Dialnet SobreLaExistenciaDeUnaRaizUnitariaEnLaSerieDeTiemp 4241150 PDF

Sobre la existencia de una raíz unitaria
en la serie de tiempo mensual del precio

de la electricidad en Colombia
Elkin Castaño y Jorge Sierra
Lecturas de Economía - No. 76. Medellín, enero-junio 2012

Lecturas de Economía, 76 (enero-junio 2012), pp. 259-291
Elkin Castaño y Jorge Sierra

Sobre la existencia de una raíz unitaria en la serie de tiempo mensual del precio de la
electricidad en Colombia
Resumen: Generalmente, las series de tiempo de precios de electricidad presentan cambios estructurales debido
a las condiciones económicas relacionadas con la oferta, la demanda o las reglas del mercado donde se transan.
Mientras algunas de las propuestas para modelar estas series están basadas en modelos de reversión a la media
inspirados por la literatura financiera (Philipovic, 1998), sus saltos y cambios estructurales han evidenciado la
existencia de regímenes con diferentes medias y varianzas (Huisman, 2003). En Colombia, estas series parecen
mostrar una tendencia general de crecimiento. En este artículo se busca evidencia de si este crecimiento es debido
a una tendencia puramente determinística, o a una raíz unitaria, o a la presencia de distintos cambios de nivel,
los cuales podrían haber sido causados por eventos exógenos, tales como los fenómenos climáticos de El Niño y
La Niña y las resoluciones de la Comisión de Regulación de Energía y Gas del país. Los resultados se inclinan a
favor de un proceso estacionario alrededor de varios cambios de nivel, y señalan la importancia de contar con
la información sobre los eventos ocurridos en la evolución del proceso.
Palabras clave: Cambios de nivel, componentes determinísticas, raíz unitaria. Clasificación JEL: C15, C22, C52.
On the Existence of a Unit Root in the Time Series of Monthly Electricity Prices in Colombia
Abstract: Usually, the time series of electricity prices in different markets show structural changes due to econo-
mic conditions related to supply, demand or specific market rules. While some of the proposals for modeling these
series are based on mean reversion models inspired by the financial literature (Philipovic, 1998), its jumps and
structural changes have evidenced the existence of regimes with different means and variances (Huisman, 2003).
In Colombia, these series seem to show an overall growing pattern. This article seeks to find evidence of whether
this growing pattern is due to the presence of a purely deterministic trend; or if there is a unit root, implying
the existence of a stochastic trend; or if the series is generated by a stationary process around various changes of
level, which could have been caused by various exogenous events such as the weather phenomena of El Niño and
La Niña and the resolutions of the Comisión de Regulación de Energía y Gas in the country. The results are in
favor of a stationary process around multiple level changes, and highlight the importance of having information
about the events that occurred in the evolution of the process.
Key Words: Level shift, deterministic components, unit root. JEL classification: C15, C22, C52.
L’existence d’une racine unitaire dans les séries mensuelle de prix d’électricité en Colombie
Résumé: Généralement, les séries mensuelles de prix d’électricité ont des changements structurels en raison des
conditions économiques liés à l’offre, à la demande ou bien liés aux règles des échangés. La modélisation de ces
séries est souvent basée sur des modèles de retour à la moyenne, inspirés par la littérature financière (Philipovic,
1998). Cependant, cette modélisation présente des sauts et des changements structurels qui prouvent l’existence des
régimes avec des différentes moyennes et différentes variances (Huisman, 2003). Pour le marché colombien, cette
série semble montrer une tendance générale de croissance. Cet article cherche des preuves afin d´établir si cette
croissance est attribuable à une tendance purement déterministe ou elle obéit à une racine unitaire ou bien est
due à la présence de changements du niveau, ce qui pourrait avoir été provoqué par des événements exogènes tels
que les phénomènes climatiques El Niño et La Niña, ou les mandats de la Commission de l’Energie et du Gaz
de Colombie. Les résultats montrent un processus stationnaire autour de plusieurs changements de niveau, et ils
soulignent l’importance des événements en tant que source d’information afin de mieux analyser l’évolution du
processus.
Mots-clés: changements de niveau, composantes déterministes, racine unitaire. Classification JEL: C15, C22, C52.
Lecturas de Economía, 76 (enero-junio), pp. 259-291 © Universidad de Antioquia, 2012
Sobre la existencia de una raíz unitaria en la serie de tiempo

mensual del precio de la electricidad en Colombia
Elkin Castaño y Jorge Sierra*
–Introducción. –I. Metodología. –II. Contraste de una raíz unitaria en presencia de una
tendencia lineal determinística. –III. Una prueba de raíz unitaria en presencia de varios
cambios de nivel. –IV. ¿Tendencia determinística o cambios de nivel? –Conclusiones.
–Bibliografía.
Primera versión recibida en febrero de 2012; versión final aceptada en abril de 2012
Introducción
Generalmente, las series de tiempo de los precios de electricidad de los

distintos mercados presentan cambios estructurales en su comportamiento
debido a las condiciones económicas relacionadas con la oferta, la demanda
o a las reglas del mercado donde se generan. Si bien algunas de las propuestas
para modelar las series de precios se relacionan con modelos de reversión a
la media, inspirados por la literatura financiera (Philipovic, 1998), los saltos y
cambios estructurales de esta serie han evidenciado la existencia de regímenes
en el precio con diferentes medias y varianzas (Huisman, 2003).
En el caso particular de Colombia, la serie de precios reales mensuales de
la electricidad, presentada en el Gráfico 1, muestra una tendencia general de
crecimiento tanto en su nivel como en la varianza incondicional.
* Elkin Argemiro Castaño Velez: Profesor asociado de la Facultad de Ciencias, Universidad

Nacional de Colombia, Sede Medellíny profesor titular de la Facultad de Ciencias Econó-
micas, Universidad de Antioquia. Dirección postal: Universidad Nacional Sede Medellín,
calle 59A #63-20, oficina 43-216. Dirección electrónica: elkincv@gmail.com. Jorge Sierra
Almanza: XM Expertos en Mercado, Centro Nacional de Despacho. Dirección electrónica:
jsierra@xm.com.co.
reversión a la media, inspirados por la literatura financiera (Philipovic, 1998), los saltos y
cambios estructurales de esta serie han evidenciado la existencia de regímenes en el precio con
diferentes medias y varianzas (Huisman, 2003).
En el caso particular de Colombia, la serie de precios reales mensuales de la electricidad,

presentada en el Gráfico 1, muestra una tendencia general de crecimiento tanto en su nivel como
en la Castaño
varianzay incondicional.
Sierra: Sobre la existencia de una raíz unitaria en la serie de tiempo mensual...
Gráfico
Gráfico1.1. Serie mensualdel
Serie mensual delprecio
precio
realreal
200
150
Precio
100
50
2000 2002 2004 2006 2008 2010
Time
.
Fuente: ElaboraciónFuente:
propia. Elaboración propia.
Una breve descripción del mercado de la electricidad y sus características para el mercado
Una
colombiano, sebreve descripción
encuentra del mercado
en el Apéndice 1. de la electricidad y sus características
para el mercado colombiano, se encuentra en el Apéndice 1.
En este documento se trata deseobtener
En este documento trata deevidencia sobre el tipo
obtener evidencia sobredeelproceso
tipo de que genera este
proceso
crecimiento. Se quiere investigar si el crecimiento es debido a: i) la existencia de un proceso
que genera este crecimiento. Se quiere investigar si el crecimiento es debido
1
a: i) la existencia de un proceso estacionario alrededor de una tendencia
Elkin Argemiro Castaño Velez: Profesor asociado de la Facultad de Ciencias, Universidad Nacional de
puramente determinística (denominado proceso Trend Stationary o TS); o
Colombia, Sede Medellíny profesor titular de la Facultad de Ciencias Económicas, Universidad de
ii) si Dirección
Antioquia. el proceso tieneUniversidad
postal: una raíz unitaria,
Nacional lo queMedellín,
Sede implicaría
callela59A
presencia
#63-20, de una 43-216.
oficina
tendencia
Dirección estocástica
electrónica: posiblemente
elkincv@gmail.com. Jorgecon una
Sierra deriva XM
Almanza: (denominado
Expertos en proceso
Mercado, Centro
Difference
Nacional Dirección oelectrónica:
Stationary
de Despacho. DS); o iii) si la serie es generada por un proceso
jsierra@xm.com.co.
estacionario alrededor de distintos cambios de nivel, los cuales podrían
haber sido causados por diferentes eventos exógenos. Con respecto a este 1
último enfoque, se quiere verificar si el crecimiento observado se debe a la
posible presencia de cambios de nivel como resultados de los efectos de
los fenómenos climáticos de El Niño y La Niña y de las resoluciones de la
Comisión de Regulación de Energía y Gas del país –CREG– para el mercado
de la electricidad en Colombia.
El contenido de este documento es el siguiente. La sección I presenta
metodología empleada para la determinación del modelo más adecuado
para explicar la tendencia a crecer de la serie del precio. En la sección II se
262
263
aplican pruebas tradicionales de raíz unitaria en presencia de una tendencia

determinística a la serie. La sección III presenta una prueba de raíz unitaria
en presencia de múltiples cambios de nivel, basada en la propuesta de
Cavaliere y Georgiev (2006a) y se realiza su aplicación a la serie de precios
reales mensuales de la electricidad en Colombia. En la sección V se discuten
los resultados encontrados en las secciones II y III. Finalmente, se presentan
las conclusiones.
I. Metodología
Durante varios años se ha debatido si las series de tiempo económicas y

financieras poseen una raíz unitaria o si pueden ser mejor representadas por
procesos que son estacionarios alrededor de una tendencia determinística
y/o de cambios de nivel. Perron (1990, 1992) cuestiona la relevancia
empírica de los procesos con raíces unitarias y sugiere que la ocurrencia de
innovaciones permanentes en una serie de tiempo es poco común. Propone
que las series de tiempo económicas parecen obedecer a procesos que son
estacionarios alrededor de una tendencia determinística sujeta a cambios de
nivel esporádicos. Además, Perron señala que la presencia de cambios de
nivel en las series, afecta el comportamiento de las pruebas de raíces unitarias
conduciéndolas, generalmente, a no rechazar la existencia de una raíz unitaria.
Para investigar si el proceso generador de datos de la serie del precio
real mensual de la electricidad en Colombia posee una raíz unitaria o sigue
un proceso estacionario en tendencia o estacionario en cambios de nivel, se
empleó la siguiente metodología:
i) Se contrastó la hipótesis de raíz unitaria sobre la serie del precio real de
electricidad en el modelo cuya componente exógena es una tendencia
lineal, usando pruebas tradicionales.
ii) Se contrastó la hipótesis de raíz unitaria en presencia de varios cambios
de nivel sugerida por Cavaliere y Georgiev (2006a, 2006b).
iii) Se compararon los modelos sugeridos en las pruebas anteriores.
Lecturas de Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012

