Cargar los datos click en range

=dated regulated frecuency para

poner quarterly 1980.1 2017.4
luego cambiar nombre de
producto bruto interno por Y
(RENAME)

Proc = seasonal adjustment = census x=12

Vamos a tratar con el análisis multiplicativo

Por el mismo comportamiento de la variable si la variable tiene un comportamiento

homogéneo digamos estable en el tiempo, no tiene valores negativos el análisis
multiplicativo es muy muy adecuado pero también voy a pedirles que grabe los factores, el
factor estacional lo voy a poner en una variable que se va a llamar ysf y el final seasonal
adjust voy a considerar que se grable en una varible y_sa, en este sentido voy a tener dos
productos de eso

Van a encontrar un conjunto de opciones matemáticas en este proceso, que es lo que ha

pasado? Genera índices, genera valores, genera resultado estadísticos en términos generales
sirve para hacer la desestacionalizacion

Estos son los ratios de estacionalidad, se

acuerdan cuando nosotros trabajábamos y
necesitábamos valores, estos viene a ser los
ratios de estacionalidad que vamos a necesitar
estos ratios son con el método de promedios
móviles o medias móviles esto es lo que vamos a
necesitar , incluso si seguimos buscando
información vamos a encontrar información de
que es lo que ha pasado con cada algunos de los teses ok?

D 9.A Moving seasonality ratio

-------------------------------------------------------------
 1st 2nd 3rd 4th
-------------------------------------------------------------
I 0.562 0.433 0.677 0.463
S 0.313 0.212 0.166 0.286
RATIO 1.796 2.041 4.086 1.619

Cierras el cuadro x

Pero después de haber encontrado eso tengo las dos variables y_sa y y_sf que si nosotros
observamos es la variable desestacionalizada

Doble clic en y_sa =view = graph

Y tengo otro comportamiento que es el y_sf

Doble clic en y_sf= view=graph

Si ustedes observan es un

Comportamiento estacionario

Que nosotros lo podemos

Identificar

En el grafico view= correlogram= ok

Y este seria el comportamiento de su correlograma

Bastante difícil de indetificar pero ese es su

comportamiento del correlograma

Una vez que tengo y_sa tengo que ver si es raíz unitaria o no si ustdes hacen ese
procedimiento tendrían que generar

Genr ly=log(y)

Si hago logaritmo de y lo único que

hago es reducir la escala

doble click en ly

view= graph

No es logaritmo de y si no es logaritmo de y_sa

Genr ly=log(y_sa)

Una vez organizado el logaritmo de y lo

que podemos estar observando es en todo caso que

el comportamiento de su variable es un

comportamiento de raíz unitaria.

En el grafico de ly view= unit root test = ok

Que el comoptrmaiento de esta variable es una raíz unitaria si no lo querems ver con unit root
test también lo podemos ver con el correlograma

View=correlogram =ok

Si es una memoria larga es una raíz unitaria, que es lo que le podemos hacer es sacar la
primera diferencia

View= unit root test=

 0.6589 si eso es asi el siguiente procediemto es view=unit
root test si es en primera diferencia es sin intercepto sin tendencia sin niguna de estas
opciones, porque cuando tu le sacas primera diferencia tu lo anulas el comportamiento
tendencial estocástico y por lo tanto desarrolamos esto:

Que nos dice esto? Esta variable ya con las primeras diferencias se convierte en estacionario,
en ese sentido generamos

Genr dly=d(ly) que viene a ser la diferencia del logaritmo de y

Doble click en dly, view= unit root test (lo ponemos en

niveles xq la diferencia de y

ya es una variable diferenciada ) y

tengo que probar si es estacionaria en niveles

se quedan en min 11:12 regresa en el min 16: 12

PIZARRA

Y TIENE 4 COMPONENTES

1. estacional
2. tendencial
3. cíclico
4. irregular

y y_sa (y estacional) tiene 4 componentes

1. tendencial
2. cíclico
3. irregular

y_sa--------- I(1) me quiere decir que para que sea estacional hay que integrarla 1 vez

DY_SA(diferencial de y) ---------I(0) me quiere decir que la diferencial de y_sa ya no necesita ser

integrada ninguna vez para ser estacional, por lo tanto y_sa ya es estacionaria

En eviews Dly ya es estacionaria por lo tanto ya puedo trabajar con ella

View=correlogram=

Pero Será el correlograma de la variable en niveles, el correlogram en priemra diferencia se

saca a ly

Tengo un comprotamiento de este tipo

La verdad yo no se si esto es estacionaria

o no es estacionaria no se si es ma o ar pero

si es esatcionaria en este caso podría

estar diciendo que esto es una ma porque

esto sale y el otro retorna, y retorna en

forma oscilatoria y eso es un ma podría

ser un ma1.

