Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMAS
Estimacin e identificacin
VAR estructural
MODELOS VECTORIALES AUTOREGRESIVOS (VAR)
Utilizamos un modelo del tipo vector autoregresivo (VAR) cuando queremos caracterizar
las interacciones simultneas entre un grupo de variable. Un VAR es un modelo de
ecuaciones simultneas formado por un sistema de ecuaciones de forma reducida sin
restringir. Que sean ecuaciones de forma reducida quiere decir que los valores
contemporneos de las variables del modelo no aparecen como variables explicativas en
ninguna de las ecuaciones. El conjunto de variables explicativas de cada ecuacin est
constituido por un bloque de retardos de cada una de las variables del modelo. Que sean
ecuaciones no restringidas significa que aparece en cada una de ellas el mismo grupo de
variables explicativas.
En el caso ms simple, con slo dos variables y un retardo, el modelo VAR2(1) es,
o, en forma matricial,
Donde Yt es un vector columna nx1, K es el orden del modelo VAR, o nmero de retardos
de cada variable en cada ecuacin, y ut es un vector nx1 de innovaciones, es decir, procesos
sin autocorrelacin, con V ar(ut) = , constante. El elemento (i, j)en la matriz As, 1 s K
mide el efecto directo de un cambio en Yi en el instante t sobre las variables explicativas al
cabo de s perodos, Yj,t+s. El elemento i-simo en ut es el componente de Yit que no puede
ser previsto utilizando el pasado de las variables que integran el vector Yt.
VAR ESTRUCTURAL
Es de muy til interpretar el modelo VAR como forma reducida de un modelo estructural
Como puede verse, si los trminos de error del modelo estructural eran ruido blanco,
tambin los trminos de error del modelo VAR tendrn estructura ruido blanco. Sin
embargo, las innovaciones del VAR estarn correlacionadas entre s, puesto que,
de modo que, incluso si los trminos de error del modelo estructural estn
Esta funcin nos permite ver impacto que tienen los shocks de las variables del modelo y1t
e y2t una perturbacin en las innovaciones 1t, 2t. Por ejemplo, los coeficientes 12(s)
reflejan el impacto que en los distintos perodos s, s 1, tiene sobre y1 una perturbacin del
tipo impulso en 2.
Esta funcin es obtenida a travs de la forma MA del modelo Var. Un problema que
puede presentar un modelo SMA surge cuando pueden producirse simultneamente
perturbaciones en distintas variables del sistema es decir, las perturbaciones pueden estar
correlacionas o pueden no ser ortogonales.
TEMAS
Prueba de cointegracin
COINTEGRACIN
Este implica la existencia de algn tipo de relacin estable entre series inestables (series no
estacionarias, integradas de orden d>0). El anlisis univariado de cada una de ellas nos
indicara que su patrn de comportamiento es aleatorio.
x CI (d,b) t , si:
ii. existe un vector, diferente de cero, tal que una relacin lineal
Se debe considerar que toda la serie de tiempo est conformada por un componente
tendencial, un componente estacional o cclico y un componente estacionario. Si nos
olvidamos por el momento de la existencia del segundo componente, podremos afirmar que
las series bajo el anlisis de cointegracin estn caracterizadas por la presencia de un
componente estacionario y un componente no estacionario (es decir, una tendencia
estocstica). A continuacin se probar que la relacin de cointegracin se da a este nivel.
en donde Mt, Yt y rt representan las series de demanda por dinero, el producto y la tasa de
inters, respectivamente. El componente tendencial ( t) est representado por una serie
camino aleatorio (random walk), mientras que el componente ( t) es una serie estacionaria.
Nos indica la presencia de una relacin CI(1,1), la combinacin lineal de sus componentes,
usando el mismo vector, tambin debera de darnos una serie estacionaria. Sabemos que el
segundo componente del lado derecho de esta ecuacin es estacionario por lo que
necesariamente el primer componente debe ser, en promedio, igual a cero.
Dado que cualquier combinacin lineal entre los elementos it resulta en una serie
estacionaria, la verdadera relacin de equilibrio debe de darse entre las tendencias de las
series para que cointegren. Si bien cada una de estas tendencias es estocstica
Supongamos que existe una relacin de equilibrio entre la tasa de inters interna (i) y la
tasa de exterior medida por ala Libor. Esta relacin puede ser representada como un sistema
de ecuaciones.