Para investigar si el proceso generador de datos de la serie del precio real mensual de l
electricidad en Colombia posee una raíz unitaria o sigue un proceso estacionario en tendencia
estacionario en cambios de nivel, se empleó la siguiente metodología:
i) Se contrastó la hipótesis de raíz unitaria sobre la serie del precio real de electricidad en e
Castaño
modeloy Sierra: Sobre la existencia
cuya componente de una
exógena esraíz
unaunitaria en la lineal,
tendencia serie deusando
tiempo mensual...
pruebas tradicionales.
ii) Se contrastó la hipótesis de raíz unitaria en presencia de varios cambios de nivel sugerida po
Cavaliere y Georgiev (2006a, de
II. Contraste 2006b).
una raíz unitaria en presencia
iii) Se compararon los modelos sugeridos
de una tendencia lineal en las pruebas anteriores.
determinística
II.
Tras Contraste de unadel
la observación raízGráfico
unitaria1,ense
presencia de una tendencia
puede concluir lineal determinística
que la varianza
incondicional de la serie no es estable y tiende a crecer con su nivel. El
Tras la observación del Gráfico 1, se puede concluir que la varianza incondicional de la serie n
empleo de ylatiende
es estable transformación
a crecer condesuBox-Cox
nivel. El (Box
empleo y Cox,
de la 1964) sugiere que
transformación la
de Box-Cox (Box
transformación
Cox, 1964) sugierelogarítmica
que la es adecuada para
transformación estabilizaresdicha
logarítmica varianza.
adecuada para Por
estabilizar dich
lovarianza.
tanto, elPor
análisis deellaanálisis
lo tanto, serie se derealizará
la serie sesobre el logaritmo
realizará natural natural
sobre el logaritmo de los de los precio
precios
reales. reales.
Sea X = Log(preciot). Para probar la hipótesis de una raíz unitaria en
Sea X t t Log ( preciot ) . Para probar la hipótesis de una raíz unitaria en presencia de un
presencia de una tendencia lineal, se emplearon la prueba de Dickey-Fuller
tendencia lineal,
Aumentada se emplearon
(Dickey la prueba
y Fuller, 1981), de Dickey-Fuller
basada en el modeloAumentada (Dickey y Fuller, 1981)
basada en el modelo
p
Xt 0 1t Xt 1 j Xt j t , (1) (1)
j 1
yy lala prueba
prueba de
de Dickey-Fuller
Dickey-FullerDetrended
Detrended(DF-GLS)
(DF-GLS) de de
Elliot et al.
Elliot (1996),
et al. la cual
(1996), la posee una
ymayor
la prueba de Dickey-Fuller
potencia que la prueba Detrended
anterior, (DF-GLS)
basada en el de Elliot et al. (1996), la cual posee una2
modelo
ycual
mayor posee
la prueba una mayor potencia
de Dickey-Fuller
potencia que la prueba que la
Detrended
anterior, prueba anterior,
(DF-GLS)
basada en el basada
de Elliot
modelo et al.en(1996),
el modelo
la cual posee una
(1996), lay cual
la prueba
mayor posee deunaDickey-Fuller Detrended (DF-GLS) de Elliot et al. (1996), la cual posee una
potencia que la prueba anterior, basada en el modelo
mayor potencia que la prueba anterior, d
basada
d
enp el modelo d
X td X td 1 p
j X td j t, (2) (2)
X dt X dtp 1 jp 1 j X dt j t, (2)
d Xt d Xt 1 j 1 dj Xt j t, (2)
) donde X tdd X t ˆ0 X t ˆ1t , X y tdonde
1 ( ˆj 0j ,X1 ˆt 1 )j se obtienen
t, (2)
regresando X sobre W siendo
donde X dt X t ˆ0 ˆ1t , y dondej 1( ˆ0 , ˆ1 ) se obtienen regresando X sobre W siendo
ˆ ˆ , y donde ˆ , ˆ ) se obtienen regresando X sobre W siendo
X sobre donde
donde
W siendo X td X tX t Xˆt0 ˆ01t , y1tdonde ( ˆ0 , (ˆ1 )0se obtienen
1 regresando X sobre W siendo
X X1, (1 L) X 2 , ...,(1 L) X T y W [W1, (1 L)W2 , ...,(1 L)WT ], (3)
X XX1, (1 X1, (1L) X L,)...,(1X 2 , ...,(1L) X L) X Ty Wy [W W , (1[W1, (1 L)W2 ,L...,(1 )W2 , ...,(1L)WT ],L)W (3) ],
T (3) (3)
..,(1 L)WT ],con (3) Wt (1, t )' y2 1 c / T T, c =13.5. 1
con Wt (1, t )' y 1 c / T , c =13.5.
con con Wt W(1t , t )'(1,yt )' y 1 c 1/ T ,c / T , c =13.5.
c =13.5.
Sobre los modelos anteriores, para probar la existencia de una raíz unitaria, equivale a contrastar
Sobre Sobre
las hipótesis los
los modelosH0:modelos
anteriores,
0 contra anteriores,
para probar
H1:probar 0para probar la
la existencia
.la existencia
de una raíz unitaria,de una raíz a contrastar
equivale
SobreSobrelos
unitaria,
las los
hipótesismodelos
modelos H
equivale 0 : anteriores,
anteriores, para
contra
a contrastar las
0 para
probar
H : existencia
0 . existencia
de unade una
1 hipótesis H0: γ = 0 contra H1: γ <= 0. contrastar
la raíz raíz
unitaria, unitaria,
equivale equivale
a a contrastar
taria, equivalelas a hipótesis
contrastar
las hipótesis H0: H0: 0 contra 0 contraH1: H1:0 . 0 .
La selección
La selección del orden del p orden
de la componente
p de la componente autorregresiva autorregresiva
de los modelos anteriores de los se basa en:
La
i) selección del
determinar un orden de
orden p dep la componente
máximo usando autorregresiva
p =[12(T/100) de los
0.25
] modelos
donde [.]anteriores
indica se basa
la parte en:
entera
modelos
La selección
La selección anteriores
del del
orden orden
p deseplabasa
de la en:
componente i) determinar
componente autorregresiva
máx un orden de
autorregresiva de los de los
modelos
0.25 máximo
pmodelos
anteriores usando
anteriores
se basa se basa
en: en:
i) determinar
y se
T es el en:
númeroun ordende de p máximo usando
0.25 observaciones de la la pmáxde
serie =[12(T/100)
tiempo; ii)0.25 ] dondetodos
ajustar [.] indica la parte para
los modelos enterap
elos anteriores i)p
i) determinar
ydesde
T es
máx
=[12(T/100)
basa
determinar
elun un orden
orden
número de
de p] de
donde
p máximo
máximo
observaciones [.] indica
usando usando
de pla
máxserie pparte
=[12(T/100)
máx de
entera
0.25 y
=[12(T/100)
tiempo; ] donde
ii) Tajustar
] es[.]elindica
donde número
[.] indica
todos la de
parte
los laentera
parte para
modelos enterap
de [.] indica cero a pmáx y seleccionar el modelo para hacer la prueba como aquel cuyo criterio de
y Tlaydesde
esparte entera
Telesnúmero
el número
cero
información de
pmáx
a de dey observaciones
observaciones
Schwarz (SIC) de
seleccionar de
seaellamínimo
la serie
serie
modelo deypara de hacer
tiempo; tiempo;
el modelo ii) la ii) ajustar
ajustar
prueba
satisfaga todoscomo
los
todos los cuyo
los aquel
modelos
diagnósticos
modelos
para p parade
de criterio
validación
p
todos losdesde
modelos
desdecero
informaciónpara
cero
a p p
a p
máxdemáxy y seleccionar
seleccionar el el
modelo modelopara para
hacer hacer
la la
prueba prueba
Schwarz (SIC) sea mínimo y el modelo satisfaga los diagnósticos de validacióncomo como
aquel aquel
cuyo cuyo
criterio criterio
de de
de supuestos.
mo aquelinformación
cuyo de criterio
información de de
supuestos. Schwarz
de Schwarz (SIC)(SIC)
sea mínimo
sea mínimo y el modeloy el modelo satisfaga los diagnósticos
satisfaga los diagnósticosde validación
de validación
diagnósticos 264
de
de validación
de supuestos.
supuestos.
La Tabla 1 presenta los resultados obtenidos para la prueba ADF. El modelo seleccionado para
La Tablala1prueba
realizar presenta es los resultados obtenidos para la prueba ADF. El modelo seleccionado para
La Tabla
La 1 presenta
Tabla
realizar la1prueba
presentalosesresultados
los resultados obtenidos
obtenidospara la paraprueba ADF. ADF.
la prueba El modelo seleccionado
El modelo para para
seleccionado
modelo seleccionado Xt 1t Xt 1 1 Xt 1 t , (4)
realizar
realizar lapara
la prueba es es
prueba X
0
1t Xt 1 1 Xt 1 t , (4)
X t X t0t 0
10t X X
1t t 1 X t 11 t 11 X tt 1
, t,
(4) (4)
donde X t Xt 0 1t , y donde ( 0 , 1 ) se obtienen regresando X sobre W siendo
con Wt (1, t )' y 1 c / T , c =13.5.
Sobre los modelos anteriores, para probar la existencia de una raíz unitaria, equivale a contrastar
las W (1H
conhipótesis
t , t 0)': y 0 contra
1 c /T H,1: c =13.5.
0.
265
La selección
Sobre del orden
los modelos p de lapara
anteriores, componente
probar laautorregresiva
existencia de una de los
raízmodelos
unitaria,anteriores
equivale asecontrastar
basa en:
0.25
i) determinar un
hipótesis H0: orden de p
contramáximo usando p =[12(T/100) ] donde [.] indica la parte entera
lasobservaciones
y T es el númerode
0 serie deHtiempo;
delaobservaciones
1: 0 . ajustar todos los modelos para p desde
máx
de laii)serie de tiempo; ii) ajustar todos los modelos para p
cero cero
desde a pmáx y seleccionar
a pmáx y seleccionar el modelo
el modelo para hacer
para hacerla laprueba
pruebacomo como aquel
aquel cuyo
cuyo criterio de
La selección
criterio dede
información del orden
información p de
Schwarz (SIC) la componente
de sea
Schwarz
mínimo autorregresiva
(SIC)
y el sea mínimo
modelo de los
y
satisfaga el modelos
modelo
los anterioresdese
satisfaga
diagnósticos basa en:
validación
0.25
i) determinar
delos un orden de p máximo usando
diagnósticos de validación de supuestos.
supuestos. pmáx =[12(T/100) ] donde [.] indica la parte entera
y T es el número de observaciones de la serie de tiempo; ii) ajustar todos los modelos para p
desde La
cero1Tabla
a pmáx1 presenta
ylos los resultados
seleccionar obtenidoslapara la pruebaaquel ADF. El criterio de
La Tabla presenta resultadoselobtenidos
modelo parapara hacer
la pruebaprueba
ADF. como cuyo
El modelo seleccionado para
modelo
información
realizar seleccionado
de Schwarz
la prueba es para realizar
(SIC) sea mínimo la prueba es
y el modelo satisfaga los diagnósticos de validación
de supuestos.
Xt 0 1t Xt 1 1 Xt 1 t , (4) (4)
La Tabla 1 presenta los resultados obtenidos para la prueba ADF. El modelo seleccionado para
realizar la prueba es Tabla 1. Prueba ADF
Tabla 1. Prueba ADF
Xt 0 1t X t 1 1 X t 1 Estadístico
t, (4)t Valor p*
Estadístico de Dickey-Fuller Aumentado -5,052628
Estadístico t Valor 0,0003
p*
Valores
Estadístico críticos:
de Dickey-Fuller 1% nivel
Aumentado -4,030729 0,0003
-5,052628
Tabla 1. Prueba ADF
Valores críticos: 5% nivel
1% nivel -3,445030
-4,030729
Estadístico t Valor p*
5% 10%
Estadístico de Dickey-Fuller
nivel
nivel Aumentado -3,147382
-3,445030
-5,052628 0,0003
*MacKinnon (1996) valores
10% p laterales.
nivel -3,147382
Valores críticos: 1% nivel -4,030729
5% nivel
*MacKinnon (1996) valores p laterales. -3,445030
Regresión ajustada
10% nivel -3,147382
Variable Coeficiente Error Estand Estadístico t Valor p
*MacKinnon (1996) valores pRegresión
laterales. ajustada
LPRECIO(-1) -0,336908 0,066680 -5,052628 0,0000
Variable
D(LPRECIO(-1)) Coeficiente Error Estand
0,201667 Estadístico
0,089496 t
2,253358Valor p 0,0260
LPRECIO(-1) Regresión ajustada-5,052628
Constante -0,336908 1,263223 0,066680
0,248810 5,0770510,0000 0,0000
Variable Coeficiente Error Estand Estadístico0,0260
t Valor p
Tenencia
D(LPRECIO(-1)) 0,002823
0,201667 0,000699
0,089496 4,040269
2,253358 0,0001
LPRECIO(-1) -0,336908 0,066680 -5,052628 0,0000
Constante 1,263223 0,248810 5,077051 0,0000
D(LPRECIO(-1))
Fuente: Elaboración propia. 0,201667 0,089496 2,253358 0,0260
Tenencia 0,002823 0,000699 4,040269 0,0001
Constante 1,263223 0,248810 5,077051 0,0000
Fuente: Tenencia
Elaboración
El modelo empleado propia. 0,002823 básicos
pasa los diagnósticos 0,000699 4,040269sobre0,0001
de validación normalidad, no
autocorrelación y homocedasticidad en el término de error. De la tabla anterior se concluye que
Fuente: Elaboración propia.
no hayElraíz unitariaempleado
modelo y que la componente de tendencia determinística
pasa los diagnósticos es significativa.
básicos de validación sobre
Elnormalidad, no autocorrelación
modelo2 presenta
empleado y homocedasticidad de envalidación
el término de error.
La Tabla lospasa los diagnósticos
resultados obtenidos parabásicos
la prueba DF-GLS. Elsobre
modelonormalidad, no
seleccionado
Derealizar
para la tablalaanterior
autocorrelación y
prueba esse concluye que no hay raíz unitaria y que la componente
homocedasticidad en el término de error. De la tabla anterior se concluye que
nodehay raíz unitaria
tendencia y que la componente
determinística de tendencia determinística es significativa.
es significativa.
X td X td 1 1 X td 1 t , (5)
La Tabla 2 presenta los resultados obtenidos para la prueba DF-GLS. DF-GLS.
La Tabla 2 presenta los resultados obtenidos para la prueba El modeloEl seleccionado
modelo seleccionado
para realizar la prueba es para realizar la prueba es
X td X td 1 1 X td 1 t , (5) (5)
3
3
Castaño y Sierra: Sobre la existencia de una raíz unitaria en la serie de tiempo mensual...
Tabla 2. Prueba DF-GLS