Por lo tanto anoto lo que puede ser uno de ellos es un

Ma(1) ar(1)

ma (4) Ar(1)Ar(2)
podría ser también una combinación

Ma(1) Ma(4) Ar(1)Ar(2)AR(5)

el proceso de correlograma nos da una idea de lo que puede ser, teneos que tener una idea de
lo que podría ser:

vamos a comenzar con equation ma1.ls d(log(y_sa)) c ma(1) aquí 1 observacion no se trabaja
con dly que ya sea había sacado la diferencia ahorita lo van a saber

equation ma1.ls d(log(y_sa)) c ma(1) voya trabajar lo primerito que pensé

que es un ma(1) en tonces genero y aquí sale un ma(1)

Doble click en ma1 y

me sale este resultado,

entonces voy anotando en una

tablita y voy diciendo

nvel de significancia que viene a ser el

f estadístico por que no estas hablando de una

sola variable estas hablando de todo el modelo

aquí nivel de significancia= f stadistico

cuando yo digo es un ma(4) le debo de poner un ma(1) un ma(2) ma(3) ma(4)

equation ma4.ls d(log(y_sa)) c ma(1) ma(2) ma(3) ma(4)

doble click en ma4 y luego en estimate

borra lo que esta en azul

Luego cierra este ultimo cuadro y dice ya tengo mi otra ecuación el ma4

Empiezo a analizar el ma4

El ma1 es relevante

El ma2 no es relevante

El ma3 no es relevante

Y el ma4 si es relevante

Me puedo quedar con este modelo

Por que estos dos estadísticamente valen cero

y no debería mover mucho mi modelo entonces

esto es un ma 4 en este caso no solo es un ma si no es un arima

arima(0,1,1) 0 por que no tiene ningún proceso autorregresivo,1 por que lo hemos integrado
1 vez

arima(0,1,4)

eso es el proceso generador de datos en realidad eso es proceso generador de datos

Hasta ahí ya tengo dos formas para seleccionar, cual de los 2 es mejor probablemnte el arima 4
con un 23 % de r^2 y un aracaique de -4.543579

La otra forma seria la siguiente ya no seria un ma 4 si no será un AR1

equation AR1.ls d(log(y_sa)) c ar(1)

dobble click en ar1

luego aparece esto

será un buen modelo el ar 1? Si ,o.15 de R^2

cual es mejor un ma o un ar? Entonces lo verificamos

cual es mejor? Probalemente sigue siendo este

arima 4

pero probablemente puedo encontrar un ar 5 un ar2 trabajems con un ar 2 luego con un ar 5

equation AR2.ls d(log(y_sa)) c ar(1) ar(2)

dobel click en ar 2

.que es el ar2? Es bueno si es bueno

Primero estos dos son si sonsignificativos

.el R^2subio un poquito entonces esto puede ser mejor un ar2

.
. cual es mejor hasta ahí? es el ma4

Ahora hacemos un ar5

equation AR5.ls d(log(y_sa)) c ar(1) ar(2) ar(3) ar(4) ar(5)

doble click en ar5

el ar1 es sigificativo

el ar 2 tambien

el ar3no es significativo

el ar4 si

el ar5 tambien

si le quito el ar 3 seguira siendo el mismo modelo?

Si,es el mismo modelo solo va a variar un poco

es como si tu le quitases un cero a algo pero quitarle un

cero le va a afectar al R^2, el R^2 siempre es suceptible el r^2 ajustado es mejor

hasta ahora el ar5 es el mejor,aquí

tenemos que empezar a pensar si bien arcaique me dice que ar 5 es mejor, pero que quiere
decir esto? el resago 5 tiene 5 triemestres, en terminos generales 15 meses mas de 1 año ,
algunas variables si pueden ser influenciadas mas de 1 año, por ejmplo el pbi puede afectarse
osea lo que ha pasado hace 1 año puede recien estar afectandonos ahora

genralmente aquí se tiene que tomar una regla, los rezagos que afectan a periodos mayor a un
año ya no se deberian considerar, si tu estas considerando trabajar en forma mensual, hasta
cuantos rezagos deberias considerar? Hasta 12 rezagos, 13 14 rezagos probablemete ya no
sean los mas d¿adecuados a menos que hayga una justificacion de lo que estabas planteando,
en este caso el quinto rezago es el periodo del primer trimestre del segundo año que te estaria
afectando sopesalo muy bien si quiers lo puedes dejar ahí generalmente se aceptan hasta 4
rezagos en casos triemstrales. Tiene que combinar bien la matematica(que es la parte
estadistica que hemos hecho) y la logica.

Ahora que tal es un ma1 y un ar1 ala vez entonces empezamos con la combinacion:
equation ARIMA111.ls d(log(y_sa)) c ar(1) ma(1) aquí no necesariamente tiene que ir en orden puedes
primero poner el ma y después el ar

Cuando trabajo un arima 111 el ar se va y solo

te quedaría el ma1, lo que nos dice que

no es un arima 111 por que esto se va y

vuelve a ser un ma, predomina un ma

entonces hagamos esto un ma4 y un ar2

equation ARIMA214.ls d(log(y_sa)) c ar(1) ar(2) ma(1) ma(2) ma(3) ma(4)

profesor por que no

lo ha copiado el otro?, por que no pues eso seria un arima(0,1,1)

aquí

ar(1) no va

ar2 si va

ma1 ya no va

ma3 ya no va

ma4 ya no va

como quedaría esto?

