Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cointgracion Profesora Viviana PDF
Cointgracion Profesora Viviana PDF
Cointgracion Profesora Viviana PDF
INTRODUCCION
t=1, 2, 3, ...
(1)
(2)
60
50
Valor Serie
40
Random Walk
30
Tendencia
Determinstica
20
10
0
-10
Tiempo
de largo plazo entre series con tendencias estocsticas: las llamadas relaciones
de cointegracin.
II
RAICES UNITARIAS
2.1
Conceptos Preliminares
(3)
Yt = ( + u t i )
(4)
i =0
||<1
+ i u t i
1 i =0
(5)
100
80
60
Y1
40
Y2
20
0
Tiempo
R2=0.95
y1t = + y2t + ut
(6)
para una muestra de tamao T, los estimadores MICO estarn dados por:
nx1
T
= T
y 2t
t =1
y 2t '
t =1
T
y 2t y 2t '
t =1
T
y1t
t =1
T
y 2 t y1t
t =1
(7)
Yt Yt 1
t =2
T
Yt21
t =2
Cuando ||<1,
d
T ( )
N(0, 1 2 )
(8)
T( )
d
(9)
donde es una variable aleatoria (no normal) con varianza finita. En muestras
pequeas, estar sesgado a la baja. Notemos que en este caso converge a
su probabilidad lmite ms rpido que los estimadores comunes. En verdad, su
varianza se va a cero a la razn 1/T2.
Dado que est sesgado a la baja y su varianza se va cero a la razn
1/T , el test t convencional va a tender a rechazar H0: =1. Debido a ello,
Dickey y Fuller construyeron valores crticos apropiados mediante
simulaciones de Monte Carlo.
2
(10)
(raz unitaria)
El test t estndar
H1: *<0
ee( )
*
p 1
j Yt j + t
(11)
j=1
H1: *<0.
A fin de corregir la correlacin serial, se asume que Yt sigue un proceso AR(p) en vez de
un AR(1).
p 1
j Yt j + t
(12)
j=1
COINTEGRACION
3.1
Definicin
Consideremos el modelo:
Yt = Xt + ut
Yt
ut=YtXt
Xt
(13)
(14)
Test de Cointegracin
i=1, 2, ..., r
(15)
donde el vector yit rene a todas las variables restantes en la i-ava relacin de
cointegracin.
Podemos obtener un estimador del vector i por mnimos cuadrados
ordinarios (MICO). A fin de contrastar que ut es I(0), aplicamos un test del
tipo Dickey-Fuller (aumentado) sobre el vector de residuos de MICO, u i :
u it = u it 1 +
p 1
j u i, t j + it
j=1
i=1, 2, ..., r
(16)
u t 1u t
t =2
T
u 2t
t =1
y t = + 1 y t 1 + 2 y t 2 + ... + p y t p + u t
o
(L)yt = + ut
donde (L) = n
1L
2L2...
pLp.
El VAR anterior se puede reescribir como3:
y t = + y t 1 + 1 y t 1 + 2 y t 2 + ... + p 1 y t p +1 + u t
(17)
10
y t = + ( )y t 1 + 1 y t 1 + 2 y t 2 + ... + p 1 y t p +1 + u t
donde =
(1).
Si existen h vectores de cointegracin linealmente independientes, la
matriz (1), n x n, tiene rango h. Entonces, sta se puede escribir como:
(1) = BA
con Bnxh y A'hxn.
Con lo cual
y t = Bz t 1 + 1y t 1 + 2 y t 2 + ... + p 1y t p +1 + u t
donde zt1 = A'yt1, vector hx1 de variables I(0).
El test de Johansen corresponde a un test de multiplicador de Lagrange
basado en el rango de la matriz =
(1) en el VAR:
y t = + y t 1 + 1 y t 1 + 2 y t 2 + ... + p 1y t p+1 + u t
(18)
H1: rango(
)=n
11
(1) Estime un VAR de orden (p1) para yt. Esto es, corra una regresin de
yit en una constante y todos los elementos de los vectores yt1, yt2, ...,
ytp+1 por MICO, para i=1, 2, ..., n.
Rena estas n regresiones MICO en forma vectorial:
y t = 0 + 1y t 1 + 2 y t 2 + ... + p1y t p+1 + u t
donde i es una matriz n x n.
(2) Estime una segunda batera de regresiones, corriendo una regresin de
yi,t1 en una constante, y todos los elementos de los vectores yt1, yt2,
..., ytp+1 por MICO, para i=1, 2, ..., n. Escriba este segundo conjunto de
regresiones como:
p1y t p+1 + v t
y t 1 = 0 + 1y t 1 + 2 y t 2 + ... +
donde i es una matriz n x n.
T
T
T
vv = 1 v t v t ' , uu = 1 u t u t ' , uv = 1 u t v t ' , uv = vu .
(3) Sea
T t =1
T t =1
T t =1
vv 1 vu uu 1 uv
y ordnelos de manera descendente:
1 > 2 > ... > n .