Estatistic t
Tabla 2 Prueba DF-GLS
Estadístico DF-GLS de Elliott-Rothenberg-Stock -4,964735
Tabla 22 Prueba
Tabla Prueba DF-GLS
DF-GLS Estatistic t
Valores críticos: 1% nivel -3,545200
Estadístico DF-GLS de Elliott-Rothenberg-Stock Estatistic
-4,964735tt
Estatistic
5% nivel -3,001000
Estadístico
Estadístico DF-GLS de
DF-GLS
Valores críticos: de Elliott-Rothenberg-Stock
Elliott-Rothenberg-Stock
1% nivel -4,964735
-4,964735
-3,545200
10% nivel -2,711000
Valores críticos:
Valores críticos: 1%
1% nivel
5%nivel
nivel -3,545200
-3,545200
-3,001000
*Elliott et al (1996, Table 1)
5% nivel
5%
10%nivel
nivel -3,001000
-3,001000
-2,711000
Regresión
10%
10% ajustada
nivel
nivel -2,711000
-2,711000
*Elliott et al (1996, Table 1)
Variable
*Elliott
*Elliott etetalal(1996, Coeficiente
(1996,Table
Table 1)
1) Error Estánd Estatístico t Valor p
GLSRESID(-1) -0,321237
Regresión
0,064704
ajustada
-4,964735 0,0000
Variable RegresiónError
Regresión
Coeficiente ajustada
ajustada
Estánd Estatístico t Valor p
D(GLSRESID(-1)) 0,194487 0,088932 2,186915 0,0306
Variable
Variable
GLSRESID(-1) Coeficiente
Coeficiente Error
-0,321237 Error Estánd Estatístico
Estánd
0,064704 Estatístico
-4,964735 tt Valor
Valor pp
0,0000
GLSRESID(-1)
GLSRESID(-1)
D(GLSRESID(-1)) -0,321237
-0,321237 0,064704
0,194487 0,064704 -4,964735
0,088932 -4,964735 0,0000
2,186915 0,0000
0,0306
D(GLSRESID(-1))
D(GLSRESID(-1))
Fuente: Elaboración propia. 0,194487
0,194487 0,088932
0,088932 2,186915
2,186915 0,0306
0,0306
De nuevo,
Fuente:elElaboración
Fuente: modelo propia.
Elaboración empleado
propia. pasa los diagnósticos básicos de validación
sobre normalidad, no autocorrelación y homocedasticidad en el término de
De nuevo, el modelo empleado pasa los diagnósticos básicos de validación sobre normalidad,
error. De la tabla anterior se concluye que no hay raíz unitaria.
De nuevo, el modelo empleado pasa los diagnósticos básicos de validación sobre normalidad,
De
no nuevo, el modelo
autocorrelación empleado pasa losen
y homocedasticidad diagnósticos
el término de básicoserror.deDevalidación sobre normalidad,
la tabla anterior se concluye
no
no autocorrelación
La hay
aplicación
queautocorrelación
no yyde
homocedasticidad
raíz unitaria.otras pruebas de
homocedasticidad enraíz
en el término
el término
unitaria detales
de error.como
error. De la
De lala tabla anterior se
de anterior
tabla Phillips se concluye
concluye
que
que no
no hay
hay raíz
raíz unitaria.
unitaria.
y Perron (1988), Elliot et al. (1996), Ng-Perron (2001), Kwiatkowski et al.
La aplicación
(1992) conducen de otras pruebasresultado.
al mismo de raíz unitaria tales como la de Phillips y Perron (1988), Elliot
La aplicación
et al.
La de otras
otras pruebas
(1996), Ng-Perron
aplicación de pruebas
(2001),dede raíz unitaria
unitariaettales
Kwiatkowski
raíz tales como la
al. (1992)
como la de Phillips
Phillips
conducen
de yy Perron
al mismoPerron (1988), Elliot
resultado.
(1988), Elliot
et al.Siguiendo
et al. (1996), los resultados
(1996), Ng-Perron
Ng-Perron (2001),obtenidos,
(2001), Kwiatkowski
Kwiatkowski el rechazo
et al.
et de Ho
al. (1992)
(1992) conduce
conducen
conducen alamismo
al considerar
mismo resultado.
resultado.
Siguiendo
como los resultados
adecuado el modelo obtenidos, el rechazo
de tendencia de Ho conduce
determinística lineala considerar como adecuado el
Siguiendo
Siguiendo
modelo delos los resultados
resultados
tendencia obtenidos, el rechazo de Ho conduce aa considerar
el
obtenidos, lineal
determinística rechazo de Ho conduce considerar comocomo adecuado
adecuado elel
modelo de
modelo de tendencia
tendencia determinística
determinística lineal
lineal
Xt 0 1t ( L)/ ( L) t , (6) (6)
XXtt 00 t
11t ((LL )/
)/ (( L
L )) tt ,, (6)
(6)
donde ( L) y ( L) son, respectivamente, los polinomios autorregresivo y de medias móviles
donde
donde
donde ((LL)) del
en potencias ((LL))son,
yy operador son,respectivamente,
son, respectivamente,
respectivamente,
de rezagos L, con los lospolinomios
los
todaspolinomios
polinomios autorregresivo
autorregresivo
sus raícesautorregresivo
fuera yy de
del círculo deymedias
de y sin
medias
unidad móviles
móviles
raíces
medias
en
comunes.
en móviles
potencias
potencias del
Endel enpalabras,
otras potencias
operador
operador de el del
de rezagos
rezagos operador
L, con
L,
proceso con nodeestacionario
todas
es todas rezagos
sus ycon
raícesL,fuera
sus raíces fuera todas
del
parece
del quesus
círculo
círculo raíces
unidad yy sin
evoluciona
unidad sin raíces
en raíces
forma
comunes.
comunes. Enalrededor
del En
estacionaria
fuera otrasunidad
otras
círculo palabras,
palabras,
de una el
el
y sin proceso
proceso
tendencia
raíces es no
es no estacionario
estacionario
determinística
comunes. lineal.
En otras yy parece
parece el
palabras, que
que evoluciona
evoluciona
proceso es en en forma
forma
estacionaria
estacionaria alrededor
alrededor
no estacionario de una
de
y parece una tendencia
tendencia
que determinística
determinística
evoluciona lineal.
en formalineal.
estacionaria alrededor de
una tendencia determinística lineal.
III. Una prueba de raíz unitaria en presencia de varios cambios de nivel
III. Una
III. Una prueba
prueba de de raíz
raíz unitaria
unitaria en en presencia
presencia de de varios
varios cambios
cambios de de nivel
nivel
Perron (1990) señala que la presencia de cambios de nivel en las series, generalmente afecta el
Perron (1990) señala
comportamiento
Perron (1990) señala
de las que
que la presencia
presencia
pruebas
la de cambios
de raíces
de cambios de
unitarias de nivel
nivel enen las
conduciéndolas las series,
series, generalmente
a no rechazar afecta el
la existencia
generalmente afecta el
de
266
comportamiento
una raíz unitaria.
comportamiento dePerron
de las pruebas
las pruebas de raíces
(1990),
de raíces unitarias
Saikkonen
unitarias conduciéndolas
y Lütkepohl
conduciéndolas(2001,aa 2002),
no rechazar
no rechazar
Lanne la existencia
la existencia
et de
al. (2002),
de
una
una raíz unitaria.
raíz
Lütkepohl unitaria. Perrondesarrollan
Perron
et al. (2004), (1990), Saikkonen
(1990), Saikkonen
pruebas que yy Lütkepohl
Lütkepohl
son robustas (2001,
(2001, 2002),
2002),
cuando Lanne
Lanne
existe et al.
et
un solo al. (2002),
(2002),
cambio de
Lütkepohl
Lütkepohl
nivel y se et et al.
al. (2004),
conoce (2004), desarrollan
desarrollan
el período pruebas que
pruebas
de ocurrencia. que son
son robustas
Banerjee robustas cuando
cuando
et al. (1992) existeyun
existe
, Perron un solo cambio
solo
Vogelsang cambio de
de
(1992),
nivel
Zivotyyyse
nivel se conoce el
conoce
Andrews el período
período
(1992), de ocurrencia.
de ocurrencia.
Leybourne Banerjee
Banerjee
et al. (1998), et al.
et al. (1992)
Saikkonen (1992) ,, Perron
Perron yy(2002),
y Lütkepohl Vogelsang
Vogelsang (1992),
(1992),
Lütkepohl et
Zivot
Zivot yy Andrews
al. (2004),Andrews
proponen (1992),
(1992), Leybourne
Leybourne
pruebas cuandoet et
hayal.un
al. (1998),
(1998), Saikkonen
Saikkonen
solo cambio yy Lütkepohl
de nivel Lütkepohl (2002),
(2002),
y el período Lütkepohl et
de Lütkepohl
ocurrencia et
es
267
III. Una prueba de raíz unitaria en presencia de varios cambios de nivel
Perron (1990) señala que la presencia de cambios de nivel en las series,

generalmente afecta el comportamiento de las pruebas de raíces unitarias
conduciéndolas a no rechazar la existencia de una raíz unitaria. Perron (1990),
Saikkonen y Lütkepohl (2001, 2002), Lanne et al. (2002), Lütkepohl et al.
(2004), desarrollan pruebas que son robustas cuando existe un solo cambio
de nivel y se conoce el período de ocurrencia. Banerjee et al. (1992), Perron y
Vogelsang (1992), Zivot y Andrews (1992), Leybourne et al. (1998), Saikkonen
y Lütkepohl (2002), Lütkepohl et al. (2004), proponen pruebas cuando hay
un solo cambio de nivel y el período de ocurrencia es desconocido.
Para el caso de múltiples cambios de nivel, se han hecho pocas propuestas.
Para el caso de dos cambios de nivel con períodos de ocurrencia desconocidos,
Lumsdaine y Papell (1997) y Clemente et al. (1998) generalizan las pruebas
propuestas por Banerjee et al. (1992). Ohara (1999), extendió la prueba de
Zivot y Andrews (1992) al caso de a lo más m cambios (m conocido). Sin
embargo, su tamaño, potencia y valores críticos han sido estudiados solamente
para el caso de dos cambios de nivel.
Cavaliere y Georgiev (2006) proponen una prueba simple para contrastar
la existencia de una raíz unitaria cuando existen múltiples cambios de nivel.
Su prueba se basa en tratar los cambios de nivel como si fueran generados
por un proceso de saltos aleatorios (random jump process) donde, en general,
de nivel como si fueran generados por un proceso de saltos aleatorios (random jump process)
ni el número de cambios de nivel, ni su localización son conocidos. Para
donde, en general, ni el número de cambios de nivel, ni su localización son conocidos. Para
probar
probar dicha dicha hipótesis,
hipótesis, CavaliereCavaliere
y Georgievy Georgiev (2006)usar
(2006) proponen proponen usar modelo:
el siguiente el siguiente
modelo:
Xt ' Zt Yt t, t 1 k ,..., T ;
Yt Yt ut ; (7)
1 (7)
p
ut i ut i i.
i 1
donde donde es la observable,

Xtserie
X t es la serie observable,
Yt es Y lat es la componente
componente autorregresiva,
autorregresiva, unt esvector
Z t es Z un de
términosvector de términos
determinísticos determinísticos
desconocidos desconocidos
(por ejemplo, (por ejemplo,
una tendencia una tendencia y t
lineal determinística),
lineal determinística), y μ
es la componente de cambio de nivel.
t es la componente de cambio de nivel. El término
El término ut es estable, es decir, las raíces ut
de la ecuación
p
característica 1 i z i =0 caen todas fuera del círculo unitario. También se supone que { t }
i 1
Lecturas deIID
es una sucesión Economía
(0, 2-Lect. Econ. - No. 76.
). Obsérvese queMedellín,
Yt tiene enero-junio
a lo más2012
una raíz unitaria, lo que ocurriría
cuando =1.
t
Para la componente de cambios de nivel se supone que , donde es un indicador
Yt Yt 1 ut ; t (7) t 1
p
p
ut ut iu
i ut i i.
i 1
i 1
donde X t es la serie observable, Yt esdonde X t es la autorregresiva,

la componente serie observable,Z Ytes eu
t
Castaño y Sierra: Sobre la determinísticos
términos existencia de una raíz
desconocidos términos
unitaria en la(por
serie determinísticos
de tiempo
ejemplo, tendenciadesconocidos
mensual...
una (p
lineal determin
es la componente de cambio de nivel. El término ut es estable, es decir, las raíces dt
es la componente de cambio de nivel. El
p
p
es estable, escaracterística
decir, las raíces
1 de la i ecuación característica caen 1
característica i
i z =0 caen todas fu
i z =0 caen todas fuera del círculo unitario. También se supo
i 1
i 1
todas fuera del círculo unitario. También se suponeesque
es una sucesión IID (0, 2 ). Obsérvese queuna{ sucesión
εt } esa lo
Yt tiene
unaIIDsucesión
más(0,
2
). Obsérvese
una raíz unitaria, lo
IID (0, σ ). Obsérvese que Yt tiene a lo más una raíz
2
unitaria,
cuando lo
=1. que ocurriría
cuando =1.
cuando α =1.
t
Para la componente de cambios de nivel se supone Para la componente de cambios de nivel
ess
Para la componente de cambios de nivel se supone queque t, donde s s t
s 1
binario el cual toma el valor de 1 si y sol
donde δt es binario el cual toma
un indicador el valor
binario de 1toma
el cual si y solo si el cambio
el valor
valor de en deynivel
1 siotro
de 0 de
solo ocurre
si el en el períod
caso. s es el tamaño d
valor de 0 en otro caso. es el tamaño del cambio nivel.
cambio de nivel ocurre en el períodos t y toma el valor de 0 en otro caso. θs es
el tamaño del cambio de nivel. El procedimiento propuesto considera un
El procedimiento propuesto considera un proceso generador de datos autorregresi
cambios
cambios de nivel aditivos tienen las siguientes de nivel aditivos
características: i) lostienen
cambioslas sigu
de n
aleatoriamente aleatoriamente
tiempo; ii)unelproceso
sobre elconsidera número generador sobre
de cambiosde el tiempo;
dedatos ii)
nivel es desconoc el n
El procedimiento propuesto acotado en probabilidad; iii) no es
acotado en probabilidad; iii) no es necesario que los cambios de ni
autorregresivo donde los cambios de nivel aditivos tienen las siguientes
independientemente en el tiempo, y en independientemente en el tiempo,
particular, pueden agruparse; iv) losy en
tam
características: i) los cambios de nivel ocurren aleatoriamente sobre el
cambios de nivel son aleatorios y de mayor orden de magnitud que los shocksma
cambios de nivel son aleatorios y de q
tiempo; ii) eldinámica
númerodel deproceso
cambios de nivel es desconocido,
autorregresivo; dinámica
v) aunque pero
los del es de
proceso
cambios acotado
autorregresivo;
nivel son exógenos v) a
en probabilidad;
formasiii) no es necesario
de dependencia con losque formas
modelo.dededependencia
losdelcambios
shocks con los shocks del
nivel ocurran
independientemente en el tiempo, y en particular, pueden agruparse; iv)
los tamaños de A.losProcedimientos
cambios de nivel
parason de raízA.
aleatorios
la prueba deProcedimientos
mayor ordenpara
y unitaria de la prueba d
magnitud que los shocks que dirigen la dinámica del proceso autorregresivo;
Empleando Empleando el modelo
de (7),
quedese
en quiere prob
v) aunque los cambiosel modelo
de nivel(7),son
se quiere probar
exógenos, sela permiten
hipótesis nula
formas el proceso
dependenciaraíz
conunitaria,
los shocks
Ho:del modelo. raíz unitaria,
=1, contra la alternativa de la no Ho: =1, de
existencia contra
dichalaraíz,
alter
continuación se presenta el procedimientocontinuación
sugerido por se presentayelGeorgiev
Cavaliere procedimiento
(2006
i)
A. Procedimientos =0 y p la
para es prueba
conocida.de raíz unitariai) =0 y p es conocida.
ii) 0 y p es conocida. ii) 0 y p es conocida.
Empleando
iii) pelesmodelo (7), se quiere probar laiii)
desconocida. hipótesis nula de que en
p es desconocida.
el proceso Xt hay una raíz unitaria, Ho: α =1, contra la alternativa de la no
existencia de dicha raíz, H1: α <1. A continuación se presenta el procedimiento
sugerido por Cavaliere y Georgievpara
1. Procedimiento (2006) cuando1. =0
cuando:
la prueba Procedimiento para la prueba cu
y p es conocida
Si entonces
el modelo (7) Yt fuera observable, en el modelo (7) Yde
t fuera observabl
i) φ =0 y pSiesen
conocida. la prueba una raíz unitar
usando el estadístico ADF obtenido en la
usando el estadístico ADF obtenido en la regresión
ii) φ ≠ 0 y p es conocida.
iii) p es desconocida. p
Yt Yt
Yt Yt 1 i ut i i , (8) 1
i
i 1
Sin embargo, esta regresión no es factible Sin embargo, esta

