Definición: Un proceso estocástico es una sucesión de variables aleatorias ordenadas en el tiempo (en el caso de series temporales).
• Definición: Una serie temporal es una realización del proceso estadístico, es decir, es una observación de T variables aleatorias ordenadas en el tiempo.
![Page 3: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/3.jpg)
Restricciones a la heterogeneidad temporal del proceso.
Restricciones de Estacionaridad• Definición: Un proceso estocástico es
estacionario en sentido estricto o fuerte cuando la distribución de probabilidad conjunta de cualquier parte de la secuencia de variables aleatorias es invariante del tiempo.
),...,,(),...,,( 11 ktttkttt xxxFxxxF
![Page 4: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/4.jpg)
Restricciones a la heterogeneidad temporal del proceso.
• Definición: Un proceso estocástico es estacionario en sentido débil si los momentos del primero y segundo orden de la distribución (esperanzas, varianzas, covarianzas) son constantes a largo del tiempo.
• para todos los .
• para todos y .
22)(
,)(
tt
t
xE
xE
,tttt xxE
t
t
![Page 5: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/5.jpg)
Restricciones a la heterogeneidad temporal del proceso.
• Restricciones de memoria del proceso, ergodicidad.
• La relación entre dos variables aleatorios de un proceso es más débil cuando las variables son más lejanas en el tiempo.
• Al aumentar el número de observaciones de la serie temporal aumenta el número de covarianzas, pero no el número de parámetros de estimar.
0lim
![Page 6: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/6.jpg)
Restricciones a la heterogeneidad temporal del proceso.
• Definición: Homogenización de una serie temporal es cuando a través de una transformación el serie temporal es estacionar.
• Queremos tener una serie temporal con una media y varianza (más o menos) constante a largo del tiempo.
![Page 7: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/7.jpg)
Restricciones a la heterogeneidad temporal del proceso.
• Transformación Box-Cox:
0ln
01
)(
six
six
x
t
t
t
![Page 8: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/8.jpg)
Restricciones a la heterogeneidad temporal del proceso.
Para conseguir una media constante a largo del tiempo se puede aplicar operadores de diferencia, . L 1 , donde L es el operador de retardo. 1 tt xLx .
.)1( 1 tttt xxxLx
Una media estacionaria se puede conseguir a través diferenciaciones sucesivas.
td
td
t xLxw )1(
![Page 9: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/9.jpg)
Las funciones de autovarianza y autocorrelación
• Funciones de autocorrelación miden la relación lineal entre variables aleatorias de procesos separadas de una cierta distancia en el tiempo.
• Estimación de estas funciones permiten determinar la forma del procesos estocástico.
![Page 10: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/10.jpg)
Las funciones de autovarianza y autocorrelación
• La función de autocovarianza
Si el proceso es estacionario, su esperanza es constante a largo del tiempo, y la función de autocovarianza no depende del momento en tiempo, sólo la distancia temporal.
,...1,0,1...,
)])([(),(,
ttttttt xxExxCov
)])([( tt xxE
![Page 11: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/11.jpg)
Las funciones de autovarianza y autocorrelación
• Para cada retardo hay un valor diferente para la función de autocovarianzas, autocovarianza de orden .
• Función de autocorrelación simple (FAS),
22
,,
)()(
)])([(
tttt
tttt
tt
tt
xExE
xxE
![Page 12: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/12.jpg)
Las funciones de autovarianza y autocorrelación
• Si el proceso es estacionario, los momentos de segunda orden no depende de .
• Una correlograma enseña la FAS en función de .
t
20 )(
)])([(
t
tt
xE
xxE
![Page 13: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/13.jpg)
Las funciones de autovarianza y autocorrelación
• La función de autocorrelación parcial (FAP) enseña la relación lineal cuando se ha eliminado la correlación que estas variables tienen con otras variables.
),...,|,( 11 kttkttkk xxxxCorr
![Page 14: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/14.jpg)
Las funciones de autovarianza y autocorrelación
• Se puede obtener los coeficientes de FAS a través regresiones.
• Nota: Si la esperanza de no es cero, hay que añadir una constante en cada regresión.