El test de multiplicador de Lagrange tambin conocido como test de
la trazatoma la forma:
T
ln(1 i )
i = h +1
(19)
12
0<i<1
i=1, 2, ..., h
h+1 = h+2=...=n= 0
3.3 Una Aplicacin: Cantidad de Dinero y Producto Real
Se cuenta con informacin trimestral del PGB real y de M1 para
Estados Unidos para el perodo 1950:1-1984:4. La evolucin de las series se
describe grficamente a continuacin:
Evolucin del PGB real (en logaritmo)
2.8
6.4
2.6
6.0
2.4
5.6
2.2
2.0
5.2
1.8
4.8
1.6
1.4
50
55
60
65
70
Tiempo (Trimestre)
75
80
4.4
50
55
60
65
70
75
80
Tiempo (Trimestre)
13
Autocorrelacin
Autocorrelacin
Parcial
Q-Stat
(Ljung-Box)
Prob
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.975
0.950
0.927
0.906
0.887
0.869
0.850
0.832
0.812
0.792
0.771
0.752
0.733
0.715
0.696
0.975
0.000
0.032
0.022
0.027
0.005
0.002
-0.018
-0.019
-0.031
-0.011
-0.004
0.009
-0.004
-0.022
132.04
258.38
379.69
496.47
609.22
718.12
823.32
924.70
1022.2
1115.5
1204.9
1290.4
1372.4
1451.0
1526.1
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Correlograma de ln(M1)
Rezago
Autocorrelacin Autocorrelacin
Q-Stat
Parcial
(Trimestre)
(Ljung-Box)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.975
0.951
0.926
0.903
0.879
0.857
0.835
0.812
0.791
0.769
0.747
0.725
0.703
0.681
0.660
0.975
-0.012
-0.007
-0.003
0.001
0.005
-0.008
-0.015
-0.001
-0.013
-0.016
-0.008
-0.016
-0.005
0.003
132.26
258.87
379.99
495.82
606.62
712.66
814.06
910.85
1003.2
1091.2
1174.9
1254.4
1329.7
1401.0
1468.6
Prob
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
14
-1.971
1% Valor crtico*
5% Valor crtico
10% Valor crtico
-4.030
-3.445
-3.147
-0.051
0.396
0.120
-0.083
-0.042
0.093
0.0004
Std. Error
t-Statistic
Prob.
0.026
0.0867
0.093
0.089
0.0842
0.0438
0.0002
-1.971
4.568
1.299
-0.926
-0.494
2.121
1.886
0.051
0.000
0.196
0.356
0.621
0.036
0.061
0.559
1% Valor crtico *
5% Valor crtico
10% Valor crtico
-4.030
-3.445
-3.147
0.0051
-0.133
0.090
0.005
-0.116
-0.019
8.89E-05
Std. Error
t-Statistic
Prob.
0.009
0.090
0.091
0.091
0.090
0.041
9.92E-05
0.559
-1.474
0.991
0.053
-1.281
-0.484
0.896
0.577
0.143
0.323
0.956
0.202
0.629
0.372
15
0.06
0.08
0.06
0.04
0.04
0.02
0.02
0.00
0.00
-0.02
-0.02
-0.04
50
55
60
65
70
75
80
-0.04
50
Tiempo (Trimestre)
55
60
65
70
75
80
Tiempo (Trimestre)
-1.548
0.717
R2
R ajustado
S.E. regresin
Suma cuadrados resid
Log likelihood
Durbin-Watson stat
0.916
0.916
0.096
1.239
126.476
0.0182
0.099
0.019
t-Statistic
Prob.
-15.594
38.419
0.000
0.000
2.253
0.332
-1.830
-1.788
1476.067
0.000
16
-0.441
1% Valor crtico
5% Valor crtico
10% Valor crtico
-3.73
-.3.17
-2.91
Std. Error
0.011
0.087
0.091
0.087
0.083
t-Statistic
-0.441
3.159
0.791
-0.153
0.457
Prob.
0.659
0.002
0.430
0.879
0.648
Claramente, no rechazamos H0. Esto es, que el error es I(1). Tal como
muestra el grfico de ms abajo, el residuo muestra una dinmica no
estacionaria. Por lo tanto, concluimos, en base a los tests anteriores, que
ln(PGB) y ln(M1) NO estn cointegradas.
0.2
0.1
0.0
-0.1
-0.2
-0.3
50
55
60
65
70
75
80
RESIDUO
Valor propio
0.236902
0.000698
Test Razn de
Verosimilitud
(Traza)
36.052
0.092
17
Valor crtico al
5%
Valor crtico al
1%
15.41
3.76
20.04
6.65
Nmero de
relaciones de
cointegracin bajo H0
Ninguna **
A lo ms 1
Ln(M1)
0.149
0.723
Coeficientes Normalizados.