Ar 2 es lo único que me queda y lo demás es cero estadísticamente no son significativos

Un ar2 es esto que esta ahi

Por que se incrementa el r^2? No te olvides que se incrementa porque cada vez que
incrementa una variable es muy sensible para poder trabajar este modelo es como si estuviese
trabajando con un ar 2 o un arima (2,1,0), por que no pongo los resultados de estos? Por que
estadísticamente no son significativos

Tambein podemos trabajar con ma4 y un ar5 una combinacion de ellos

equation ARIMA514.ls d(log(y_sa)) c ar(1) ar(2) ar(3) ar(4) ar(5) ma(1) ma(2) ma(3) ma(4)

El ar 1no va

El ar2 tampoco

El ar 3 tampoco

El ar 4 si esta yendo

Entonces seria un ar 5 y

ya lo hemos sacado.

En realidad no hemos construido un nuevo modelo por que los demasa son estadísticamente
cero entonces tenemos estos cinco modelos

Ha esto se le llama PGD y esto seria lo que debería os estar considerando, hasta ahí mi mejor
modelo seria un ar5
Volvemos a seleccionar el ar 5 doble click ,profesor yo quiero quitare el ar3 que no me esta
ayudando en nada, si quieres quítalo pero quitarlo no implica que sigas teniendo un ar 5 tienes
un ar5 ahí,

empezamos a analizar el poder predictivo que pueda tener

de ahí click en resids para volver a ver los residuos

El valor actual es el rojo y

el valor proyectado es el verde en estos proyectos el modelo

es malísimo porque no lo estima correctamente

tremendos errores

ami me gustaría que los errores sean como estos que están

al final

revisen el problema de forecast para pronostico, una vez que se cual el mi modelo ideal , mi
proceso generador de datos es una arima (5,1,0) esto significaría que y_sa es un arima pero la
diferencial de y_sa seria un ar5

si yp quiero mostrar el modelo el modelo será

𝛥 y_sa = 0.007719 + 0.476625 𝛥 𝑌𝑇−1+ 0.157 𝛥 𝑌𝑇−2-0.246 𝛥 𝑌𝑇−4+

0.250 𝛥𝑌𝑇−5

ESTO ES LA REPRESNTACION DEL MODELO SU PGD

ES un arima 5,1,0 o en su defecto es un ar5 esta ecuación es lo que reprenta

Seleccionar dly que es lo que estamos trabajando

.
.

View=graph =ok

A esta grafica aquí la representa matemáticamente

La que esta qui

𝛥 y_sa = 0.007719 + 0.476625 𝛥 𝑌𝑇−1+ 0.157 𝛥 𝑌𝑇−2-0.246 𝛥 𝑌𝑇−4+

0.250 𝛥𝑌𝑇−5 Escriba aquí la ecuación.

Para hacer el pronostico tienes que hacer el forecast

Cierras dly abres ar5 click en forecast

Que es lo que quieres estimar?

Puedes estimar a y_sa o la

diferencialdel logaritmo de y_sa

y yo tengo que estimar a Y_sa

equation ARIMA514.ls d(log(y_sa)) c ar(1) ar(2) ar(3) ar(4) ar(5) ma(1) ma(2) ma(3) ma(4)

este analissi lo hago porque el computar me pueda elegir dos aspectos

dly es tranformado físicamente en cambio a qui (log(y_sa) no esta transformado físicamente,

el y_sa no esta transformado físicamente, simplemente le estoy diciendo al y_sa cuando
operes le vas a sacar el logaritmo la diferencia, al logaritmo de y_sa cuando operes le vas a
sacr la diferencia, internamente la maquina lo transforma
cuando tu haces el pronostico a alrgo plazo tu hacer el promedio a largo plazo, y el promedio a
largo plazo es constante a largo plazo en el tiempo, pero no lo quiero, lo que yo quiero es el
pronostico a corto plazo, caunto vale en el siguiente periodo, eso se llama estimación estatica

Esto es el
pronostico
dinamico con el
tiempo va asubir
un poquito, cuando
tu hallas eso es el
promedio a alrgo
plazo

Aquí hay una opción ignorar el proceso arma, tienes que ignorar el proceso arma? No, pues si
tu ignoras el proceso arma no harias nada

Le estoy pididendo hasta 2018q.1, y el q1 que me saque será el valor estimado proyectado del
siguiente valor y simplemete le ponemos ok

Eso es la proyección estática y nos da el siguiente valor

Esto se llama el análisis de inequidad de Theil

El coeficiente de inequidad de theil nos determina si

nuestra estimación es buena o mala

eso es investigación para la siguiente clase

cuando es buena? Una idea, es buena cuando hay menos

variación, menos variablilidad tenemos y

menos sesgo tenemos, cuando hay menso sesgo quiere decir que es insesgado y estamos
llendo por un buen camino, no me voy nipor la izquierda ni por la derecha, insesgado significa
no desviarme por el camino y eso es bias proportion, y el otro es cuando existe mucgha
variabilidad, cuando existe muchga variablidad significa no hay una buena estimación, cuando
el coeficiente de inequidad es menor posible es una buena estimación
esto es nuestro siguiente valor

recuerda que

y_sa es el valor original

y_saf es el valor estimado

Abrir los dos valores y_sa y y_saf=anticlick =open as a gourp

En primer lugar y_saf no va tener los primeros valores, ¿cuantos valores no va a tener y_saf?

