Ec.

Mara No Seijas, cel: 095 915436

Econometra II

ESTACIONALIDAD MODELOS SARIMA

Las series pueden estar compuestas por un componente regular y un componente
estacional. Series de tiempo con frecuencia menor al ao (mensuales, trimestrales)
pueden presentar estacionalidad. Es decir, son series con ciclos u oscilaciones
estrictamente peridicas, donde el perodo es igual o inferior al ao.
Una serie es estacional cuando su evolucin muestra un patrn intra-anual sostenido a lo
largo de los aos. Se denomina s al perodo estacional:

s = 4 si los datos son trimestrales,

s = 2 si los datos son semestrales
s = 12 si los datos son mensuales

La parte estacional puede evolucionar en forma determinista, y en ese caso se elimina o

modela con dummies estacionales, es decir que si la serie es trimestral se agrega una
variable dummy por cada trimestre, que vale uno si la observacin pertenece a ese
trimestre, y vale cero en caso contrario.
La parte estacional se comporta como un proceso estocstico en s mismo, y por
consiguiente puede ser o no estacionario. En caso de no ser estacionario deben aplicarse
diferencias estacionales hasta obtener su, transformacin estacionaria.
Una diferencia estacional para una serie trimestral es:
4 = 4 = 1 4
Una diferencia estacional para una serie mensual es:
12 = 12 = 1 12
MODELOS ESTACIONARIOS ESTACIONALES PUROS
Una serie estacionaria es estacional pura cuando la correlacin serial slo es significativa
entre observaciones distanciadas s perodos, es decir que no existe parte regular.
Ejemplos:
(1) = 1 +
(2) = 1 2 2
(1,2) = 1 + 1 2 2
E-mail: mnseijas@gmail.com

Ec. Mara No Seijas, cel: 095 915436

Econometra II

Si lo plantemos en funcin de los polinomios de rezagos:

(, ) Ps L = sQ (L)
Los correlogramas de estos procesos se comportan de forma anloga a los que vimos para
los modelos ARMA, con la diferencia de que los coeficientes de autocorrelacin
estacionales aparecen en los retardos s, 2s, 3s,... y los coeficientes de autocorrelacin
intermedios son nulos.
Ejemplo de modelo de aerolneas:

Modelos Estacionales Estacionarios Aditivos

Cuando existe estructura ARMA regular y ARMA estacional, y estas dos estructuras
simplemente coexisten pero no interactan, se dice que la estacionalidad es aditiva.
Un ejemplo puede ser el siguiente modelo:
1,1 + (1,0)12 = 1 1 + 12 12 + 1 1
En funcin de los polinomios de rezago:
1 1 + 12 12 = 1 1
E-mail: mnseijas@gmail.com

Ec. Mara No Seijas, cel: 095 915436

Econometra II

A ese modelo tambin se le pude llamar ARMA(12,1) con restricciones, donde la

restriccin es que 2 = 3 = 4 = 5 = 6 = 7 = 8 = 9 = 10 = 11 = 0

Modelos Estacionales Estacionarios Multiplicativos

En el caso en que haya una interaccin entre ambas partes en la estructura de correlacin,
la estacionalidad ser multiplicativa.
El caso ms general sera:
ARIMA(p,d,q) x ARIMA(P,D,Q)s o SARIMA(p,d,q)x(P,D,Q)s
p L Ps L (1 L)d (1 L)D = + q (L)sQ (L)
Donde : - d es el nmero de diferencias regulares para volver estacionaria la serie
-

D es el nmero de diferencias estacionales para volver la serie estacionaria

Ejemplo:
ARMA(1,1) X ARMA(1,1)12 o SARIMA(1,0,1)x(1,0,1)
1 1 L 1 12 12 = 1 1 1 12 12
1 1 12 12 + 1 12 13 = 1 1 12 12 + 1 12 13
Algo interesante es que en el modelo aparecen dos trminos que reflejan la interaccin
entre la parte regular y la parte estacional de la serie (en este caso 1 12 13 ,
1 12 13 ), y hay que tener presente que dichos trminos se van a ver reflejados en el
correlograma.
Si escribimos el modelo solamente en funcin de parmetros no estacionales, nos queda
planteado de la siguiente manera:
1 1 12 12 + 13 13 = 1 1 12 12 + 13 13
En definitiva se puede decir que es un ARMA(1,1) restringido a que 2 = 3 = 4 = 5 =
6 = 7 = 8 = 9 = 10 = 11 = 0
El modelo multiplicativo es ms parsimonioso que el modelo aditivo, pero su ajuste
depender de que los datos avalen las restricciones que impone

E-mail: mnseijas@gmail.com

Ec. Mara No Seijas, cel: 095 915436

Econometra II

Cmo trabajar con los modelos que tienen estacionalidad?

1. Tener presente que solo las series de frecuencia menor al ao pueden llegar a
presentar estacionalidad.
2. Se debe mirar el grfico y el correlograma de la serie para ver si es estacionaria. Si
fuera estacionaria, definimos cunto vale p y q (y en el caso que corresponda
definimos P y Q).
3. Si no fuera estacionaria le realizamos todas las diferencias regular necesarias para
que la parte regular se vuelva estacionaria, es decir, hasta que en el correlograma
observemos que luego de las primeras barritas (que van a definir cunto valen p y
q) el correlograma se mete dentro del intervalo de confianza.
4. Luego que logramos que la parte regular se vuelva estacionaria, vamos a poder
detectar si la serie tiene o no estacionalidad. Si una serie anual tuviera
estacionalidad, observaramos que las barritas 12, 24, 36, etc, seran significativas.
Si una serie trimestral tuviera estacionalidad, observaramos que la barritas 4, 8,
12, etc, seran significativas.
5. Cuando logramos visualizar el componente estacional, debemos prestar atencin si
esas barritas tienden a meterse rpidamente dentro del intervalo de confianza (es
decir si son estacionarias), o si por el contrario se mantiene fuera del intervalo, es
decir que no convergen y por tanto la estacionalidad sera no estacionaria.
6. Si la estacionalidad es estacionaria, entonces no limitaremos a contar cuntas de
esas barritas son significativas en el FAC, y de esa manera definimos Q; y cuntas
de esas barritas estacionales son significativas en el FACP, y de esa manera
definimos P.
7. En caso de que la estacionalidad no fuera estacionaria debemos realizar tantas
diferencias estacionales como sean necesarias para volverlas estacionarias, el
nmero de diferencias estacionales nos define cunto vale D.
8. Luego de que la estacionalidad se volvi estacionaria, defino cunto valen P y
Q, tal como fue explicitado en el punto 6.

E-mail: mnseijas@gmail.com