)ˆ()ˆ(
))ˆ(),ˆ((
ktkttt
ktktttkk
xxVarxxVar
xxxxCov
tktkktktkt
tttt
ttt
vxxxx
vxxx
vxx
...2211
222121
111
tx
![Page 15: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/15.jpg)
Las funciones de autovarianza y autocorrelación
• Se puede demostrar que los coeficientes de FAS se pueden escribir como una función de coeficientes de FAP. Esta relación se llama el sistema de ecuaciones de Yule-Walker.
![Page 16: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/16.jpg)
![Page 17: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/17.jpg)
![Page 18: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/18.jpg)
![Page 19: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/19.jpg)
Estimación de los momentos muéstrales
• Para un proceso estocástico estacionario con ergodicidad, con una sola serie temporal, podemos estimar;
Media ( ) (
T
ttxTx
1
1 )
Varianza ( 0 )
Autocovarianzas ( )
Autocorrelaciones ( )
Autocorrelaciones parciales ( kk )
![Page 20: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/20.jpg)
La función de autocovarianza
• La función de autocovarianza se puede estimar a través de la función de autocovarianza muestral:
))((ˆ1
1 xxxxT t
T
tt
![Page 21: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/21.jpg)
Función de autocorrelacion simple
• Función de autocorrelacion simple muestral,
2
1
1
0 )(
))((ˆ
T
tt
t
T
tt
xx
xxxxr
![Page 22: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/22.jpg)
Función de autocorrelacion simple
Si el proceso es a) estacionario gaussiano (normal) y b) 0ˆ k para k , se puede
estimar la varianza de r con esta formula,
1
1
2211
)(
i
irTrV
Se puede usar la varianza para contrastar la 0:0 H . )(96.1 rstdr donde )(std
es el error estándar. Rechazamos la hipótesis si r es fuera del intervalo
( )(96.1),(96.1 rstdrstd ).
![Page 23: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/23.jpg)
función de autocorrelación parcial
• Para hacer la función de autocorrelación parcial muestral se puede aplicar MCO.
tktkktktkt
tttt
ttt
vxxxcx
vxxcx
vxcx
...2211
222121
111
Donde kk ,...,11 son estimaciones consistentes de la FAP. Bajo los supuestos que el
proceso es gaussiano (normal) y que 0...1,1 kkkk , se puede estimar la varianza
con,
TV kk
1)ˆ( de manera que si kk̂ está fuera del intervalo ( 2/12/1 96.1,96.1 TT )
rechazamos la hipótesis que 0ˆ kk .
![Page 24: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/24.jpg)
Procesos de ruido blanco
Definición:• es un proceso estocástico de ruido
blanco si;
• Es un proceso con media = 0, varianza constante, y sin autocorrelación. No se puede predecir a partir de su pasado.
Ttt 1
00)(
)()(
0)(22
yttodosparaE
ttodosparaVE
ttodosparaE
tt
tt
t
![Page 25: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/25.jpg)
Procesos de paseo aleatorio
Definición (18)
• Un proceso estocástico sigue un paseo aleatorio si;
• El valor en un momento es el valor del periodo anterior más un efecto aleatorio ruido blanco.
blancoruidoesdonde
xx
t
ttt
1
ttttt xLxxx )1(1
![Page 26: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/26.jpg)
Procesos de paseo aleatorio
![Page 27: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/27.jpg)
Procesos de paseo aleatorio
• Se puede generalizar el modelo e incorporar una deriva.
ttt
tt
xx
x
1
![Page 28: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/28.jpg)
Procesos de paseo aleatorio
• Memoria permanente; todo los efectos aleatorios tienen un efecto permanente.
• es una pendiente de una tendencia determinista.
• está formado por la suma de todo las perturbaciones pasadas.