empíricamente, yaregresión
que Yt nonoesesobservab
factible
268
raíz unitaria, Ho: =1, contra la alternativa de la no existencia de dicha raíz, H1: <1. A
continuación se presenta el procedimiento sugerido por Cavaliere y Georgiev (2006) cuando:
i) =0 y p es conocida.
ii) 0 y p es conocida.
iii) p es desconocida. 269
1. Procedimiento
1. Procedimiento para
para la la prueba
prueba cuando
cuando φ =0 y p =0 y p es conocida
es conocida
Si en el modelo (7) Yt fuera observable, entonces la prueba de una raíz unitaria se realiza
Si en
usando el modeloADF
el estadístico (7) Yt fuera en
obtenido observable, entonces la prueba de una raíz
la regresión
unitaria se realiza usando el estadístico ADF obtenido en la regresión
p
Yt Yt 1 i ut i i , (8) (8)
i 1
Sin embargo, esta regresión no es factible empíricamente, ya que Yt no

Sin embargo, esta regresión no es factible empíricamente, ya que Yt no es observable.
es observable.
Como Yt = Xt — μt , se puede pensar que, dado que Yt puede ser derivado
de Xt , una vez la componente de cambio de nivel ha sido removida, es posible 5
omo t t, , se
omo YYt t XXt t realizar puede
seuna
puede pensardeque,
pensar
prueba raízdado
que, dado
unitariaque YYt t puede
quesobre puede ser
la serie derivado
serde tiempode
derivado de XXt t,, una
obtenida vez
vez lala
unarestando
mponente
eomponente
ser derivadode cambio
dede dela Xserie
cambio de
denivel
Xnivel ha
una sido
sidoremovida,
haestimación
removida, de es
laesposible
posiblerealizar
componente realizar una
unaprueba
que pruebade
incluye losraíz
de unitaria
cambios
raíz unitariade
t , una t vez la
bre lalaserie
obre
ealizar serie de
de
una prueba tiempo
nivel
tiempo de obtenida
determinísticos.
obtenida
raíz restando
unitaria Estade
restando de lalaserie
idea es
serie XXt t una
sugerida estimación
unaen Saikkonen
estimación de
dela componente
ylaLütkepohl
componente que
(2002).
que
cluye
ncluye los cambios
deEn
los cambios
estimación de
la nuestro nivel
de nivel
componente determinísticos.
caso μt es un proceso
determinísticos.
que Esta idea
Esta idea es
de saltos sugerida en
aleatorios,
es sugerida Saikkonen
por lo que
en Saikkonen y Lütkepohl
el proceso
y Lütkepohl
002). En
2002). En nuestro
de
nuestro caso
ajustecaso es
anterior
es un
un proceso
es conocido
proceso de
de saltos
como
saltos aleatorios,
de-jumping.
aleatorios, por
por lo que
Cavaliere
lo que el
el proceso
y Georgiev
proceso de
de ajuste
(2006)
ajuste
gerida en Saikkonen y Lütkepohl t t
terior
nterior es
s, por loes que muestran
conocido
conocido
el proceso como
como que bajo ciertas
de-jumping.
dede-jumping.
ajuste condiciones,
Cavaliere
Cavaliere y Georgiev
y Georgiev la serie
(2006)
(2006)ajustada
muestran
muestranpuede queser
que bajoempleada
bajo ciertas
ciertas
ndiciones, lalapara
ondiciones, serie
serie ajustada
probar
ajustada la puede
puede ser
existencia
ser empleada
de una
empleada para
raíz
para probar
unitaria
probar lala existencia
usando la
existencia de
prueba
de una
una raíz unitaria
tradicional
raíz unitaria de
(2006) muestran que bajo ciertas
ando lalaprueba
sando prueba tradicional
tradicional de
de Dickey
Dickey yy Fuller
Fuller (1979).
(1979). El
El procedimiento
procedimiento sugerido
sugerido para
para realizar
realizar
r la existenciaDickey
de una yraíz Fuller (1979). El procedimiento sugerido para realizar la prueba es
unitaria
prueba
prueba es
eselelsiguiente:
siguiente:
el siguiente:
ocedimiento sugerido para realizar
uando
uando t t es Cuando δt es conocida,
esconocida,
conocida,
) Realice
Realice una
una regresión de
a) Realice
regresión XXt t sobre
de una sobre las
las variables
regresión de ∆Xt binarias
variables sobre lasde
binarias impulso,
devariables una
una por
por cambio
impulso,binarias de de
impulso,
cambio de
vel.
s deEl
ivel. El una
estimador por
unade
estimador
impulso, cambio
es
es
deport tcambio de
de nivel. El estimador de μ t es
tt
ˆˆt t ss XXt t,, (9)
(9) (9)
ss 11
9)
)Obtenga
Obtengalalaserie
serieajustada
ajustada
b) (de-jumped)
(de-jumped)
Obtenga la serie ajustada (de-jumped)
XXt t XXt t ˆˆt t,, (10)

(10) (10)
)Aplique pruebac)tradicional
Apliquelalaprueba Aplique laADF
tradicional prueba
ADFde tradicional
deDickey
Dickey ADF
yyFuller
Fulleraalalade Dickey
serie
serie y Fuller
ajustada
ajustada XXt t a.. la serie ajustada
erie ajustada X t .
uando t t no
uando no eses observable,
observable, Cavaliere
Cavaliere yy Georgiev
Georgiev sugieren
sugieren imitar
imitar elel procedimiento
procedimiento anterior
anterior
timando
stimando . El proceso
t . El proceso es
imitar el tprocedimiento es llevado
llevado a cabo por medio del conocido proceso de detección de
anterior a cabo por medio del conocido proceso de detección de
servaciones
bservaciones atípicas
atípicas en
onocido proceso de detección deen series
series de
de tiempo
tiempo dede Chen
Chen yy Tiao
Tiao (1990)
(1990) oo de
de Chen
Chen yy Liu
Liu (1993).
(1993). Si
Si
t t}} es
esolalade
sucesión
Chen yde estimadores
(1993). Si obtenidos
obtenidosparaparalalasucesión
sucesión {{ t t},},lalacomponente
componentede decambio
Lecturas
sucesión dede Economía
estimadores-Lect. Econ. - No. 76. Medellín, enero-junio 2012 cambio
1990) Liu
tt
n { t }, la componente de cambio
e nivel
nivel se
se estima
estima como
como t t ss XXt t .. Los
Los autores
autores muestran
muestran que
que lala prueba
prueba ADF
ADF no
no es
es
ss 11
stran que la prueba ADF no es
fluenciada asintóticamente
nfluenciada asintóticamentepor
porelelhecho
hechode
deusar
usarlalaestimación
estimaciónde
de tt ..
b) Obtenga la serie ajustada (de-jumped) b) Obtenga la serie ajustada (de-ju
Xt Xt ˆt , (10)
Castaño ylaSierra:
c) Aplique prueba Sobre la existencia
tradicional ADF de de
unaDickey
raíz unitaria en la aserie
y Fuller de tiempo
la serie c) mensual...
Aplique
ajustada Xla prueba tradicional A
t .
Cuando Cuando δt no es observable,

Cavaliere yCavaliere
Georgiev ysugieren
Georgiev Cuando
sugieren no es el
timitar observable,
anterior Ca
t no es observable, imitar el procedimiento
procedimiento
estimando anterior estimando δt. El proceso es llevadoestimando
a cabo por t medio
. El proceso es llev
t . El proceso es llevado a cabo por medio del conocido proceso de detección de
del conocido proceso de detección de observaciones atípicas en series
observaciones atípicas en series de tiempo de Chen y Tiao (1990)observaciones
de en series
o de Chen y atípicas
Liu (1993). Si
tiempo de Chen y Tiao (1990) o de Chen y Liu (1993). Si {{ t }} es es la
la sucesión
sucesión de estimador
{ t } es la sucesión de estimadores obtenidos para la sucesión { t }, la componente de cambio
de estimadores obtenidos para la sucesión {δt}, la componente de cambio de
t
deque
nivel se prueba
estima como
de nivel se
se estima
estima como
como t s X t . Los
Los autores
autoresmuestran
muestran la la
que prueba ADF no est
s 1
ADF noasintóticamente
influenciada es influenciadapor
asintóticamente
el hecho de usarpor el hecho de
la estimación de influenciada
usar la estimación
asintóticamente por
t .
de δt.
2.
2. Procedimiento
Procedimientopara la la
para prueba cuando
prueba existen
cuando componentes
existen determinísticas
componentes 2. Procedimiento para la pr
determinísticas
El procedimiento anterior considera que no existen componentes de Eltendencia
procedimiento anterior conside
determinística en
El procedimiento
la serie de tiempo. Si anterior considera que no existen lacomponentes
serie de tiempo.de
0, el procedimiento de prueba anterior puede ser usado conjuntamenteel pr
Si 0,
tendencia determinística en la serie de tiempo. Si φ ≠ 0, elcon procedimiento de
un método adecuado
con un método adecuado de des-tendencialización (detrending). Una aproximación sencillade
es des
prueba anterior puede ser usado conjuntamente con
usar el procedimiento de de-jumping, anteriormente descrito, junto
un método
usarcon adecuado
el procedimiento
el procedimientode de-jum
de
de des-tendencialización
pseudo (detrending).
des-tendencialización GLS, sugerido enUna
Elliotaproximación ysencilla
pseudo
et al. (1996) es usar
des-tendencialización
presentado en la sección GL
III. el procedimiento de de-jumping, anteriormente descrito,
III. junto con el
procedimiento de pseudo des-tendencialización GLS, sugerido en Elliot et al.
(1996) y presentado
El procedimiento en lalasección
para realizar prueba III.
es el siguiente. El procedimiento para realizar la
a) Los cambios de nivel son removidos a) Los(de-jumping)
cambios de anivel son rem
El procedimiento para realizar lausando
pruebael es
proceso de ajuste
el siguiente. la serie
observada (No se tiene en cuenta
observada (No se tiene en cuenta la presencia de una tendencia lineal).
a) Los cambios de nivel son removidos usando
b) Aplique el procedimiento de pseudo des-tendencialización GLS, el b) Aplique
proceso elenprocedimiento
de ajuste
sugerido Elliott et al. de
(de-
jumping)
(1996) a la serie (1996) a la
a la serie observada (No se tiene en cuenta la presencia de
ajustada. serie ajustada.
c) Aplique launa tendencia
prueba ADF a lalineal).
serie obtenida del paso b). c) Aplique la prueba ADF a la ser
b) Aplique el procedimiento de pseudo des-tendencialización

Los valores críticos que se usan deben tener en cuenta que los datos Losempleados GLS, que se usan
valores críticos
para realizar la d
sugerido en Elliott et al. (1996) a la serie ajustada. prueba
prueba de raíz unitaria han sido des-tendencializados y corregidos por de raíz
cambios deunitaria
nivel. han sido d
c) Aplique la prueba ADF a la serie obtenida del paso b).
Los valores críticos que se usan deben tener en cuenta que los datos
empleados para realizar la prueba de raíz unitaria han sido des-tendencializados
y corregidos por cambios de nivel. 6
3. Procedimiento de prueba cuando p es desconocida
Hasta ahora se ha considerado que el orden autorregresivo p de los

errores ut es conocido. Generalmente esto no ocurre en situaciones reales, y
270
271
se debe estimar antes de usar la prueba. Para hacerlo, se sugiere emplear una
estrategia simple como la siguiente. En un primer paso, defina un máximo
valor posible para p. Ng y Perron (1995) sugieren tomar pmáx= [12(T/100)0,25].
Con este valor se detectan los cambios de nivel, si no son conocidos, y se
obtiene la serie ajustada. En un segundo paso, sobre la serie ajustada se
emplea un criterio estándar para la determinación de la estimación de p. Sea
p* dicha estimación. El último paso consiste en calcular el estadístico ADF a
la serie ajustada fijando el número de rezagos en p*.
B. Aplicación de la prueba de raíz unitaria con cambios de nivel a la serie

de electricidad en Colombia
Las pruebas tradicionales de raíz unitaria, aplicadas anteriormente,

utilizan solo información muestral sobre la evolución de la serie en el período
enero de 2000 a noviembre de 2011. Sin embargo, una revisión de los eventos
que han ocurrido en el período observado, revela que son varios los eventos
exógenos que la pueden haber afectado. Estos eventos se relacionan con
fenómenos climáticos de El Niño y La Niña y algunas regulaciones de la
Comisión de Regulación de Energía y Gas de Colombia –CREG–. La Tabla
3 presenta los períodos donde ocurren diferentes eventos exógenos sobre la
serie, y una descripción simple del comportamiento del logaritmo del precio
de la electricidad en dichos períodos.
Tabla 3. Ocurrencia de los eventos exógenos