5,porque necesito 5 valores para proyectar el siguiente valor

Al final del y_saf nos va a dar un valor que necsitamos

y es 130043 el siguinete valor de y seria 130043

luego view=graph y eso es la prediccion que estas haciendo

el ysa es el azul es el veradero valor y elrojo es el PGD y sale con al formula

𝛥 y_sa = 0.007719 + 0.476625 𝛥 𝑌𝑇−1+ 0.157 𝛥 𝑌𝑇−2-0.246 𝛥 𝑌𝑇−4+

0.250 𝛥𝑌𝑇−5 con esa formula he replicado la realidad y esto es el pronostico es la estimación
de y_saf el siguiente valor

Y_SF es el factor de y

Click en y_sf =view=descriptive statistics =histogram and stats luego view=graph

eso seria los valores

𝑦𝑠𝑎𝑓 (𝑒𝑛 𝑒𝑙 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) =130043 (eso es para el 2018q1)

𝑡+1

Cuanto seria Yt+1? ESO SERIA LO QUE QEUREMOS PODEMOS USAR EL coeficinte o RATIO PERO
SI NO LO TENGO click en y_saf= spreedshet y analizar el losmultimos periodos para anlaizar en
los periodos anteriores. En el trimestre anterior fue 0.950350(periodo 2017q1). En su defecto
podría usar lo que ha pasado en los últimos triemstres por que el promedio de las estaciones
me podría estar afectando, lo lógico seria sacr un promedio de todo el grafico y_sf pero eso
noslleva a riesgos, no te olvides que los promedios están sesgados por valores extemos si al
inicio hay un valor extremos nos podría dar una ama estimación, podría sdacr de losmultimos 5
años

𝑌𝑇+1 = 130043(0.950350)
𝑌𝑇+1 = 12358.6 (𝑒𝑠𝑜 𝑠𝑒𝑟𝑖𝑎 𝑚𝑖 𝑝𝑏𝑖 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)
Pero considerando los efectos de estacionalidad del año anterior

Help=Online help topic

Poenr en command data trimestres

Seleccionar trimestres colocar ahí 1 2 3 4 hasta el final luego cerrar

Click en y_sf=view =descriptive estatisctics= statistics by calsificacion

le voy a decir que haga una estadístico por clasificación

tambein le voy a decir que me muestre la media

me saca el promedio cuando se trata del trimestre 1

pero de 144 observaciones 36 observaciones eso seria el

promedio para el primer segundo tercer y cuarto trimestre, pero eso es el promedio de todos
los primeros triemstres segundos , etc

𝑌𝑇+1 = 130043(0.950350)
En vez de ese calculole digo que
𝑌𝑇+1 = 130043(0.945755) ese 0.945755 es el promedio de todos los 36 ultimos primeros
triemstres, pero esto probablemenet tenga sesgos

Caundo quiero el promedio de los últimos 5 años

Click en sample

Y escribir 2013.1 2017.4 y ok

Luego Click en y_sf=view =descriptive estatisctics= statistics by calsificacion

SI ES SEMESTRAL PONER 1 2 12 12, ETC

𝑌𝑇+1 = 130043(0.950823) ese 0.945755 ES DEL PRIMER TRIMESTRES DE LOS ULTIMOS 5

AÑOS Y ESO ES ESTIMACION

El eviews tiene una forma autoamtica de hacer estomi variable se llama y_sa

abrir en y_sa =proc=automatic arima forecasting

.una transformación automática,

puedes tener ninguna transformación o puede tener una

transfromacion logarítmica o puedes tener una transformacion box cox que es una
transformacion cuadrática para hacer una transformacion exponencial, aquí la amquina elige si
no vas hacer una gtransformacion o si le va a poner logaritmo, tambein especifica que proceso
arima vamos a seguir , cuantas difenciaciones vamos a dar? 2 maximas

le pdemos poner hasta un ar5 ya que tenemos un análisis previo y un ma5 no rrabajo con sar y
sma xq, sar es un proceso estacional, el proceso estacional ya lo hemos sacado y ahora
estamos trabajando con y_sa

la peirocidad es 4 trimestres y le damos ok

.cuantos modelos ha estimado? 36 modelos ha estimado y

nosotros hemos estimado 4 o 5 modelos,

el numero de convergencia es cero

es un modelo que ha estimado es un modleo arma 3.3 osea nisiquiera lo ha integrado al

modelo, el computador a elegido que el modelo y_sa es 3,3 y no es un arima es un arma o sea
no lo ha integrado

esto que nos esta diciendo y logaritmo de y_sa es un modelo arma 3,3

dlog(Y_SA) ---ARMA(3,3)

LOG(Y_SA) ---ARIMA(3,1,3)

HEMOS DETERMINADO QUE NO ES UN ARMA 3,3 SI NO ES UN ARIMA 5,1,0 Y EXISTE

DIFERENCIAS, CUAL ES MEJOR’ DEPENDE DE LOS CRITERIOS QUE LE INVERSTIGADOR E¿HBAYA
USADO

YO puedo partir de este modelo(3,3) y enonces decir sabes que el mejor modelo es 3, 3 y ene
ste caso como ya me esta dadno una idea el modelo lo puedo comparar y podemos decir
equation ARIMA313.ls d(log(y_sa)) c ar(1) ar(2) ar(3) ma(1) ma(2) ma(3)