1
00
121 ...)(t
jjt
tttttt
tx
xxx
tx
![Page 29: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/29.jpg)
Procesos de paseo aleatorio
• El primero momento;
• Si el proceso no es estacionario en media.
txtxExEt
jjtt
0
1
00)(
0
![Page 30: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/30.jpg)
Procesos de paseo aleatorio
• La varianza;
• No es estacionario en varianza; tiene una tendencia (incrementa linealmente). Paseo aleatorio tiene una tendencia en varianza o tendencia estocástica.
t
EE
ExExE
t
jjt
t
jjjj
jtjt
t
jjt
t
jjtttt
2
1
0
21
'0',
'
1
0
2
21
0
20,
)(2
))((
t es ruido blanco, y 00)( jE jtt
![Page 31: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/31.jpg)
Procesos de paseo aleatorio
• Otra manera de llegar al mismo resultado;
![Page 32: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/32.jpg)
Procesos de paseo aleatorio
• Autocovarianza;
• La autocovarianza tampoco es constante
)(
)(
))())(((
2
1
0
21
0
1
0
,
t
EE
xExxExE
t
jjt
t
jjt
t
jjt
ttttt
![Page 33: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/33.jpg)
Procesos de paseo aleatorio
• Conclusión: Paseo aleatorio no es estacionar. Esto complica la inferencia. De todos modos, hay un camino definida de variación a largo del tiempo.
![Page 34: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/34.jpg)
Procesos de paseo aleatorio
• Si transformamos el proceso a través de una diferencia, la transformación sería estacionaria.
ttt xw
tw es estacionario; es un ruido blanco alrededor de la media, .
![Page 35: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/35.jpg)
Procesos de paseo aleatorio
• Es importante detectar si un serie está generada por un pasea aleatorio.
• 1) La función de autocorrelación simple puede dar una indicación.
• Una correlograma presentará los primeros coeficientes muy cerca de 1, y esta va decreciendo suavemente.
ttt
t
tt
t
tt
tt
1)(
)(
)(
)(22
2
0,0,
,,
![Page 36: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/36.jpg)
Procesos de paseo aleatorio
• La FAP, resultaría en un primero coeficiente significativo y cerca de uno, mientras los siguientes coeficientes serán cero.
tktkktktkt
tttt
ttt
uxxxcx
uxxcx
uxcx
...2211
222121
111
![Page 37: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/37.jpg)
Procesos de paseo aleatorio
• Normalmente un FAS que está decreciendo muy lento con un primer FAP cerca uno y los restos cero, indica que podemos diferenciar para conseguir un serie temporal estacionario.
![Page 38: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/38.jpg)
Procesos de paseo aleatorio
• Otra manera para saber si se debe diferenciar una serie temporal son los contrastes de raíces unitarias.
• Constaste de raíces unitarias. “unit roots”. Estima la ecuación;
ttt xx 1
Y contrastar si 1:0 H
![Page 39: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/39.jpg)
Procesos lineales
• Definición: Un proceso estocástico es lineal cuando lo podemos escribir como una función de una combinación lineal (posiblemente infinita) de variables aleatorios de ruido blanco.
Ttt 1
0
2211 ...
jjtj
ttttx
![Page 40: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/40.jpg)
Procesos lineales
• Hay tres tipos de procesos estocásticos lineales;
• Autoregresivas (AR)• Media móvil (MA)
• ARMA (la combinación de AR y MA)
qtqttptptt
qtqtttt
tptpttt
xxxqpARMA
xqMA
xxxxpAR
......);,(
...);(
...);(
1111
2211
2211
t es un término aleatorio, independiente e idénticamente distribuido (“ruido blanco”).
![Page 41: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/41.jpg)
Procesos lineales
• Se puede introducir una constante para tener procesos con una media .
• Se puede expresar los procesos con un polinomio de operadores de retardos. El operador de retardos L esta definido por;
• Este operador retarda la serie tantas periodos como el exponente indica.
0
kttk
tt
xxL
xLx
1
k
![Page 42: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/42.jpg)
Procesos lineales
• Utilizando el operador de retardos y la generalización con el constante, , podemos escribir los procesos:
• Se puede transformar procesos AR y ARMA en procesos MA.
tqtp
tqt
ttp
LxLqpARMA
LxqMA
xLpAR
)()();,(
)();(
)();(
móvilmediapolinomioLLLL
sivoautoregrespolinomioLLLLq
qp
ppp
...1)(
...1)(2
21
221
![Page 43: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/43.jpg)
Procesos lineales
Teorema de Wold. Cualquier proceso estocástico estacionario se puede representar con una suma de dos procesos.