Evento Fecha inicial Períodos Promedio Mediana Desv.Est.
No eventos Ene-2000 1-12 3,795 3,775 0,157
Expectativa Reg. CREG 034/01 Feb-2001 13-16 4,307 4,275 0,112
Estabilización Abr-2001 17-33 3,778 3,767 0,141
El Niño 02-03 Oct-2002 34-80 4,197 4,221 0,145
Anuncio El Niño Oct-2006 81-83 4,626 4,629 0,234
Reg. CREG 071/06 Sep-2006 84-108 4,426 4,434 0,150
Previo CREG 06/09 Ene-2009 109-116 4,763 4,818 0,127
El Niño 09-10 Sep-2009 117-125 5,190 5,253 0,120
La Niña 10-11 Jun-2010 126-131 4,592 4,522 0,192

Una descripción de las regulaciones de la CREG se encuentra en el

Apéndice. Aunque los eventos exógenos mencionados parecen tener efectos
significativos sobre la serie, se quiere probar si además existen componentes
de tendencia determinística y/o aleatoria. Para una simple exploración de
los posibles efectos que pueden tener los eventos mencionados sobre la
serie, se realizó una estimación de mínimos cuadrados empleando variables
indicadoras de salto para cada efecto. El Gráfico 2 presenta la serie, junto con
la estimación de los posibles cambios de nivel debido a los eventos exógenos
escritos.
Gráfico 2. La serie del logaritmo del precio mensual y cambios de nivel usando OLS
5.0
5.0
4.5
4.5
4.0
4.0
3.5
3.5
2000 2002 2004 2006 2008 2010

2000 2002 2004 2006 2008 2010
Time
Time
Fuente:
Fuente: Fuente: Elaboración
Elaboración propia. propia.
propia.
Elaboración
Se observa
Se observa que, aparentemente,
que, aparentemente, el proceso
el proceso pareceparece ser estacionario
ser estacionario alrededor
alrededor de losde los cambios
cambios de de
Se
nivel observa
inducidos porque,
los aparentemente,
eventos exógenos.
nivel inducidos por los eventos exógenos. el proceso parece ser estacionario
alrededor de los cambios de nivel inducidos por los eventos exógenos.
El modelo
El modelo propuesto inicialmente
propuesto para realizar la prueba es el siguiente.
El modeloinicialmente para realizar
propuesto inicialmente lapara
prueba es el la
realizar siguiente.
prueba es el siguiente.
Xt X t Y 0 Y,t t 1t , tk ,...,
1 Tk;,..., T ;
0 t t
Yt Y
Yt Y
ut ;1 ut ;
t 1 t (11) (11) (11)
p p
ut ut u u i,
i t i i ti , i
i 1 i 1
dondedonde
donde es desconocido.
p es desconocido.
p es desconocido.
La Tabla
La Tabla 4 presenta
4 presenta la estimación
la estimación de la de la regresión
regresión de mínimos
de mínimos cuadrados
cuadrados de Xde X t sobre
las las
t sobre
variables
variables de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj
de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj es unaes una
272
variable depara
saltoelpara el período j.
variable de salto período j.
TablaTabla 4. Estimación
4. Estimación de los de los saltos
saltos
Variable
Variable Coeficiente ErrorError
Coeficiente Est. Est.
273
La Tabla 4 presenta la estimación de la regresión de mínimos cuadrados

de ∆Xt sobre las variables de impulso, llamadas D (Dj) para=13, 17, 34, 81,
84, 108, 117 y 126, donde Dj es una variable de salto para el período j.
Tabla 4. Estimación de los saltos

Variable Coeficiente Error Est.
D(D13) 0,230422 0,160070
D(D17) -0,290872 0,160070
D(D34) 0,194555 0,160070
D(D81) 0,427075 0,160070
D(D84) -0,215092 0,160070
D(D109) 0,233521 0,160070
D(D117) 0,361996 0,160070
D(D126) -0,503566 0,160070
Con base en estos resultados, se ajusta la serie del logaritmo de los precios
haciendo el proceso de-jumping. El Gráfico 3 presenta la serie ajustada.
Gráfico 3. Logaritmo del precio de-jumped
4.4
4.2
de_jumped
4.0
3.8
3.6
2000 2002 2004 2006 2008 2010
Time

La serie ajustada ya no presenta los cambios de nivel, pero aún se observa una leve tendencia
creciente. Sobre esta serie se realiza la prueba de DF-GLS con tendencia lineal. Como el orden
de la autorregresión para la prueba es desconocido, se estima el orden a partir del uso de
criterios de información sobre todos los modelos estimados hasta el orden máximo de pmáx. La
Tabla 5 muestra los resultados de la aplicación de la prueba DF-GLS para una componente
determinística de tendencia lineal, usando el paquete urca versión 1.2-5 de R, Pfaff (2008).
Tabla 5. La prueba DF-GLS con rezago=0

4.4
4.2
de_jumped
4.0
La serie ajustada ya no presenta los cambios de nivel, pero aún se observa

una leve tendencia creciente. Sobre esta serie se realiza la prueba de DF-GLS
3.8
con tendencia lineal. Como el orden de la autorregresión para la prueba es

desconocido, se estima el orden a partir del uso de criterios de información
3.6
2000 2002 2004 2006 2008 2010
sobre todos los modelos estimados hasta el orden máximo de pmáx. La Tabla
Time
5 muestra los Elaboración

Fuente: resultados de la aplicación de la prueba DF-GLS para una
propia.
componente determinística de tendencia lineal, usando el paquete urca
La serie 1.2-5
versión ajustada
de ya no presenta
R, Pfaff los cambios de nivel, pero aún se observa una leve tendencia
(2008).
creciente. Sobre esta serie se realiza la prueba de DF-GLS con tendencia lineal. Como el orden
de la autorregresión Tabla
para 5.
la La
prueba
pruebaesDF-GLS
desconocido, se estima el orden a partir del uso de
con rezago=0
criterios de información sobre todos los modelos estimados hasta el orden máximo de pmáx. La
Tabla 5 muestra los resultados detest-statistic
Value of la aplicación de la prueba DF-GLS para una componente
is: -5.7869
determinística de tendencia lineal, usando el1% paquete 5% 10%
urca versión 1.2-5 de R, Pfaff (2008).
Valores Críticos -3,46 -2,93 -2,64
Tabla 5.propia.
La prueba
DF-GLS con rezago=0
Fuente: Elaboración
Value of test-statistic is: -5.7869
En los residuales del modelo se detectó 1% 5%
autocorrelación. 10%Para eliminarla
Valores Críticos -3,46 -2,93
se empleó un rezago autorregresivo de orden 3. Los resultados -2,64se presentan
en la Tabla 6. Fuente: Elaboración propia.
En los residuales del modelo se detectó autocorrelación. Para eliminarla se empleó un rezago
Tabla 6. La prueba DF-GLS con rezago=3
autorregresivo de orden 3. Los resultados se presentan en la Tabla 6.
Tabla 6. La prueba 1%DF-GLS 5% con10% rezago=3
Fuente: Elaboración propia. 1% 5% 10%
Fuente: Elaboración
Para un nivel de significancia tan propia.
bajo como 0,01 se rechaza Ho, y por
tanto se concluye que la serie del logaritmo del precio de la electricidad no
Para un nivel de significancia tan bajo como 0,01 se rechaza Ho, y por tanto se concluye que la
contiene una raíz unitaria.
serie del logaritmo del precio de la electricidad no contiene una raíz unitaria.
En este caso, el rechazo de Ho conduce a considerar que el modelo
En este caso,
adecuado el rechazo
para de Ho conduce
la generación a considerar
del precio que el modelo
es el modelo adecuado
de cambios de para
nivella generación
del precio es
estacionario el modelo de cambios de nivel estacionario
Xt (Cambios de nivel )t ( L)/ ( L) t , (12) (12)
Es decir, el proceso es no estacionario y evoluciona en forma estacionaria alrededor de los

distintos cambios de nivel.
274
IV. ¿Tendencia determinística o cambios de nivel?
Todas las pruebas anteriores rechazan la existencia de una raíz unitaria en la serie de los precios
mensuales de la electricidad. Las pruebas tradicionales, sobre las cuales no se introdujo la
275
Es decir, el proceso es no estacionario y evoluciona en forma estacionaria

alrededor de los distintos cambios de nivel.
IV. ¿Tendencia determinística o cambios de nivel?
Todas las pruebas anteriores rechazan la existencia de una raíz unitaria en

la serie de los precios mensuales de la electricidad. Las pruebas tradicionales,
sobre las cuales no se introdujo la información sobre la ocurrencia de distintos
eventos exógenos, sugieren la existencia de una tendencia lineal determinística.
Sin embargo, la consideración de los eventos exógenos ocurridos, sugieren
ocurridos, sugieren
que el precio que el como
evoluciona precio un
evoluciona como un proceso
proceso estacionario estacionario
alrededor alrededor de
de cambios
cambios de ynivel
de nivel queyno queexiste
no existe tendencia
tendencia determinística
determinística lineal.
lineal.
La consideración
La consideración de estas posibilidades
de estas posibilidades lleva al ajustelleva al modelos
de los ajuste desiguientes:
los modelos
siguientes:
i) Modelo con tendencia determinística lineal
i) Modelo con tendencia determinística lineal
Xt 0 1t 1/(1 1L
2
2L ) t . (13) (13)
Los resultados de la estimación OLS se encuentran en la Tabla 7.

Los resultados de la estimación OLS se encuentran en la Tabla 7.
Tabla 7. Modelo con tendencia determinística lineal
Tabla
Variable 7. Modelo
Dependiente: con tendencia determinística lineal
LPRECIO
VariableMétodo:
Dependiente:
MínimosLPRECIO
Cuadrados
Método: Mínimos Cuadrados
Observaciones incluidas: 129 despúes de ajustes
Variable
Observaciones Coeficiente
incluidas: Error Estand
129 despúes de ajustesEstadístico t Valor p
Constante 3,729603 0,088600 42,09488 0,0000
Variable
Tendencia Coeficiente
0,008379 Error Estand7,354145
0,001139 Estadístico t 0,0000
Valor p
Constante
AR(1) 3,729603
0,864758 0,088600
0,089534 42,09488
9,658392 0,00000,0000
Tendencia -0,201667
AR(2) 0,008379 0,001139
0,089496 7,354145 0,02600,0000
-2,253358
R-cuadrado AR(1) 0,838183 Media
0,864758 var. dependiente
0,089534 9,6583924,2958550,0000
R-cuadrado Ajustado 0,834299 S.D. var. dependiente 0,397947
AR(2)
S.E. de la regresión -0,201667
0,161990 Criterion0,089496
Akaike -2,253358
-0,7720470,0260
R-cuadrado
SS (residuales) 0,838183
3,280098 Media
Criterion var. dependiente
Schwarz 4,295855
-0,683370
Log R-cuadrado
VerosimilitudAjustado53,79701 0,834299 S.D. var. dependiente
Criterion Hannan-Quinn 0,397947
-0,736016
Estadístico
S.E. deFla regresión 215,8251 Est. Durbin-Watson
0,161990 Criterion Akaike 1,939758
-0,772047
Valor p(Estadístico F) 0,000000
SS (residuales) 3,280098 Criterion Schwarz -0,683370
Log Verosimilitud 53,79701 Criterion Hannan-Quinn -0,736016
Estadístico F 215,8251 Est. Durbin-Watson 1,939758
Lecturas deValor p(Estadístico F) 0,000000
Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012
Raíces AR Módulo
0,432379 ± 0,121305i 0,449073
SS (residuales) 3,280098 Criterion Schwarz -0,683370
Log Verosimilitud 53,79701 Criterion Hannan-Quinn -0,736016
Castaño y Sierra: Sobre la existencia de una raíz

Raíces AR unitaria en la Módulo
serie de tiempo mensual...
0,432379 ± 0,121305i 0,449073

Raíces AR Módulo
Ninguna raíz cae fuera del círculo
0,432379 ± 0,121305i 0,449073
unitario. El modelo ARMA es
Ninguna raíz cae fuera del círculo unitario.
estacionario.
El modelo ARMA es estacionario.
ii) Modelo con múltiples cambios de nivel
ii) Modelo con múltiples cambios de nivel
Inicialmente se consideró
Inicialmente la posibilidad
se consideró de que
la posibilidad deexista una tendencia
que exista lineal lineal
una tendencia en presencia de
los múltiples cambios de nivel y se identificó el modelo
en presencia de los múltiples cambios de nivel y se identificó el modelo
3
Xt (Cambios de nivel )t 1t 1/(1 1L 3L ) t . (14)
(14)
LosLos resultados
resultados de lade la estimación
estimación OLS seOLS se encuentran
encuentran en la
en la Tabla 8. Tabla 8.
Tabla
Tabla 8. Modelo
8. Modelo con tendencia
con tendencia lineal ylineal y múltiples
múltiples cambioscambios
de nivel de nivel
Variable Dependiente: LPRECIO
Variable Dependiente:
Método: MínimosLPRECIO
Cuadrados
Método:
ObservacionesCuadrados
Mínimos incluidas: 128 después de ajustes
Observaciones incluidas: 128 después de ajustes
Constante 3,855835 0,054422 70,85091 0,0000
Tendencia 0,001256 0,001572 0,798713 0,4261 10
D13 0,376055 0,103293 3,640657 0,0004
D17 -0,455649 0,096079 -4,742425 0,0000
D34 0,365903 0,068467 5,344184 0,0000
D81 0,389490 0,110363 3,529190 0,0006
D84 -0,201564 0,107212 -1,880062 0,0626
D109 0,311730 0,071704 4,347434 0,0000
D117 0,400339 0,081313 4,923401 0,0000
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Los resultados muestran que no parece existir tendencia lineal en

presencia de los cambios de nivel. Entonces se propone el modelo
276
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Los resultados muestran que no parece existir tendencia lineal en presencia de los
277cambios
de nivel. Entonces se propone el modelo
3
Xt (Cambios de nivel )t 1/(1 1L 3L ) t . (15) (15)
Los resultados de la estimación