Una relacin de cointegracin
Ln(PGB REAL)
1.000
Ln (M1)
0.816
(1.269)
Log likelihood
871.662
Constante
-6.591
Notas: (1) El test asume la presencia de tendencias determinsticas en las series Ln(PGB REAL), Ln(M1), (2)
Se utilizaron dos rezagos en el VAR. (3) *(**) indica rechazo de H0 al 5%(1%) de significancia. El test indica
1 relacin de cointegracin al 5% de significancia
18
1.000
0.816
(1.269)
-6.591
(Ln_PGBREAL)
(Ln_M1)
u t 1
0.004
0.008
(-2.223)
(4.696)
(Ln_PGBREAL(-1))
0.315
(3.559)
0.0006
(0.0070)
(Ln_PGBREAL(-2))
0.063
(0.758)
0.104
(1.257)
(Ln_M1(-1))
0.197
(2.039)
-0.145
(-1.517)
(Ln_M1(-2))
0.174
(1.80640)
0.037
(0.384)
Constante
0.0007
(0.418)
0.012
(6.697)
R2
Adj. R2
Suma cuadrados residuales
S.E. ecuacin
Estadgrafo F
0.271
0.242
0.011
0.009
9.463
0.229
0.199
0.011
0.009
7.552
19
(20)
restringido, SCR r = 2t :
t =1
Yt = 0 + 1 Yt1 + ...+pYtp +t
Entonces, si se satisfacen los supuestos del modelo lineal clsico,
(SCR r SCR nr ) / p
~F(p, T2p1)
SCR nr /(T 2p 1)
(21)
20
Probabilidad Probabilidad
(3 rezagos) (6 rezagos)
SPREADB no causa a VIMAC a la Granger
0.063
0.397
VIMAC no causa a SPREADB a la Granger
0.609
0.872
SPREADBC no causa a VIMAC a la Granger
0.057
0.062
VIMAC no causa a SPREADBC a la Granger
0.783
0.731
Notas: VIMAC es la variacin porcentual mensual en el IMACEC (desestacionalizado); SPREADB es el
spread de tasas pagadas por los bancos sobre las operaciones reajustables de 1-3 aos y 90-365 das, en
promedios mensuales (base anual), y SPREADBC es la diferencia entre las tasas de los Pagars Reajustables
del Banco Central de Chile a 8 aos y 90 das, en promedios mensuales (base anual).
4.2
Caso Multivariado
Supongamos el siguiente VAR:
y1t = c1 + A1'x1t + A2'x2t + 1t
(22)
y2t = c2 + B1'x1t + B2'x2t + 2t
y 1,t 2
x1t =
...
y 1, t p
x 2t
y 2, t 1
y 2, t 2
=
...
y 2, t p
21
11
1t 1t
T t
(2) Corra una regresin de cada uno de los elementos de y1 en una
constante y p rezagos de todos los elementos de y1. Sea 2 t el vector n1x 1
= 1 ' .
residuos estimados y
22
2t 2t
T t
Se tiene que:
d
ln
ln
2 ( n1 n 2 p)
22
11
(23)
SPNOM(-1)
SPNOM(-2)
SPNOM(-3)
SPNOM(-4)
SPNOM(-5)
SPNOM(-6)
INFL(-1)
INFL(-2)
INFL(-3)
INFL(-4)
INFL(-5)
INFL(-6)
TASREAL(-1)
TASREAL(-2)
TASREAL(-3)
TASREAL(-4)
TASREAL(-5)
TASREAL(-6)
Constante
R2
22
SPNOM
INFL
TASREAL
0.272
(1.716)
-0.404
(-2.648)
0.411
(2.498)
0.175
(1.089)
0.102
(0.700)
-0.024
(-0.190)
-1.523
(-1.392)
2.177
(1.742)
-1.314
(-1.048)
2.232
(1.653)
3.301
(2.452)
-2.459
(-1.714)
-2.851
(-1.209)
1.206
(0.309)
3.867
(0.976)
-7.133
(-1.446)
4.208
(0.757)
0.291
(0.088)
1.369
(0.143)
0.024
(1.152)
0.003
(0.141)
-0.017
(-0.768)
-0.003
(-0.127)
-0.005
(-0.234)
-0.007
(-0.417)
0.215
(1.467)
0.134
(0.803)
0.008
(0.049)
-0.214
(-1.183)
0.389
(2.163)
-0.135
(-0.70291)
-0.138
(-0.437)
-0.397
(-0.759)
1.069
(2.016)
-1.233
(-1.868)
1.568
(2.109)
-1.048
(-2.379)
1.526
(1.194)
-0.005
(-0.454)
0.014
(1.452)
-0.022
(-2.064)
-0.022
(-2.088)
0.008
(0.811)
-0.008
(-0.976)
-0.191
(-2.704)
-0.008
(-0.105)
0.293
(3.619)
-0.116
(-1.335)
-0.210
(-2.419)
0.212
(2.296)
1.374
(9.044)
-0.404
(-1.603)
-0.318
(-1.244)
0.303
(0.952)
0.125
(0.349)
-0.312
(-1.471)
1.546
(2.510)
0.582
0.407
0.919