Donde es linealmente determinista y es un proceso :
Donde es ruido blanco.
ttt udx
td tu)(MA
0
)(
jjtj
tt Lu
t
![Page 44: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/44.jpg)
Procesos lineales
• El proceso se puede aproximar a través modelos lineales, cuando el polinomio infinito se puede aproximar bien con un cociente de dos polinomios en
• Transformaciones puede hacer series estacionarios y la teorema permite crear modelos relativamente sencillas a partir de modelos lineales.
)(MA)(L
)(
)()(:
L
LLL
p
q
![Page 45: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/45.jpg)
Procesos autoregresivos (AR)
• Un proceso autoregresivo se puede escribir,
ptpttt
ttp
p
ttp
xxxx
xLLL
xL
...
)...1(
)(
2211
221
![Page 46: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/46.jpg)
Procesos autoregresivos (AR)
• Para que un proceso AR sea estacionario el polinomio en el operador de retardos asociados al proceso tiene que ser estable, es decir, al calcular las raíces del polinomio,
estas tienen de caer fuera del círculo unidad. Los valores de que satisfacen esto cumple .
)(Lp
0)...1()( 221 p
pp LLLL
L 1L
![Page 47: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/47.jpg)
Procesos autoregresivos (AR)
• Si hay alguno raíz igual a 1 (raíz unitario) el proceso AR no es estacionario, y no se pueden expresar como procesos . Si hay alguna raíz inferior a 1 el proceso será explosivo y tampoco estacionario.
)(MA
![Page 48: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/48.jpg)
Procesos autoregresivos (AR)
• Las condiciones para estacionariedad son:
• (necesaria, pero no suficiente):
• (suficiente, pero no necesario):
11
p
jj
11
p
jj
![Page 49: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/49.jpg)
Procesos autoregresivos (AR)
• AR(1) estacionariedad
• Condición necesaria y suficiente:
tt
ttt
xL
xx
)1(11
1
![Page 50: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/50.jpg)
Procesos autoregresivos (AR)
• Un proceso estacionario se puede escribir como un proceso .
• Se puede llegar a la misma solución a través de substitución recursiva.
)1(AR)(MA
jtj
j
tt
t LLL
x
0
22
1
)...)(1()1(
.1 ttt xx
![Page 51: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/51.jpg)
Procesos autoregresivos (AR)
• La solución se usa para calcular los momentos del proceso. También se puede usar para enseñar el siguiente resultado, valido por . 0h
0...1
)( 22
1
htttthtt ExE
Dado que 0)( stE para todos st .
![Page 52: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/52.jpg)
Procesos autoregresivos (AR)
• El momento de primer orden es;
• Con estacionariedad tenemos el mismo resultado;
11
)(0
jtj
jt ExE
))()(( 1 tt xExE
11 )1()()(
ttt xExE
![Page 53: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/53.jpg)
Procesos autoregresivos (AR)
• La varianza del proceso es;
• También se puede llegar a este resultado a través;
2
22
0
2
2
0
20 1
)(
j
jjt
j
jt ExE
12220
210 )1()()(
ttt xVxV
![Page 54: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/54.jpg)
Procesos autoregresivos (AR)
• La autocovarianza del proceso es, donde; indica la desviación con respecto a la media.
tx~
01
02
12122
01111
)~)~(()~~(
)~)~(()~~(
)~)~(()~~(
ttttt
ttttt
ttttt
xxExxE
xxExxE
xxExxE
![Page 55: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/55.jpg)
Procesos autoregresivos (AR)
• La función de autocorrelación simple es;
• y tiene un decrecimiento exponencial.
• FAP, al otro lado, sólo tiene un coeficiente diferente de cero. Se puede demostrar con las ecuaciones de Yule-Walker.
0
![Page 56: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/56.jpg)
Procesos autoregresivos (AR)
![Page 57: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/57.jpg)
Procesos autoregresivos (AR)
• AR(2):
• Al calcular las raíces del polinomio tendríamos dos
soluciones y hay los siguientes requisitos (simultáneamente) para tener un polinomio estable.