Los resultados OLS se encuentran
de la estimación en la Tabla en
OLS se encuentran 9. la Tabla 9.
Tabla 9. Modelo con múltiples cambios de nivel

Modelo con múltiples cambios de nivel
Tabla 9. LPRECIO
Método: LPRECIO
Mínimos Cuadrados
Método: Mínimos Cuadrados
Constante
Constante 3,849513 0,053931
3,849513 0,053931 71,37820
71,37820 0,0000
0,0000
D13
D13 0,383586
0,383586 0,102828
0,102828 3,730357
3,730357 0,0003
0,0003
D17
D17 -0,441915 0,094725
-0,441915 0,094725 -4,665243
-4,665243 0,0000
0,0000
D34
D34 0,406222
0,406222 0,046013
0,046013 8,828517
8,828517 0,0000
0,0000
D81
D81 0,421881
0,421881 0,102152
0,102152 4,129947
4,129947 0,0001
0,0001
D84
D84 -0,184991
-0,184991 0,104791 -1,765333
0,104791 -1,765333 0,0801
0,0801
D109 0,332646 0,066756 4,983001 0,0000
D109 0,332646 0,066756 4,983001 0,0000
D117 0,410792 0,080260 5,118278 0,0000
D117 0,410792 0,080260 5,118278 0,0000
D126 -0,581436 0,089091 -6,526286 0,0000
D126
AR(1) -0,581436 0,083994
0,395139 0,089091 4,704367
-6,526286 0,0000
0,0000
AR(1)
AR(3) 0,395139
-0,228246 0,083994
0,085054 4,704367
-2,683551 0,0000
0,0083
R-cuadradoAR(3) -0,228246 Media
0,894627 0,085054 -2,683551 4,301047
var. dependiente 0,0083
R-cuadrado
R-cuadrado Ajustado 0,894627 S.D.
0,885621 Mediavar.var. dependiente 0,395099
dependiente 4,301047
S.E. de la regresión
R-cuadrado Ajustado 0,133623
0,885621 Criterio
S.D. var.Akaike
dependiente -1,105573
0,395099
SS(residuales)
S.E. de la regresión 2,089041 Criterio Schwarz
0,133623 Criterio Akaike -0,860477
-1,105573
Log Verosimilitud 81,75669 Criterio Hannan-Quinn -1,005989
SS(residuales) 2,089041 Criterio Schwarz -0,860477
Log Verosimilitud
Valor p(Estadístico F)
81,75669
0,000000
Criterio Hannan-Quinn -1,005989
Raíces AR Módulo
Raíces
0,449505 AR
± 0,500929i Módulo
0,673041
0,449505 ± 0,500929i
-0,503871 0,673041
0,503871
Ninguna raíz cae por fuera del círculo uni-
dad. El modelo ARMA es estacionario
Fuente: Elaboración propia. 11

Comparación de modelos:
Los diagnósticos para los modelos anteriores se encuentran en el Apéndice.
De ellos se desprende que ambos modelos pasan los diagnósticos básicos de
que el proceso del ruido es estacionario, no parecen existir observaciones
atípicas, hay normalidad, homocedasticidad y no autocorrelación en el término
de error. Los parámetros en cada modelo son estadísticamente significativos.
Sin embargo, la prueba de estabilidad de Nyblom (1989) y Hansen (1992)
aplicada al modelo de tendencia lineal señala que el modelo no es estable
en todos sus parámetros, mientras que el modelo con cambios de nivel sí
lo es. Finalmente, los criterios de información presentados muestran que el
modelo de cambios de nivel representa mejor la evolución de los precios. Esta
conclusión reafirma la importancia de reconocer los cambios estructurales en
el modelo que genera la serie de tiempo. Aunque el modelo de tendencia
lineal determinística no es rechazado estadísticamente, sí lo es en términos
del no uso de la información sobre los eventos históricos que ocurrieron en
la serie del precio de la electricidad en Colombia.
Conclusiones
De la aplicación de las pruebas de raíz unitaria sobre la serie de tiempo

del precio real mensual de la electricidad para el período enero de 2000 a
noviembre de 2011, se pueden obtener las siguientes conclusiones:
1. No existe una raíz unitaria en el proceso que genera la serie y en con-
secuencia, no existe una tendencia aleatoria en la serie.
2. La no introducción de la información no muestral sobre la ocurren-
cia de eventos exógenos durante la evolución del proceso, conduce
a una subespecificación del modelo que genera la serie de tiempo,
indicando la posibilidad de la existencia de una tendencia lineal de-
terminística.
3. La introducción de la información sobre la ocurrencia de eventos
exógenos conduce a que el proceso parece ser estacionario alrededor
de los cambios de nivel producidos por diferentes eventos exógenos
278
279
que han ocurrido a través del tiempo. Esto significa que el proceso
exhibe reversión a la media dentro de cada cambio de nivel alrededor
del cual fluctúa.
4. Dada la ausencia de una raíz unitaria, el efecto de los shocks sobre
el precio no es permanente, sino transitorio. Esto implica que, por
ejemplo, un shock positivo sobre el precio no tendrá un efecto per-
manente, sino que en el corto plazo el precio regresará a su nivel.
5. La ausencia de una raíz unitaria también implica que la varianza de
largo plazo es finita y no depende del tiempo. Esta es una caracte-
rística crucial en los pronósticos. En series de tiempo con una raíz
unitaria su varianza crece indefinidamente con el tiempo, lo cual es
un problema serio en el uso de los pronósticos ya que los intervalos
de predicción, generalmente, son muy poco informativos.
6. Otro resultado importante es que la aparente no linealidad de la se-
rie no es endógena, lo que implica que la aplicación de modelos no
lineales tales como redes neuronales no conseguirían buenos resulta-
dos en sus pronósticos.
Apéndice 1
Descripción del mercado de la electricidad
En la década de los 90 se implementó la transformación de los servicios

públicos centralizados a esquemas de mercado para la fijación de tarifas,
principalmente en el servicio de producción y venta de electricidad. Los
esquemas competitivos en la producción y venta de electricidad, atraen la
inversión privada e incentivan la innovación tecnológica. En estos esquemas,
el gobierno traslada el riesgo de desabastecimiento a los agentes privados a
cambio de la liberación del precio del mercado, conocido como precio spot
de la electricidad.
El precio spot se convierte en el factor de riesgo más importante para
los agentes productores y comercializadores en el corto y mediano plazo.

Desde el punto de vista del mercado, el precio spot se autorregula en un

ciclo de largo plazo. Cuando los precios están altos, se producen señales
de expansión para nuevos inversionistas, aumenta la oferta, el mercado se
hace más competitivo y los precios bajan. Cuando los precios están bajos,
los inversionistas no invierten, hay menos competencia por la demanda
creciente y, por lo tanto, los precios suben.
La teoría económica también explica los precios de mediano y corto
plazo, con base en la oferta de energía para atender la demanda. En este
caso, sin embargo, también existen eventos tanto en la oferta como en la
demanda que introducen alta incertidumbre en el pronóstico del precio de
la electricidad. En primer lugar, los fenómenos climáticos pueden alterar la
disponibilidad de recursos hídricos y afectar el consumo de energía eléctrica.
A la incertidumbre climática se le suman también los cambios regulatorios
sobre el mercado, la baja respuesta de la demanda ante los precios, los
costos y disponibilidad de hidrocarburos para generación térmica y las
estrategias de los agentes privados.
Además de la influencia de estos eventos, gran parte del comportamiento
del precio se explica por las características propias de los mercados de
electricidad: la electricidad se produce prácticamente al mismo tiempo que
se requiere (no almacenabilidad); la demanda de electricidad generalmente
no conoce el precio del producto cuando lo consume (información
incompleta); la curva de oferta de los productores forman una curva
que crece exponencialmente (curva de oferta de palo de hockey); las
complejidades y cambios en el diseño del mercado contaminan la señal
de precios (inestabilidad regulatoria); y los agentes generadores participan
repetidamente (aprendizaje de los agentes).
En el mercado colombiano, en particular, hay factores adicionales
que influyen en la formación del precio: los productores hidráulicos son
mayoritarios; la capacidad de generación está concentrada en pocos agentes
económicos; no se han implementado mecanismos de respuesta de la
demanda.
280
281
Descripción de los eventos exógenos relacionados con cambios regulatorios
Resolución CREG 034 de 2001: Con esta resolución la CREG define la

fórmula para estimar los costos de producción de los generadores. Debido al
temor de que la CREG interviniera sus ofertas con base en esta estimación,
hubo una reacción anticipada de los generadores elevando sus precios antes
de que la resolución fuera emitida. Sin embargo, una vez entró en vigencia la
resolución, los generadores volvieron a sus ofertas normales.
Resolución CREG 071 de 2006: Con esta resolución la CREG regula
el Cargo por Confiabilidad. En ella se estableció el precio de escasez del
Resoluciónmercado,
CREG que071 pretende
de 2006: proteger
Resolución
Con esta a los
CREG consumidores
071 de la2006:
resolución contra
CREG Con los
estaprecios
regula altospor
elresolución
Cargo la CREG r
Confiabilidad. Confiabilidad.
En ella se estableció
en situaciones de escasezel precio En ella
de escasez
energética. se
Estodelestableció el
mercado,que
ocasionó precio
que los de escasez
pretende proteger mercado,
generadores del a qu
los consumidores contra
ofertaran con los los
precios
precios consumidores
másaltos
altosenpara contra
situaciones
compensarlos precios
de escasez altos en situaciones
energética.
esta eventual de
Esto ocasionó
protección. escasez ener
que los generadores ofertaran conque los generadores
precios ofertaran
más altos para con precios
compensar más altos
esta eventual para compensar esta ev
protección.
Resolución CREG 006 de 2009: Esta estableció rigurosas políticas de
Resoluciónconfidencialidad
CREG 006 de 2009: Resolución
de la información
Esta CREG
estableció 006mercado,
de 2009:
enrigurosas
el Estadeestableció
cerrando
políticas rigurosasde
la posibilidad
confidencialidad depolíticas
la de c
información en el mercado, información
cerrando la en el mercado,
posibilidad de que cerrando
los la posibilidad
generadores
que los generadores observaran las ofertas de sus competidores. El efecto de de
observaran que
las los genera
ofertas de la
susincertidumbre
competidores. El ofertasde
efecto
provocó undelaaumento
sus competidores.
incertidumbre El de
provocó
del precio efecto de la incertidumbre
un aumento
las ofertas. provocó
del precio de las un aum
ofertas. ofertas.
Apéndice 2 2
Apéndice Apéndice 2
Diagnósticos
Diagnósticos empleados
empleados sobre
sobre los los modelos
Diagnósticos
modelos estimados
empleados
estimados sobre los modelos estimado
1. Gráfico1. de Gráfico
residuales de residuales
1. Gráfico
estandarizados: estandarizados:
de residuales
Utilidad Utilidad en Utilidad
estandarizados:
en la detección la detección
de observaciones en la detección de o
atípicas,
de observaciones detección de autocorrelación y heterocedasticidad. y
atípicas, detección
detección de autocorrelación y heterocedasticidad. de autocorrelación
heterocedasticidad.
2. Prueba Para
2. Prueba de normalidad de Jarque-Bera: de normalidad
verificar ladenormalidad
Jarque-Bera:en Para verificardela normalid
un conjunto
2. Prueba proponen
datos, Jarque-Bera de normalidad deJarque-Bera
usardatos, Jarque-Bera:
el estadístico Para verificar
proponen la normalidad
usar el estadístico
en un conjunto de datos, Jarque-Bera proponen usar el estadístico
T 2 ( K 3 )2 T 2 ( K 3 )2
JB S . JB S .
6 4 6 4
Donde Donde S ylosKcoeficientes

S y K son son los coeficientes
Donde S y Kde
de asimetría y asimetría
son deylos
curtosis
los coeficientes
curtosis de los
la datos.
de asimetría
datos. Bajo y curtosis de los da
hipótesis
Bajoellaestadístico
de normalidad, hipótesis JB
dede
normalidad,
2
~ normalidad,
2 .
elelestadístico
estadístico JB ~ 2 .2
3. Prueba de Ljung-Box para3. autocorrelación:

