Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodologa Box-Jenkins
Metodologa Box-Jenkins
Metodologa Box-Jenkins
Metodologa Box-Jenkins La clase general de modelos de la metodologa Box-Jenkings es la familia de modelos ARIMA con elementos determinsticos (constante, tendencia determinstica, estacionalidad determinstica, efecto semana santa, efecto das laborables, atpicos, etc) En la especificacin de estos modelos entran distintos tipos de parmetros que capturan distintos rasgos de los datos El primer paso es determinar si el modelo se debe formular con los datos originales o con series transformadas. En todo caso, deben recoger: Evolutividad de la tendencia Evolutividad estacional El modelo incorporar: Diferencias regulares Diferencia estacional Constante Factores determinsticos
Metodologa Box-Jenkins
Expresin general de los modelos ARIMA (p,d,q) (P,D,Q)s : (1-1 L-2 L2 3 L3 -..-p Lp) (1-1 L s-2 L2s 3 L3s -..-P L Ps)
(1-L)d (1-Ls)D log Xt = + (1-1 L-2 L2 3 L3 -..-q L q) (1-1 L s-2 L2s 3 L3s -..-Q L Qs )a t s=4,12 Es decir, hace referencia a la parte estacional
d=0,1,2 Hace referencia al nmero de diferenciaciones regulares a realizar de la serie original para hacerla estacionaria
D=0,1 Hace referencia al nmero de diferencias estacionales a realizar de la serie original para hacer la parte estacional estacionaria Otra forma de expresin es: p (L) P(Ls) d Ds log X = c+ q (L) Q (Ls) at
Metodologa Box-Jenkins Transformada una serie en estacionaria (diferencias en la parte regular y estacional y logaritmos), los parmetros que especifican el modelo ARMA capturan la dependencia temporal Los correlogramas simples sern de utilidad para saber si se trata de modelos autorregresivos o de medias mviles En el caso de los procesos de medias mviles, tambin nos servir para determinar el orden del proceso
Para determinar el orden de los procesos autorregresivos se utilizara el criterio de informacin de Akaike.
Se analizan, por tanto, los grficos y los correlogramas de las series: Xt , Xt , s Xt y s Xt. Si las series son anuales tambin habr que analizar 2 Xt .
Metodologa Box-Jenkins
Hay que garantizarse que la serie de los residuos tiene estructura de ruido blanco
1. Ver Anexo
Metodologa Box-Jenkins
Las implicaciones de las races unitarias en los datos econmicos son relevantes Si es I(1), los shocks tendrn efectos permanentes Es habitual que la varianza del estimador de pude ser muy pequea y conducir a que en el correspondiente intervalo de confianza no entre el valor unitario, cuando realmente existe tal raz unitaria. Es decir, el contraste de la t habitual podra conducir a rechazar =1
Cuando hay races unitarias, el estimador muestral suele estar sesgado a la baja
En la ecuacin (2) se puede aadir una constante e incluso una tendencia determinstica Cuando hay correlacin entre las variables es mejor utilizar un modelo en el que se tenga en cuenta este aspecto. En este caso no estaramos ante la hiptesis de que t se distribuye como ruido blanco
El valor de la t es mayor que los valores crticos, se acepta la hiptesis nula de que =0 y, tanto, hay una raz unitaria
Si el modelo inicial no es satisfactorio: Se recurre a considerar algunas de las hiptesis manejadas al principio de la identificacin del modelo Dudas en las diferencias regulares Dudas en relacin con la estacionalidad
Como se viene diciendo a lo largo del curso, los objetivos principales de la modelizacin ARIMA son: Prediccin
W = W t-1 + at
E (W t )= E (Wt-1 )+ E (a t ) = + 0 , (1- ) = 0 =E (W t )= 0 Varianza Marginal Var (W t )= 2 var (Wt-1 )+ var (a t ) con 0 = 2 0 + 2 , (1- 2) 0 = 2 0 =var (W t )= 2/ (1- 2) at es un proceso ruido blanco con varianza 2 at es un proceso ruido blanco con esperanza nula
dado que W t-1 en el periodo t-1 es un dato conocido y, adems, en ese periodo el valor observado, es independiente de la innovacin o shock que se producir en t
Estos conceptos vienen de la estimacin de una regresin, con la que se trata de estimar la media condicional de la variable dependiente dados los valores de las variables independientes. La diferencia es la variable residual
ANEXO