)1()(
)(
)1(
2212
2
221
2211
LLLdonde
xL
xLL
xxx
tt
tt
tttt
0)1( 221 LL
1
1
1
2
12
12
![Page 58: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/58.jpg)
Procesos autoregresivos (AR)
• Los resultados para la covarianza de AR(1) se puede generalizar.
![Page 59: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/59.jpg)
Procesos autoregresivos (AR)
![Page 60: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/60.jpg)
Procesos media móviles (MA(q))
• Un proceso media móvil de orden q;
• Estos procesos siempre son estacionarios (los momentos de primer y segundo orden son siempre finitas y constantes a largo del tiempo).
• Una condición (que hay que comprobar) para estos procesos es que son invertibles.
tq
qtqtttt
L
x
)(
...2211
![Page 61: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/61.jpg)
Procesos media móviles (MA(q))
• Esta condición implica que las raíces del polinomio están fuera del círculo de unidad. Los procesos MA no invertibles no permiten una representación autoregresiva convergente.
)(Lq
![Page 62: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/62.jpg)
Procesos media móviles (MA(1))
• MA(1):
• La condición de invertibilidad es para un proceso MA(1) es .
• Esperanza:
11 tttx
1
)()( 11 ttt ExE
![Page 63: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/63.jpg)
Procesos media móviles (MA(1))
• Varianza:
• Autocovarianza:
221
112
12
122
112
0
1
)(2)()()()(
ttttttt EEEExE
20
0))(())((
))(())((
3121122
212111111
tttttt
tttttt
ExxE
ExxE
![Page 64: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/64.jpg)
Procesos media móviles (MA(1))
• FAS es:
• La FAP presenta un decrecimiento exponencial;
• Se puede llegar a este resultado general con las ecuaciones de Yule-Walker.
20
1)1( 2
1
1
)1(21
211
1
)1(
k
k
kk
![Page 65: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/65.jpg)
Procesos media móviles (MA(1))
61
41
21
31
2
21
1
3
21
1
21
31
22
212
21
32121
221
313
33
41
21
21
21
212
22
21
111
1
121
1
21221
2
11
1
![Page 66: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/66.jpg)
Procesos media móviles (MA(1))
![Page 67: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/67.jpg)
Procesos media móviles (MA(2))
• Calcular las raíces del polinomio.
0)1( 211 LL
![Page 68: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/68.jpg)
Procesos media móviles (MA(2))
• Para tener un modelos estable;
![Page 69: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/69.jpg)
Procesos media móviles (MA(2))
![Page 70: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/70.jpg)
Procesos media móviles (MA(2))
![Page 71: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/71.jpg)
Procesos media móviles (MA(2))
• Función de autocorrelación simple
![Page 72: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/72.jpg)
Procesos media móviles (MA(2))
![Page 73: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/73.jpg)
Procesos media móviles (MA(2))
![Page 74: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/74.jpg)
Procesos media móviles (MA(q))
• MA(q) con deriva:
• (el mismo resultado)
)()( 2211 qtqtttt ExE
2222
21
22211
20
1
)()(
q
qtqtttt ExE
![Page 75: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/75.jpg)
Procesos media móviles (MA(q))
qsi
qsi
ExxE
qtqtttqtqttttt
0
)(
))(())((
211
121122111
![Page 76: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/76.jpg)
Procesos media móviles (MA(q))
![Page 77: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/77.jpg)
Procesos autoregresivos media móviles (ARMA(p,q))
• Un modelo autoregresivo media móvil (ARMA(p,q)) sigue la forma;
• Es decir, tiene una parte autoregresivo y otra parte media móvil.
![Page 78: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/78.jpg)
Procesos autoregresivos media móviles (ARMA(p,q))
• Debemos comprobar si la parte autoregresiva es estacionaria y la parte media móvil es invertible.
• Si la parte AR es estacionario, se puede escribir como un )(MA
![Page 79: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/79.jpg)
Procesos autoregresivos media móviles (ARMA(p,q))
• Si la parte MA es invertible, se puede expresarlo como un )(AR
![Page 80: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/80.jpg)
Procesos autoregresivos media móviles (ARMA(p,q))
• Los procesos ARMA tienen un FAS como la de su parte AR y una
• FAP como su parte MA.