. podemos encontrarun arcacaicque 4.56 r^2 mas alto

El ar3 es signinficativo ar 2 tambien ma1 ma 2 y ma3

no son muy significativos

lo que mira la maquina es criterios de arcaique swarts

si yo lo presento probablemente sea un buen modelo

si nosotros observamos los residuos

del modedlo click en resids

Click forecast

Y no nos estaría dando un beunresultado

Tendrai que estar comparándolo con los resultados anteriores

Fin y se malogro la maquina de giovani

Los pronósticos arima nos debe llevar a runa reflexión deoepndiendo de un cruterio nos va
adar un resultado existe una variedad de resultado h cual es? El tiempo lo va decir cuando
suceda el evento y lo comprares te daras cuenata de cuan buen modelo es

Clases en la tarde Quiroz

El profesor trabaja con

1980q1 2017q4

1992q1 2017q4

Abrir exportaciones
Probablemete las exportaciones

tengan un comportamiento lineal, pero tambien

puede ser que tengan un comportamiento

estacional

proc=seasonal adjusment= census x12

.abrir x_sa

View =graph

Va a tener un comportamiento mas estilizado

un comportamiento mas elaborado

pero a este comportamiento le podemos

fenerar un logaritmo de y

genr lx=log(x_sa)

abrir en lx

sale n.a por que estoy trabajando con datos a partiir de 1991

para adelante

view=unit root test=

.nos esta diciendo que hay raiz unitaria y

hay que trabajar con la primera diferencia

vamos hacer el esfuerzo en este ejercicio asumiendo

que dentro de su raiz unitaria nos salga una

probabilidad menor al 5% eso quiere decir que el

logaritmo seria estacionaria

si esta variable es estacionaria haciendo un ezfuerzo

mental para determinar para hacer que es una variable estacionaria en todo caso tendriamos
que trabajar todos sus otros componetes, no te olvides que ya hemos quitado su
componenete estacional

de nuevo para organizarnoz:

vamos atrabajar con las exportaciones

y estarian determinadad por esto

Asumiendo que es un
comportamiento
estacionarionosostris
sacaríamos su raíz
unitaria de esto

Nos estaría sabes que la

probalidad de sea estacionaria
es de 10%, entodo caso
rechazaríamos la hipótesis nula
. o aceptaríamos la hipótesis
nula y diariamos que es no
. estacionaria, en realidad es no
estacionaria , pero voy asumir
.
que la variable es esatcionaria
. porque si no se va apoder
hacer la siguiente parte d ela
.
clase

.en este caso vamos a sacr el valor estacional con aditivo

Avrir en exportaciones =proc=seasonal adjusment=census x12

.

. luego abrir en x_sa

Luego ya en x_sa abrie view= unit root test=

Probablemete en este caso,dando
un resultado de este tipo nos
estaría dando que es estacionario,
pero porque es estacionaria? Por
.
que la probabliidad es menor al
5% entonces x_sa es estacionaria
en niveles, pero x_sf tiene otro
comportamiento

Abrir x_sf=view =graph

En bastante volátil en este

proceso, pero eso no tiene mayor
relevancia en esta parte, lo
primero quetenemos que
observar de esta variable es si
tiene tendencia y tengo que
extraerle la tendencia

De la variable x_sa abrir=view =graph tengo que extraele la tendencia

Una de las formas para extraer la

tendencia es equation genr
lx=log(x_sa) escribirmo eso en
command y volemos a pasar unit
root test
.
El sacar logaritmo me
altera mi resultado si no
sacamos logaritmos
probablemente estoy
mejor que sacándolo, en
todo caso solo trabajemos
con x_sa

Ya no le voy a sacar logaritmo si no simplemente x_sa en todo sentido tendríamos que

quitarle la tendencia, como le quitamos la tendencia? Utilizamos una regresión

Escribir en command: equation l1.ls x_sa c @trend (ya no utilizo logaritmo por que me
empeora las cosas)

Abrir l1 que esta en workfile

L1 es la primera ecuación y viene

a ser un buen modelito

Click en resid de equation l1

Si ustedes observan estaría

teniendo un buen resultado el
lineal simplemente, muy bien ya
le quite la tendencia

Pero también puedo probar con la otra ecuación

Escribimos en command : equation l2.ls x_sa c @trend @trend*@trend (@trend*@trend

quiere decir al cuadrado)

Abrimos l2 de workfile

. El cuadrado de trend no me
. ayuda mucho no es significativo,
pr bablemete de los dos que
. escribi en commnad preferiría
. trabajar con el primero
.pero también podríamos estar trabajando con una exponencial que es

Escribimos en command:
equation e1.ls log(x_sa) c @trend

Abrimos en e1 de workfile

Y el exponencial me sale de esta

manera, no te ovides que si
trabajas con logaritmo te puede
. malograr todo el modelo, eso ya
se probo anteriormente

Entre estos dos modelos

Probablemente el que podria
elegir seria el lineal simplemente,
dado esto tendría la tendencia
lineal en todo caso lo que levoy a
decir a la computadora es
recupérame todos los valores que
están en residual

En equation l1 abrir resids

El residual es esta parte el

residual representa el ciclo y el
componenete irregular
..

Y como obtengo eso? De equation l1 click en forecast en vez de x_saf poner x_ci
(componenete cicliclo e irregular)

. Esto vendría a ser la tendencia

.

.
.vamos a estima a x_sa pero a la tendencia

Abrir x_ci en workfile view=graph

Como calculas el @trend? Lo calculamos de la siguiente manera

Genr t=@trend y abrimos t del workfile

X_sa =XT +X_CI

X_SA= a + bt + e

 Tendencia= a +bt
 C+i =e

Cuanto será el valor para 2017q2 sera 149 desde caunto esta comenzando?