Prueba de Ljung-Box
Trata depara autocorrelación:
probar Tratadede probar
la no existencia
autocorrelaciones en los residuales.
autocorrelaciones en los residuales. Ljung-Box proponen el estadísticoLjung-Box proponen el estadís
k rj2 k rj2
Q T(T 2) , Q T(T 2) ,
j 1 T j j 1 T j
datos, Jarque-Bera proponen usar el estadístico
Jarque-Bera: Para verificar la normalidad en un conjunto de
en usar el estadístico
T 2 ( K 3 )2
JB S .
T 2 ( K 3 )2 6 4
JB S .
6 4
Castaño
Dondey SSierra:
y K Sobre la existencia
son los de una
coeficientes deraíz unitaria yencurtosis
asimetría la serie dedetiempo mensual...
los datos. Bajo la hipótesis
de normalidad, el estadístico JB ~ 2 .
cientes de asimetría y curtosis de los datos. Bajo la2hipótesis
3. Prueba de Ljung-Box para autocorrelación: Trata de probar la
co JB ~ 22 .
3. Prueba no de existencia
Ljung-Box deparaautocorrelaciones en losderesiduales.
autocorrelación: Trata probar la Ljung-Box
no existencia de
proponen el estadístico
autocorrelaciones en los residuales. Ljung-Box proponen el estadístico
ara autocorrelación: Trata de probar la no existencia de
siduales. Ljung-Box proponen el estadístico 2
k rj
Q T(T 2) ,
k rj2 j 1 T j
Q T(T 2) ,
T j
j 1
donde rj es el rcoeficiente
donde de autocorrelación
es el coeficiente de autocorrelación orden j. Bajo
muestral de muestral la hipótesis
de orden j. de
j 2
que noBajo
existe
ladeautocorrelación
hipótesis hasta existe
de orden k, Q ~ M , hasta
dondedeM=k-(número
orden k, de
de autocorrelación muestral orden j. de que
Bajo la no autocorrelación
hipótesis de
ción hasta de parámetros
k, QARMA
orden ~ M2 ,estimados).
donde M=k-(número
donde M=k-(númerodede parámetros ARMA estimados).
dos). 4. Prueba
4. Prueba de McCleod-Li
de McCleod-Li para Heterocedasticidad
para Heterocedasticidad condicional:
condicional: Trata la no
Trata de probar
de probar
existencia la no
de efectos existencia
GARCH deresiduales.
en los efectos GARCH enpor
Está dada los el
residuales. Está
mismo estadístico Q
ara Heterocedasticidad condicional:
de Ljung-Box aplicado Trata de de
a la serie probar la noal cuadrado.
residuales
dada por el mismo estadístico Q de Ljung-Box aplicado a la serie de
RCH en los residuales. Está dada por el mismo estadístico Q
a serie de residuales
5. Pruebasal residuales
cuadrado. al cuadrado.
sobre la forma funcional del modelo de Ramsey: Trata de probar que no existen
no 5. Pruebasignoradas
linealidades sobre laenforma funcional
la relación del Para
estimada. modelo
esto, de Ramsey:
Ramsey Trata
sugiere incluir en
cional del modelo de Ramsey:
el modelode probar Trata
potencias quedeno
de probar que no
los existen
valores no existen
linealidades
predichos ignoradas
de la variable en la relación
dependiente y probar la
en la relación estimada.
hipótesis Para
de queesto,
estimada. Ramsey
losPara esto, sugiere
Ramsey
coeficientes de lasincluir enincluir
sugiere
potencias en elson
incluidas modelo
cero, potencias de
usando la prueba F.
os valores predichos de
Se presentanla variable dependiente
dos presentadas: y primeraladependiente
probar
En lala variable tabla se presentan los resultados donde se
los valores predichos de y probar la hipótesis
ientes de las potencias
incluyen incluidas son potencia
cero, usando la prueba F.predichos. La segunda tabla presenta los
das: En la primera dela
tabla se
segunda
que los coeficientes
presentan los
de de
los
resultados
valores
las potencias
donde se incluidas son cero, usando
resultados
la cuando se
prueba F. incluyen
Se las potencias
presentan dos 2 y 3.
presentadas: En la primera tabla se
cia de los valores predichos. La segunda tabla presenta los
yen las potencias 2 y 3.presentan
6. Prueba
los resultados donde se incluyen la segunda potencia de los
de estabilidad de Nyblom y Hansen: Trata de probar si los parámetros de
modelovalores predichos.
son estables La segunda
a través tabla
del período de presenta
tiempo enloselresultados cuando
cual se observó la se
serie. A
Nyblom y Hansen: incluyen
Trata
continuación, se las
de potencias
probar
hace una los 2parámetros
si breve ypresentación
3. de de la prueba. Bajo la hipótesis nula de
vés del período de tiempo en el cual se observó la serie. A
6. Prueba de estabilidad de Nyblom y Hansen: Trata de probar si los
breve presentación de la prueba. Bajo la hipótesis nula de
parámetros de modelo son estables a través del período de tiempo
en el cual se observó la serie. A continuación, se hace una breve
presentación de la prueba. Bajo la hipótesis nula de parámetros 14
constantes,
parámetros constantes, el vector
el vector de puntajes
de puntajes para
para el14 el lineal
modelo modelo conlineal con
errores errores
Normales
está basado en Normales
las ecuaciones
estánormales
basado en las ecuaciones normales
T T
xit et 0, i 1, ...,k , ( et ˆ 2 ) 0.
t 1 t 1
T
et es el t-ésimo residual del modelo y ˆ 2 n 1
et2 .
282 t 1
xit et i 1,...,k t
Defina, f it y sit fij , i 1,...,k 1
et2 ˆ2 i k 1 j 1
parámetros
parámetros
parámetros parámetros
constantes,
constantes,
constantes, constantes,
el vector
elelvector
vector de deelpuntajes
vector
depuntajes
puntajes parade
para el puntajes
para
modelo
elpara
modelo para
el modelo
lineal
linealel modelo
lineal
con
con con lineal
errores
errores
errores con
Normales
Normaleserrores N
Normales
está parámetros
está basado constantes,
está
en basado
las en
ecuacionesel vector
las de puntajes
ecuaciones
normales normales el modelo lineal con errores Normales
estábasado
basado en
enlas
las
está basado
ecuaciones
parámetros
ecuaciones normales
constantes,
normales
en las ecuaciones
el vector de puntajes para el modelo lineal con errores Norm
normales
está basado en las ecuaciones normales
TT T T TT T T
ˆeˆt22)) ˆ,T 00.).2 ( 0et. ˆ ) 0.
2
xxit eet xit0e0,t , i0iT, 11,xi,...,k
et1, ...,k
,0, , ,i((eet 1, (T...,k
T 2
it...,k
tt 1
1
it
t 1 t xit et t 01x, e i 01,, ...,k ti 1 1,,t ...,k
t1 ( ,et ˆ(t e1 ) ˆ0. ) 0.2 283
it t t 1 t
t 1 t 1
t 1 t 1
TT T T
eet eseseelteles eresidual

el t-ésimo
t-ésimo
t-ésimo t esresidual
residualel t-ésimo
del delresidual
yy ˆdel
modelo
delmodelo
modelo
2 ˆnn2 112 n e1ety22.1. ˆTet22 . 2 n T1 et2 .
ˆy2y ymodelo
t et ese el t-ésimo
es el t-ésimoresidual del
residual modelo
del modelo
et es el t-ésimo residual del modelo ˆ t 1 y nttˆ 12 ent 1. tet12 .
t
t 1
t 1 t 1
xxit eet xit et i i 11,...,k xit e1t,...,k i 1,...,k t

i,...,k t t t
Defina,
Defina,
Defina, f f Defina,
it t x f
e x i t 1,...,k
it e yi 1,...,k
ys sit f y, tfiji ,sit1,...,k it 1,...,k fij11, i1 1,...,k 1
fitit
Defina,Defina, fet2it2 eˆˆt222 2 fˆiti i2 2kkie2t211k ˆ212 yi k sityit 1 j 1sityijfijj ,1 sitifij ,1,...,k
it it t it
eDefina, jif ij1 , 1,...,k
i 1,...,k
1 1
t et ˆ et i ˆk 1i k 1 j 1 j 1 j 1
El El
El estadístico
estadístico
Elestadístico paraEl parapara probar
estadístico
probar para laprobar
hipótesis
la hipótesis individual
laindividual
hipótesis H
Hindividual : constante,
βH es
: esconstante,
es constante,
: i=1,…
es constante,
i=1,… y i=1,…
kk yy kpara para k
estadístico
El estadísticoEl probar
para probar
para
lalahipótesis
estadístico hipótesis
paralaprobar
probar
individual
individual HH0:0:individual
la hipótesis
2 hipótesis individual iH0:
i 0 es iconstante,
0 H :i 0 es
es
ii=1,…
constante,
0 constante, i=1,… para
i=1,…
k y kpara
y
i=1,…
probar
probar H : kHy202:para
es
2
probar probar
es H : H 2 : σ constante,
2 0 eses
constante,
constante, es es constante,
es es i i
probarprobar
H0: Hprobar
0 es: constante,
2 H0: 0
eses constante,
es constante, es es
0
11 TT1 22 LTs 2 , 11i T 1, 2...,k

T T TT T T
2 T
LLi Li ss1it ,L, i iiiti 211, ,...,k
...,k s s , ,
, ,,itdonde
i
dondei 1,1 ,
donde ...,kV,
VVi , donde
...,k
22 T 2
donde
i f it
f f
V V
it 2i f 2 f
2
it
i TV
TVLi i tTV
1 i t 1
it TV
sTV
it , i i t it1 1 1, ...,k , donde t 1Vi t 1
it i it i fit t 1 t 1it
i t 1TV t 1
i t 1 t 1
Para Para
Para
Para probar
probar
probar
probar Para
la
lala hipótesis
Para
hipótesisprobar
la hipótesis
hipótesis
probar lalaconjunta
conjunta
conjunta hipótesis
conjunta
hipótesis HH0:0: el H conjunta
: :elelvector
H0vector
conjunta
el ββ0H: 0yel
vector
H :yβel 2
σy2vector
σβvector
2
σσ2 βson
y son son
constantes,σy 2 σsonson
βy constantes,
2
constantes, constantes,
defina
defina los
constantes, defind
los los
Para probar la hipótesis conjunta H0vector
0: el vector β y σ
son 2constantes,
son constantes, defina defina los
defina
vectores
vectores f(tfvectores
fftlos (vectores
vectores (,...,
f1tff,...,
,...,
vectores
f f ft)'
tf)' ((tyf)'y1ft1t,...,
,...,
SySt f kf k1S
( (S
)')'t ,...,S
S (,...,S
ySy1t
S St t)')'k(.S1.(El
,...,S S)',...,S
El ,...,S k )'1t .)'El
Elk .estadístico
.estadístico
1testadístico El
paraestadís-
.para
El estadístico
para probar
probar
estadístico
probar que
para
que para
que pr
probar
k
k 1 1t t
tico vectores
para
t 1
f
t1t ( fk 1
,...,
t
1t f )' ty
t
S
1 1t ( Sk 1t
k ,...,S
1t
1t
)' 1 t
. El estadístico para probar que
todos
todostodos
los
los losprobar
parámetros
parámetros todosson
parámetros
t que
los
son
1 t todos
losconstantes
parámetros
son
parámetrosconstantes
constantes
k 1 loses:
t parámetros
sonconstantes
son
es: constantes
es: t son
es:es:constantes es:
1 t k 1 t
todos los parámetros son constantes es:
1 TT 1 T 1
11
TT T T T T
1
LLc Lc SStV '' L
1 1 1'
SL
T
SctSV S
St1 , donde
ct ,',donde
' ' 1 1 T
V
tSV S
V tVSt , fdonde
, dondef ' V '
'.f t f tV.
T ft ftf' t .f t' .
c T L T tt 1 V donde tV f
t f
t .
St tVTTt St1 t1, dondet 1V tt 1t ft ftt .1 t 1 '
T t ct 11 T t 1
t 1 t 1
Los Los
LosLos valores
valores
valores
Los
Los
críticos valores
valores
críticos
críticos bajoH
bajo bajo críticos
críticos
se
H0bajo bajoHH
bajo
Hencuentran
0 se encuentran
se encuentran
tabulados.tabulados.
0 se encuentran
0tabulados. tabulados.
0 se encuentran tabulados.
valores
Los valorescríticos
críticosbajo HH0 0seseencuentran
encuentran tabulados.
tabulados.
7. Detección 7. de
7. Detección
Detección de
observaciones observaciones
deatípicas
observaciones
atípicas atípicas
atípicas
usando el usando
usando el el
procedimientoprocedimiento
procedimiento
de Chen de Chen
de Chen
y(1993):
Liu y Liu
(1993): (1993)
y Liu (19
7.7. Detección
7.
Detección de
de observaciones
Detección de
observacionesobservaciones
atípicas usando
usando el
atípicas
el procedimiento
usando
procedimiento el de Chen yyLiu
procedimiento
de Chen Liu de
(1993):
7. Detección
Este Este
de
Este
procedimiento procedimiento
observaciones
procedimiento
trata de trata
atípicas
trata
detectar dede
sidetectar
usando
detectar
existen elsi existen
procedimiento
si existen
de Chen
observaciones
atípicas atípicas
y
del Liu
tipo del tipo
(1993):
atípicas del
aditivo ad
tipo
Este
Este procedimiento
procedimiento trata
trata de
de detectar
detectar sisi existen
existen observaciones
observaciones atípicas
atípicas del
del tipo
tipo aditivo
aditivo
Chen
(denominadas y Liu
Este procedimiento(1993):
(denominadas
(denominadas otrata
AO), o
de detectar
AO), innovativas
si(denominadas
o (denominadas (denominadas
existen observaciones
innovativas (denominadas IO), o
atípicas
IO), de cambio
deldenivel
ode tipo de
aditivod
cambio
(denominadas
(denominadas
(denominadasAO),AO),
AO),
(denominadas
AO),
innovativas
oo innovativas
innovativas
LS)innovativas
o o de cambio (denominadas
temporal IO),IO),
IO), oo de
(denominadas
(denominadas IO),
o cambio
de o
de
cambio
TC).de
cambio de de
cambio nivel
de
nivel
nivel
(denominadas
(denominadas
(denominadas (denominadas
LS)
LS) oLS)
ode
Este procedimientode cambio LS)
o de cambio ode
temporal
trata dedetectar
cambio
temporal
(denominadastemporal
(denominadas
si existen (denominadas
TC). TC).
observaciones TC).
atípicas
(denominadas LS)cambio temporal
o de cambio (denominadas
temporal (denominadasTC). TC).
del tipo aditivode(denominadas
8. Detección observaciones atípicas AO), usando o innovativas (denominadas
el procedimiento de Chen y Liu (1993).
8. Detección
8.8.Detección
Detección de
de 8.observaciones
Detección
de
observaciones deatípicas
atípicas
atípicas usando
usando atípicas
usando
el
el usando elde
el procedimiento
procedimiento
procedimiento procedimiento
de de Chen
Chen
Chen yyLiu
Liu de Chen
y(1993).
Liu
(1993).(1993). y Liu (199
IO), o de
8. Detección de cambio de nivel
observaciones (denominadas
atípicas LS) o de cambio
usando el procedimiento de Chentemporal
y Liu (1993).
(denominadas TC).
A2. 1 Diagnósticos para el modelo de tendencia lineal determinística
A2.1A2.
A2. A2. para
1Diagnósticos 1para
Diagnósticos
1 Diagnósticos para para
el modelo
elelmodelo de el modelo
de delineal
tendencia
detendencia linealtendencia lineal determinística
determinística
determinística
A2. 18. Detección
Diagnósticos
Diagnósticos de
para observaciones
modelo tendencia
el modelo atípicas
lineal
de tendencia usando el procedimiento de
determinística
lineal determinística
Chen y Liu (1993).