Para llevar a cabo esto, se tiene que definir la relacin de largo plazo que siguen estas
variables i = + libor. Ahora bien, el comportamiento corriente de estas variables ser
formulado de la siguiente manera:
en donde es una constante, 1t y 2t son errores ruido blanco que pueden estar
correlacionados y los coeficientes 1, 2 y son positivos. Estos dos primeros tambin son
conocidos como coeficientes de ajustados. La magnitud de los mismos nos indica cual de
las dos variables responde con mayor celeridad ante un desequilibrio.
Como se observa en estas ecuaciones, las posibles fuentes de cambio de las variables libort
e it son los shocks aleatorios o bien la discrepancia pasada con respecto a la relacin de
equilibrio:
En el caso que la variable it sea la tasa de inters interna de una economa pequea,
entonces es imposible que alguna variacin de sta provoque efecto alguno sobre la tasa de
inters extranjera (internacional). En cambio, la variacin de esta ltima s provoca grandes
efectos en esta economa.
El ejemplo de las tasas de inters nacional y extranjera nos indica claramente que existe una
relacin entre la estimacin de largo plazo (cointegracin) y la de corto plazo (MCE). Los
valores que toman ambas variables da a da no pueden estar divorciado de su relacin de
largo plazo y viceversa. Esta relacin recibe el nombre del Teorema de Representacin de
Granger.
Este teorema afirma que si tanto x1 como x2 son series I(1), y si la relacin de largo plazo
entre ambas es estable: , entonces se puede afirmar que estas variables son
generadas por un modelo de correccin de errores.
Consta de dos etapas: primero calcula a travs de MCO los posibles coeficientes del vector
de cointegracin (de la relacin esttica); y en un segundo paso, se estima el MCE para
determinar si estos coeficientes calculados realmente constituyen los de una relacin de
equilibrio de largo plazo a travs del anlisis dinmico de este modelo.
As esta metodologa busca estimar, como primer paso, el vector de cointegracin (); y
luego de reemplazar estos errores en el MCE, se analiza la presencia de las caractersticas
propias de un conjunto de variables que en su comportamiento dinmico (corto plazo)
mantienen una relacin de largo plazo.
En este sentido, la forma en que se comporta el trmino de error aleatorio u2t desempea
un rol importante. Por consiguiente, como primer paso se estimar el valor de . Para esto
se emplear el test de Dickey-Fuller. Sin embargo, en esta situacin el rechazo de la
hiptesis nula, que usualmente implicaba la ausencia de una raz unitaria, ahora implica
presencia de cointegracin entre las variables.
1. Los valores que se puedan estimar del vector de cointegracin estn sujetos a la variable
que se coloque como dependiente. Es decir, si primero colocamos a yt como la variable
dependiente de xt y wt, la relacin estimada puede diferir con aquella que se obtiene de
colocar como variable dependiente a xt. Lo mismo se repite si colocamos a wt.
Asintticamente estos estimadores son iguales (previa normalizacin). Sin embargo, en la
prctica empleamos muestras que generalmente no son lo suficientemente grandes.
Si, por ejemplo, se busca comprobar la existencia de alguna relacin entre las variables x1 y
x2, cuando en realidad la verdadera relacin involucra una tercera variables, x3, se
estimara el siguiente modelo:
la serie { u t } presentar raz unitaria ya que est incluyendo en ella a la serie { x3 t. } Por
lo tanto se concluira la no existencia de alguna relacin entre estas variables, lo cual es
falso.
3. La metodologa de Engle y Granger tan slo considera la presencia de una sola relacin
de cointegracin. En el caso que se cuente con n variables (n>2), entonces pueden existir
hasta n-1 relaciones de equilibrio. Si el nmero de relaciones de cointegracin es mayor
que 1, entonces los resultados que obtendremos al emplear esta metodologa estn alterados.
2. TEST DE JOHANSEN
A diferencia de la metodologa E&G, que analiza los residuos de las regresiones, el test de
Johansen concentra su anlisis sobre el rango y las races caractersticas del sistema de
ecuaciones.
Cointegracin
Multivalente VAR VAR en diferencias
No existe cointegracion,
entonces un VAR en
diferencias.