• ARMA tiene FAS y FAP que decrecen exponencialmente en valor absoluta hacia cero.
• No se puede determinar el orden.
![Page 81: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/81.jpg)
Procesos autoregresivos media móviles (ARMA(p,q))
![Page 82: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/82.jpg)
ARMA(1,1)
• FAS:
111 tttt xx
11)1(
22
1
2111
0 1
21
1
121
))(1(
11
2111
1111
![Page 83: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/83.jpg)
ARMA(1,1)
![Page 84: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/84.jpg)
ARMA(p,q)
• Representar con :
1)1( p
)(MA
tj
jtjt Lx )(0
0
2220 )(
jjtxE
![Page 85: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/85.jpg)
Procesos autoregresivos integrados media móvil;
ARIMA(p,d,q)• Procesos ARIMA presentan raíces
unitarias en el polinomio autoregresivo; no son estacionarios. Se puede factorizar a partir de las raíces unitarias. Podemos escribir;
• Donde no incluye raíces unitarias y es el número de raíces unitarias.
)(* Lr
)()1()(* LLL drd
r
)(* Ldr d
![Page 86: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/86.jpg)
Procesos autoregresivos integrados media móvil;
ARIMA(p,d,q)• Recuerda el operador de diferencias;
![Page 87: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/87.jpg)
ARIMA(p,d,q)
• Por ejemplo, ARIMA(0,1,0) es un paseo aleatorio.
![Page 88: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/88.jpg)
ARIMA(p,d,q)
• Si una serie presenta un correlograma como un AR(1) con ; FAS está muy cerca 1, y no caen rápidamente.
1
![Page 89: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/89.jpg)
ARIMA(p,d,q)
• Si aplicamos el operador de diferencia cuando no es necesario (sobre-diferenciar), tendremos un MA(1) que no es invertible.
• Por ejemplo: Ruido blanco;
![Page 90: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/90.jpg)
ARIMA(p,d,q)
• Cuando el orden de diferencia se ha decidido , se puede escribir un procesos ARIMA como o un .)(AR )(MA
![Page 91: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/91.jpg)
Procesos estaciónales
• Si tenemos datos con información de varias ocasiones durante un año, podemos observar estacionalidad, es decir, un comportamiento económico que depende del tiempo durante un año. (Ejemplos; temperaturas, vacaciones, movimientos turísticos). Los procesos anteriores están pensados para series con sólo una observación cada año, o series sin estacionalidad.
• El numero de estaciones durante el año llamamos s. Por ejemplo, S=12 para datos mensuales, o 4 para trimestrales. Se puede generalizar los procesos explicas arriba para captar estacionalidad.
![Page 92: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/92.jpg)
Procesos estaciónales
![Page 93: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/93.jpg)
Procesos estaciónales
![Page 94: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/94.jpg)
Procesos estaciónales
![Page 95: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/95.jpg)
Procesos estaciónales
• Una serie temporal con estacionalidad puede tener una estructura de dependencia estacional y otra parte regular (no estacional) que sigue un
• Normalmente estos partes pueden interactuar en una especificación multiplicativa. Este es un modelo
![Page 96: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/96.jpg)
Procesos estaciónales
• En estos modelos hay “efectos satélites”. • Por ejemplo
• Nota el término que se nota en FAP y FAS asociados los retardos próximos a los múltiples de S, pero esto no significa que tengamos procesos adicionales de MA(0,1) y SMA(0,1).
![Page 97: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/97.jpg)
Procesos estaciónales
• FAS: Se reproduce la parte regular de la FAS alrededor de los coeficientes estaciónales.
• FAP: Se reproduce la parte regular de la FAS a la izquierda de los coeficientes estaciónales y la parte de FAP a la derecha.
• Signos: – En FAS se multiplica el signo del coeficientes
estacional por el de regular. – En FAP, si el signo del coeficiente estacional es
positivo se inversa el signo a la parte derecha (FAP regular) mientras si es negativo, se inversa el de la izquierda (FAS regular).
![Page 98: Econometria](https://reader038.fdocuments.mx/reader038/viewer/2022102816/55c4cec5bb61ebc9218b463f/html5/thumbnails/98.jpg)
Procesos estaciónales