Desde el año 80 y el siguiente valor es 151 y el siguiente es 152 eso es lo que

Podríamos estar coordinando.

Pero podríamos estar eliminando esos n.a que no nos sirve tenemos que

Estar trabajando desde el 1992q1 para adelante

Click en range (esta en el workfile)

.ahora si tenemos 104 datos

Ahora hago mi regresión abrimos equation l1=estimate=ok

La regresión en este caso ha cambiado por

Que estoy utilizando desde 1992q1 hasta 2017q4 los

residuos siguen siendo lo mismo, entonces el punto

importante es de donde estas empezando(la fecha)

los datos han cambiado por lo tanto

𝑋𝑇𝑇+1 = −5423.799 + @𝑇𝑅𝐸𝑁𝐷(𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 )

𝑋𝑇𝑇+1 = −5423.799 + 285.8756(104)

VOY A generar el @trend otra vez

Genr t=@trend y enter abrir t en el workfile

Ahora nos sale 103, 103 nos

sale de la cantidad de valores

que estamos tranajando

pero profesor nostros estamos

trabajando con 104 obserbaciones

con cuanto debe salir el siguiente valor?

Con 104

𝑋𝑇𝑇 = −5423.799 + @𝑇𝑅𝐸𝑁𝐷(𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 2017𝑞1 )

𝑋𝑇𝑇+1 = −5423.799 + @𝑇𝑅𝐸𝑁𝐷(𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 )

Eso nos puede ayudar la maquina también

Como era el pronostico?

Primero incremenetamos el rango de 2017q4 a 2018q1

Luego después de haber hecho la estimación hago el forecast

De equation l1

Como le voy a llamar a los resultados del forecast?

Xt pues, porque es la tendencia y le voy a decir sácame hasta

El 2018q1

Con esto que cosa estoy calculando?

El forecast me da la estimación

𝑌 = 𝑦̂ + 𝑒
Lo que te da el forecast es el y estimado (con sombrero) este y estimado no es otra cosa que la
tendencia que no es otra que el xt

Lo que yo quiero es el xt+1

.aqui están mis resultados

Nuevamente para ver si mi predicción

Es correcta tienen que revisar thaeil inequality

Abrir el xt delworkfile

View=spreedshet=ir hasta el ultimo valor de la tabla hasta 2018q1 que es 35154.86

Eso se llama la predicción de la tendencia y lo puedo hacer mas

largo

Quiero predecir hasta el año 2020

Click en range y poner hasta el 2020 q1

.aqui no necesitas el lado previo lo que necesitas saber es el tiempo no es como el caso
anterior

Click en Equation l1 luego en estimate y luego ok=FORECAST

PONER AHÍ HASTA EL 2020Q1

.
.LUEGO CLICK EN X_SAF Y AHÍ ESTAN LAS PROYECCIONES

LUEGO CLICK EN VIEW (yo puedo proyecctar los valores que quiero porque la tendencia es
sistematica y si es sistematica yo puedo proyectarlo para cualquier valor del tiempo)

Ya sabemos caluclar cual es el proximo valor ya hemos hecho formulas

No necesitas calcular el proximo valor si estas trabajando con el eviews simplemente dale
forecast y te va a calcular para todos los valores que tu quieras

Profesor necesitamos los residuos y Los residuos de equation l1 van a tener c+i, y como
obtengo los residuos? Los residuos lo obtengo de esta manera

Proc=make residual series(o sea has los residuos de la serie)

Como se van a llamar los residuos de la serie XCI

LUEGO VIEW=GRAPH=OK, SI QUIERO TRABAJR MAS PUEDES SACR EL COMPONENTE CICLICO, Y

COMO PUEDES SACAR EL COMPONETE CICLICO?

TE VAS APROC=SEASONAL ADJUSTMENT LUEGO CENSUS X12

..

.
Y DESPUES DE SO ME
XC_TC darle click ahí
.
SALE EN EL WORKFILE
Profesor, No parece un luego en view y graph
componente cíclico, no te olvides
que el componente cíclico que
mientras mas ajustado a un
polinomio mas cercas esta(¿?)

.
Que pueden decir de este
componente cíclico, ¿es
sistemático? No es sistemático, si
no es sistemático no lo puedes
.
separar del componente irregular
.

..

Xci vendria a ser nuestra variable cick ahí view=graph =unit root test

De esta grafica no se si es estacionaria, por que no se

si es estacionaria? Por que tiene quiebre estructural y
eso me esta malogrando, el test de dick y fuller puede
fallar porque le falta determinar si existe quiebre aquí

Cual seria la idea de esta variable, es estacionaria o no

es esatcionaria? No es estacionaria porque tiene un
comportamiento como la grafica, lo que esperarías de
esto es que sea no estacionaria, pero dick y fuller nos
dice que si es estacionaria

De la grafica xci view=unit root test=(ene ste caso voy a trabajarlo con tendencias podría ser
con none también)

.
.si no quieres trabajar con dick fuller trabaja con philips perron

Si aquí hay cierta duda haz mas hipótesis con dick y fuller Philips perron y probablemenet
estaríamos trabajando con zivot y andrews pero tengo suficiente argumento para decir que es
estacionaria y si es estacionaria:

View= correlogram=ok

Eset correlograma es memoria

larga? No es memoria larga, que
proceso seguirá? Seguirá un
proceso ar1 prorque todos salen y
retornan, de repente un ar 4, pero
esta clarito que es un ar1, esto es
un ar 1 con un valor positivo

Puede ser un ma1

Puede ser un ar1

Puede ser un ar1 un ar4

Un ma1 un ar1

Puedeser un ar1 un ar4 un ma6

Todos estos son los posibles candidatos y con ellos debemos establecer cual es mejor y
nuevamente viene el proceso que se hizo en la mañana

Equation ar1.ls xci c ar(1) luego click en ar1 del workfile

Esto si se llama ar1 y no arima, el otro tenia que llamrse arima porque tenia un proceso de
integración, que modelo es? Puedo sacar mi resultado y decir en este caso mi primer modelo

LUEGO UN AR 4 SERIA DE ESTE MODELO:

Equation ar4.ls xci c ar(1) AR(2) AR(3) AR(4)

PGD R^2 ARC

AR1 0.59 16.28027
AR4 0.623134 16.26305
CON CUAL DE LOS DOS ME QUEDO PROBABLEMENETE CON UN AR 1
.AQUI EL AR1

EL AR2 NO SIRVE LO PUEDO QUITAR

EL AR3 TAMBIEN

EL AR4 ES ALAS JUSTAS SIGNIFICATIVO

EL AR1 ES MEJOR

PERO PROFESOR PRUEBA CON UN ARMA 1.1

Equation arma11.ls xci c ar(1) ma(1)

Click en arma 11 y tengo este resultado

El ma no es significativo

PGD R^2 ARC

AR1 0.59 16.28027
AR4 0.623134 16.26305
arma11 0.604565 16.27086

Trabaja con un ma1

Equation ma1.ls xci c ma(1) enter y abrir el ma1 en el workfile

Probablemete el ar1 es mejor que este, pero lo

podemos seguir probando

Probemos ahora el ma6

Equation ma6.ls xci c ma(1) ma(2) ma(3) ma(4) ma(5) ma(6)

Me sale con 63% de r^2 pero el arcaique 16.27

Si el ma 6 se va me eliminaría todo mi modelo

Probemos ahora con

Equation arma16.ls xci c ma(1) ma(2) ma(3) ma(4) ma(5) ma(6) ar(1) ar(2) ar(3) ar(4)

Probalemenete si trabajo con eso ya no seria un

Buen modelo, entonces esto es el PGD ASI TIENES QUE

DESCUBRIR TU PGD, YO ME SEGUIRIA QUEDADNO

CON UN AR1 POR QUE SI YO UTILIZO EL CRITERIO

HANNAN QUINN O EL CRITERIO DE SWARTS LAS COSAS YA CAMBIAN

SEGÚN EL CRITERIO DE HANNA
QUIN ME DICE QUE M EQUEDE
CON EL CRITERIO DE AR1 ,
ARCAIQUE SIEMPRE VA A
PREFERIR SIEMPRE EL QUE TIENE
MAYOR DE RESAGOS, EN CAMBIO
SWARTS VA APREFERIR EL QUE
TIENE MENOR CANTIDAD DE
REZAGOS, cual es mejor? Si tienes
bastante información hazle caso a
arcaique y si tienes muy poco
información hazle caso a swartz y
a hanan quinn, en el modelo
arima 16 arcaique te roba 6
rezagos para que tu calcules el
siguiente dato vas a necesitar 6
periodos anteriores
 .

En cambi en arcaique para que tu analizes el periodo siguiente solo necesitas el periodo
anterior

Se llama arima porque hacemos el proceso de integración

Log(x_sa) X_SA
R^2 ES MUY REDUCIDO R^2
POR SER UN PROCESO DE DESCOMPOSICION ES MUY ALTO
INTEGRACION
SI ES PREDECIBLE LOS R^2 SON
NO PUEDES P´REDECIR CUANDO MUY ALTOS
TU R^2 ES MUY BAJO

𝑋𝐶𝐼𝑇 = 49.971 + 0.769𝑋𝐶𝐼𝑇−1

ESTA ECUACION SERIA UN AR1

PERO CUAL SERIA SU PROXIMO VALOR?

NECESITAS XCI Y ESO ESTA EN EL WORKFILE CLICK AHÍ Y BUSCAR HASTA EL ULTIMO VALOR
2017Q4 47.53640

𝑋𝐶𝐼𝑇 = 49.971 + 0.769 ∗ 47.53640

Y COMO SALE ESE RESLTADO EN LA MAQUINA?

COMO SIEMPRE FORECAST

CLICK EN TU VARIBALE AR1 =ESTIMATE

LE DIGO QUE ME TRAIGA EL VALOR DE 2018Q1, SI LE PIDO MAS VA A VER UN ERROR PORQUE
NO TENGO LOS VALORES ANTERIORES NO OLVIDAR HACER CLLICK EN STATIC

PROBALEMENET NUESTRO
PRONOSTICO EN ESTA APRTE SEA
UN POCO INFERIOR, MIREN EL
VARIANCE PROPORTION 0.12
NADA MAS

PROBABLEMETE NUESTRO PRONOSTICO EN ESTA PARTE SEA UN POCO INFERIOR, MIREN EL

VARIANCE PROPORTION 0.12 NADA MAS ESO DEBERIA TENDER HACIA EL CERO,ESO PARA QUE
LO VEAN

ENTONCES XCIF, Y CUANTO ES EL VALOR? HACER CLICK EN XCIF DEL WORKFILE BUSCAR HASTA
EL ULTIMO VALOR 2018Q1 48.09943

Y CUANTO CALCULO SU COMPAÑERO?

