SERIES DE TIEMPO - MODELOS ARIMA

2011

ROLLY ROGER VASQUEZ MACEDO

SERIES DE TIEMPO - MODELOS ARIMA

FUNCIN DE AUTOCORREALCION Y FUNCIN DE AUTOCORRELACION PARCIAL

2011

ROLLY ROGER VASQUEZ MACEDO

SERIES DE TIEMPO - MODELOS ARIMA

1. Estacionariedad io i1 i2

2011

I(0). Integrada de orden 0. El siguiente grfico corresponde al de una serie estacionaria

I(2). Integrada de orden 2.Como se puede observar ni la media ni la varianza son constantes

ROLLY ROGER VASQUEZ MACEDO

SERIES DE TIEMPO - MODELOS ARIMA

El grfico de un ruido blanco es puramente aleatorio alrededor de 0

2011

Va

Proceso autorregresivos (AR): Un proceso autoregresivo de orden p, sigue la siguiente forma:

Yt= +1Y t-1 +2Y t-2 +3Y t-3 ++ p Y t-p + t

Proceso de media mvil MA(q): En los modelos de media mvil Yt, depende simplemente de la perturbacin estocstica y de los rezagos de este. Se describe a Yt como un MA(q), si sigue el siguiente proceso estocstico.

Yt= t + 1t-1 ++ 2t-2 ++ qt-q

METODOLOGA BOX - JENKINS Para realizar un buen pronstico se sigue la metodologa Box - Jenkins, que consiste en: 1. 1 Prueba de estacionariedad (mediante un test de raz unitaria) 2. 2 Identificacin del modelo ARIMA (mediante el correlograma) 3. 3 Estimacin del modelo identificado 4. 4 Verificacin del supuesto de ruido blanco de los residuales (mediante el correlograma) 5. 5 Decisin: si los residuales son ruido blanco avanzar al paso 6 sino volver al paso 2 o 1 6. 6 Pronosticar, si pronostica bien FIN, sino volver al paso 2 o 1 Mostrar:
ROLLY ROGER VASQUEZ MACEDO

SERIES DE TIEMPO - MODELOS ARIMA

INTRODUCCION

2011

En el enfoque tradicional de econometra se centra en modelos donde la variable dependiente es funcin de un conjunto de variables explicativas, es decir:

Yt= f (X2t , X3t , Xkt , t )

Trabajaremos ahora en modelos uniecuacionales donde la variable dependiente se explica, por los valores rezagados de la misma variable dependiente y, por otra parte, por la perturbacin estocstica y sus rezagos. Es decir, modelos del siguiente tipo:

Yt= f (Y t-1 , Y t-2 , Y t-p , t-q )

Definiciones: algunas definiciones importantes:

Proceso estocstico ruido blanco: Un PE, denotado por ( t ), donde el valor esperado y la varianza de cada de una de las variables aleatorias que lo componen es constante a travs de ellas: igual a cero en el primer caso, e igual a en el segundo caso. De esta manera, el ruido blanco se representa as.

Se trata de un proceso estocstico puramente aleatorio donde t son variables aleatorias; ruido blanco significa que el proceso no tiene informacin, recordar que: Independencia = normalidad + incorrelacin, si adems las i variables aleatorias estn distribuidas normalmente.

Entonces el proceso ruido blanco se dice gaussiano.

ROLLY ROGER VASQUEZ MACEDO