86.52

(AQUI EL PROFESOR SE EQUIVOCA, PREGUNTA, Y POR QUE NOS HA SALIDO MAL?)

HACE CLICK EN EQUATION AR1 =FORECAST=PONE 2018Q1 CLICK EN STATIC FORECAST CIERRA

LUEGO ABRE XCIF SELECCIONA XCI Y XCIF

.LUEGO SELECCIONA XCI Y XCIF DEL WORKFILE ANTICLICK=OPEN AS A GROUP Y DICE

EL AJUSTE ES BASTANTE DIFERENCIADO

HACE CLICK EN VIEW=GRAPH=OK DICE QUE EL AJUSTE DENTRO DE MI MODELO SE ESTA
DANDO DE ESTA MANERA CIERRA ESE GRAFICO

LUEGO HACE CLICK EN SAMPLE PONE 1992Q1 2018Q1=OK

ABRE XCIF Y PONE HASTA EL ULTIMO VALOR

DICE AQUÍ NOS SALE 48 PERO EN NUESTROS RESULTADO NO NOS SALE 48

PONE CLICK EN EQUATION AR1(DONDE ESTABA EL GRAFICO ULTIMO CALCULADO) CLICK EN

ESTIMATE borra solo a(1) y one en vez de eso xci(-1)

Con estos rsultado prueba tom. Luego de un rato nono por el valor que les he dado denanates
por qu etiene que ser el mismo valor de algo.

El valor anterior es este valor que esta aquí

Click en xci hasta el ultimo valor 2017q4 47.53 eso es el valor que debemos tener en cuenta,
esque no podemos poner otro valor, tengo que poner el valor anterior del valor que ha
ocurrido.

.
.que es lo deberiamos tener en cuenta? En este caso con el modelo que he trabajado que es el
mejor modelo que yo estoy teniendo en consideracion, es un ar1 y un ar1 es xci lo que esta aui
,voy a corregir esto, -15.33+0.76, la pendiente probablemete no ha cambiado mucho lo que si
ca,bia es este valor que esta aquí, y por que cambia este valor? No te olvides que el proceso
ar1 es un aproximado de xci t-1 no es exactamente el mismo valor, el ar1 es el proceso de
seguimineto de cocharne orcuty el proceso de cocharne orcut para que nos salga el valor real
aquí hace una suerte de ajuste previos y nos da el resultado final, pero para que yo tenga este
resultado (xci t-1) puedo trabajar con ar1 que va a ser un proceso de ajuste o puedo trabajr
con un xci t-1 directamente para estar trabajando mi resultado final y en este caso 47.53640
nuestra prediccion, estamos de acuerdo?

Profesor esto me debe salir si yo quiero aplicar directamente el valor anterior, pero ahora
apliquemos lo que sale si yo trabajo con el proceso ar1

Ojo esto es con xci(t-1), ahora en vez de poner 𝑋𝐶𝐼𝑇−1 le voy a poner ar(1) que se supone que
es el mismo resultado

Abre equation ar1 Hace un click en estimate=

No es el mismo resultado,
ahora les explico,

En equation ar1 click en

forecast=le pongo xcif2
para poder determinar mi
. resultado ,click también en
stattic forecast= ok ,
.
En todo caso he hecho los
. 2 modelos
.

Con este modelo la predicción me

sale 48.09 click en xcif2 ultimo
resultado para ver la
predicción(2018q1) para ver la
predicción

Y con este modelo me sale 47.02

Por que con este resultado me sale diferente?

Porque si tu utilizas este modelo y le aplicas

el valor anterior, te va a salir lo que nos salio hace un

momento, no nos va a cuadrar nada nuestro resultado

porque? Porque necesitamos hacer un procedimiento

mas del proceso cocharne ocut para que nos salga el resulTado

en cambio aquí en este modleo no necesito hacer un ajuste, solo le pongo el valor anterior y
me va salir el valor que quiero trabajar, 48 47 son valores muy aproximados, estomque esta
aquí es con el proceso de cocharne orcut, y yo encontraria el resultado con este que estaria
aquí, pero aui no le puedo aplicar directamente el xct-1 porque? Porque aquí no esta el xct-1,
se entiende? Que cosa esta? El ar 1 o sea tengo que encontarra el valor de a anterior y eso es
un proceso de cocharne orcut .
 En cambio, el modelo que esta
aquí, ya tengo el valor anterior
directamente le pongo el valor
anterior , entonces aui si le puedo
aplicar el valor anterior, en
cambio en el otro no, es por eso
que mesale esa diferencia , los
dos modleos tiene validez si yo
trabajo con el modelo ar1 tengo
que encontrar el siguiente valor
con xct-1 tengo que encontrar el
siguiente valor, creo q no están
convencidos? Le explico
brevemente

Cual es el valor anterior? 47.53

Y ahí se acbo la memoria eso yaesta en sus cadernos