A2. 1 Diagnósticos para el modelo de tendencia lineal determinística
Gráfico
Gráficode
deresiduales
residuales estandarizados
estandarizados
3
-1
-2
-3
00 01 02 03 04 05 06 07 08 09 10
Standardized Residuals
Prueba de Normalidad
Coef. Asimetría 0,114421
Coef.
Coef. Curtosis
Asimetría 3,166036
0,114421
Coef. Jarque-Bera
Curtosis 3,166036
0,429659
Jarque-Bera
Valor p 0,429659
0,806679
Valor p 0,806679
Prueba de Ljung-Box (Autocorrelación)
Prueba de Rezago,
Ljung-Box
k Q (Autocorrelación)
Valor p
6 4,0327 0,402
12k 9,0717
Rezago, Q 0,525
Valor p
18 13,955 0,602
6 4,0327 0,402
Prueba de McCleod-Li
12 (Heterocedasticidad
9,0717 0,525 condicional)
18
Rezago, k13,955 0,602
Q Valor p
6 6,3007 0,178
12 15,233 0,124
Prueba de McCleod-Li 18 25,108 0,068 condicional)
(Heterocedasticidad
Rezago, k Q Valor p
Prueba para Forma funcional
6 6,3007 0,178
Prueba RESET de RAMSEY:
12 15,233 0,124
Estadístico F 0,19373825,108
18 Valor p0,068
F(1,124) 0,6606
Razón Log Verosimil. 0,201393 Valor p Chi-Cuadr(1) 0,6536
Estadístico F 0,188649 Valor p F(2,123) 0,8283
284
Prueba de estabilidad
Prueba Nyblom-Hansen Stability: NH(5) = 1,3595 {Valor p<0.1}

NH para Intercepto = 0,0559 { Valor p <1}
285

Prueba RESET de RAMSEY:


Prueba Nyblom-Hansen Stability: NH(5) = 1,3595 {Valor p<0.1}

NH para Intercepto = 0,0559 { Valor p <1}
NH para tendencia = 0,0818 { Valor p <1}
NH para AR1 = 0,1953 { Valor p <1}
NH para Varianza = 1,0117 { Valor p <0,01}
Detección de observaciones atípicas usando el procedimiento de Chen

y Liu (1990)
No se detectaron observaciones atípicas de los tipos AO, IO, LS y TC.
A2.2 Diagnósticos para el modelo de múltiples cambios de nivel
Coef. Asimetría 0,029256
Coef. Curtosis 2,690887
Jarque-Bera 0,527863
Valor p 0,768026

Detección de observaciones atípicas usando el procedimiento de Chen y Liu (1990)
A2.2 Diagnósticos para el modelo de múltiples cambios de nivel
Gráfico de residuales
Gráfico de residuales
.4
.3
.2
.1
.0
-.1
-.2
-.3
-.4
00 01 02 03 04 05 06 07 08 09 10
LPRECIO Residuals
Prueba de Ljung-Box (Autocorrelación)
Coef.Rezago,
Asimetría
k Q 0,029256
Valor p
Coef. Curtosis
6 1,7400 2,690887
0,783
12 6,1273 0,804
Jarque-Bera
18 10,286 0,527863
0,851
Valor p 0,768026
Prueba de McCleod-Li (Heterocedasticidad condicional)
Prueba de Ljung-Box
Rezago, k Q(Autocorrelación)
Valor p
6 2,3178 0,678
Rezago,
12 k 10,016
Q Valor
0,439p
6
18 1,7400 0,783
16,475 0,420
12 6,1273 0,804
18 10,286 0,851
Prueba de McCleod-Li
Prueba (Heterocedasticidad condicional)
RESET Ramsey:
Estadístico F Rezago,
0,680825k Q Valor
Valor ppF(1,116) 0,4110
Razón Log Verosimil. 6
0,749059 2,3178
Valor0,678
p Chi-cuadrad(1) 0,3868
12 10,016 0,439
18 16,475 0,420
286
287

Razón Log Verosimil. 3,449745 Valor p Chi-cuadrad (2) 0,1782
Prueba Nyblom-Hansen Stability: NH(12) = 1.4125 {Valor p<1}

NH para Varianza = 0,2059 { Valor p <1}
NH para Intercept = 0,0366 { Valor p <1}
NH para d13 = 0,0372 { Valor p <1}
NH para d17 = 0,0376 { Valor p <1}
NH para d34 = 0,0409 { Valor p <1}
NH para d81 = 0,0091 { Valor p <1}
NH para d84 = 0,0098 { Valor p <1}
NH para d109 = 0,0059 { Valor p <1}
NH para d117 = 0,0048 { Valor p <1}
NH para d126 = 0,0059 { Valor p <1}
Detección de observaciones atípicas usando el procedimiento de Chen

y Liu (1990)

Bibliográfia
Banerjee, Anindya; Lumsdaine, Robin & Stock, James (1992). “Recursi-

ve and Sequential Tests of The Unit-Root and Trend-Break Hypotheses:
Theory and International Evidence”, Journal of Business and Economic
Statistics, No. 10, pp. 271-287.
Box, George & Cox, David (1964). “An analysis of transformations”, Journal
of the Royal Statistical Society, Series B, No. 26, pp. 211-252.
Cavaliere, Giuseppe & Georgiev, Iliyan (2006a), “Testing for Unit Roots
in Autoregressions with Multiple Level Shifts”, Quaderno del Dipartimen-
to di Scienze Statistiche, Università di Bologna, Serie ricerche, Forthcoming
in “Econometric Theory”, No. 2, 2006.
Cavaliere, Giuseppe & Georgiev, Iliyan (2006b). “A Note on Unit Root
Testing in the Presence of Level Shifts”, Statistica, Vol. LXVI, No. 1,
2006, pp. 1-17.
Chen, Chung y Tiao, George (1990). “Random Level Shift Time Series Mo-
dels, ARIMA Approximations and Level Shift Detection”, Journal of Bu-
siness and Economic Statistics, No. 8, pp. 170-186.
Chen, Chung y Liu, Lon-Mu (1993), “Joint Estimation of Model Parame-
ters and Outlier Effects in Time Series”, Journal of the American Statistical
Association, No. 88, pp. 284-297.
Clemente, Jesus; Montañés, Antionio & Reyes, Marcelo (1998). “Testing
for a Unit Root in Variables with a Double Change in the Mean”, Econo-
mics Letters, No.59, pp. 175-182.
Dickey, David & Fuller, Wayne (1979). “Distributions of the Estimators
for Autoregressive Time Series with a Unit Root”, Journal of the American
Statistical Association, Vol.74, No. 366, pp. 427-431.
Dickey, David & Fuller, Wayne (1981). “Likelihood Ratio Statistics for
Autoregressive Time Series with a Unit Root”, Econometrica, Vol. 49, No.
4, pp. 1057-1072.
288
289
Diebold, Francis & Kilian, Lutz (2000). “Unit Root Tests are Useful for
Selecting Forecasting Models”, Journal of Business and Economic Statistics,
No.18, pp. 265-273.
Elliott, Graham; Rothenberg, Thomas & STock, James (1996). “Efficient
Tests for an Autoregressive Unit Root”, Econometrica, No. 64, pp. 813-
836.
Hansen, Bruce (1992). “Testing for Parameter Instability in Linear Models”,
Journal of Policy Modeling, No. 14, pp. 517–533.
Huisman, Ronald (2003). “Regime Jumps in Electricity Prices”, Energy Eco-
nomics, No. 25, pp. 423 - 434.
Kwiatkowski, Denis; Phillips, Peter; Schmidt, Peter & Shin, Yongcheol
(1992). “Testing the Null Hypothesis of Stationarity Against the Alter-
native of a Unit Root”, Journal of Econometrics, No. 54, pp. 159-178.
Lanne, Markku; Lütkepohl, Helmut & Saikkonen, Pentti (2002). “Com-
parison of Unit Root Tests for Time Series with Level Shifts”, Journal of
Time Series Analysis, No. 23,pp. 667-685.
Leybourne, Stephen; Mills, Terence y Newbold, Paul (1998): “Spurious
Rejections by Dickey-Fuller Tests in the Presence of a Break under the
Null”, Journal of Econometrics, No. 87, pp. 191-203.
Lumsdaine, Robin & Papell, David (1997). “Multiple Trend Breaks and the
Unit Root Hypothesis”, Review of Economics and Statistics, No.79, pp.
212-218.
Lütkepohl, Helmut; Saikkonen, Pentti & Trenkler, Carsten (2004). “Tes-
ting for the Cointegration Rank of a VAR Process with Level Shift at
Unknown Time”, Econometrica, No.72, pp. 647-662.
Mackinnon, James (1996). “Numerical Distribution Functions for Unit
Root and Cointegration Tests”, Journal of Applied Econometrics, 11(6),
pp. 601-618.

NG, Serena & PERRON, Pierre ( (1995). “Unit Root Tests in ARMA Mo-
dels with Data Dependent Methods for the Selection of the Truncation
Lag”, Journal of the Americal Statistical Association, No. 90, pp. 268-281.
NG, Serena & PERRON, Pierre (2001). “Lag Length Selection and the
Construction of Unit Root Tests with Good Size and Power” , Econome-
trica, No. 69, pp. 1519-1554.
Nyblom, Jukka (1989). “Testing for the Constancy of Parameters Over Time”,
Journal of the American Statistical Association, No.84, pp. 223–230.
Ohara, Hidetaka (1999), “A Unit Root Test with Multiple Trend Breaks: A
Theory and Application to US and Japanese Macroeconomic Time Se-
ries”, TheJapanese Economic Review, Vol. 50, pp. 266-290.
Perron, Pierre (1990). ”Testing for a Unit Root in a Time Series with a
Changing Mean”, Journal of Business and Economic Statistics, No. 8, pp.
153-162.
Perron, Pierre (1992). “Trend, Unit Root and Structural Change: A Multi-
Country Study with Historical Data”, Proceedings of the Business and Eco-
nomic Statistics Section, American Statistical Association, pp. 144-149.
Perron, Pierre & Vogelsang, Timothy (1992). “Nonstationarity and Level
Shifts with an Application to Purchasing Power Parity”, Journal of Busi-
ness and Economic Statistics, 10, 301-320.
Pfaff, Bernhard (2008) Analysis of Integrated and Cointegrated Time Series
with R. Second Edition. Springer, New York. ISBN 0-387-27960-1.
Phillips, Peter & Perron, Pierre (1988). “Testing for a Unit Root in Time
Series Regression”, Biometrika, No. 75, pp. 335–346
Philipovic, D. (1998). Energy Risk. McGraw-Hill, New York.
Saikkonen, Pentti & Lütkepohl, Helmut (2001), “Testing for Unit Roots
in Time Series with Level Shifts”, Allgemeines Statistisches Archiv, No. 85,
pp. 1-25.
290
291
Saikkonen, Pentti & Lütkepohl, Helmut (2002), “Testing for a Unit Root
in a Time Series with a Level Shift at Unknown Time”, Econometric
Theory, No. 18, pp. 313-348.
Zivot, Eric & Andrews, Donald (1992): “Further Evidence on the Great
Crash, the Oil-Price Shock, and the Unit-Root Hypothesis”. Journal of
Business and Economic Statistics, Vol. 10, No.3, pp. 251-270.

Dialnet SobreLaExistenciaDeUnaRaizUnitariaEnLaSerieDeTiemp 4241150 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Dialnet SobreLaExistenciaDeUnaRaizUnitariaEnLaSerieDeTiemp 4241150 PDF

Cargado por

Copyright:

Formatos disponibles

Sobre la existencia de una raíz unitaria

en la serie de tiempo mensual del precio

Elkin Castaño y Jorge Sierra

Lecturas de Economía - No. 76. Medellín, enero-junio 2012

Elkin Castaño y Jorge Sierra

Sobre la existencia de una raíz unitaria en la serie de tiempo

Generalmente, las series de tiempo de los precios de electricidad de los

* Elkin Argemiro Castaño Velez: Profesor asociado de la Facultad de Ciencias, Universidad

En el caso particular de Colombia, la serie de precios reales mensuales de la electricidad,

2000 2002 2004 2006 2008 2010

aplican pruebas tradicionales de raíz unitaria en presencia de una tendencia

Durante varios años se ha debatido si las series de tiempo económicas y

Lecturas de Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012

Tabla 2. Prueba DF-GLS

III. Una prueba de raíz unitaria en presencia de varios cambios de nivel

Perron (1990) señala que la presencia de cambios de nivel en las series,

donde donde es la observable,

donde X t es la serie observable, Yt esdonde X t es la autorregresiva,

Sin embargo, esta regresión no es factible Sin embargo, esta

Sin embargo, esta regresión no es factible empíricamente, ya que Yt no

XXt t XXt t ˆˆt t,, (10)

Cuando Cuando δt no es observable,

b) Aplique el procedimiento de pseudo des-tendencialización

3. Procedimiento de prueba cuando p es desconocida

Hasta ahora se ha considerado que el orden autorregresivo p de los

B. Aplicación de la prueba de raíz unitaria con cambios de nivel a la serie

Las pruebas tradicionales de raíz unitaria, aplicadas anteriormente,

Tabla 3. Ocurrencia de los eventos exógenos

Lecturas de Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012

Una descripción de las regulaciones de la CREG se encuentra en el

2000 2002 2004 2006 2008 2010

La Tabla 4 presenta la estimación de la regresión de mínimos cuadrados

Tabla 4. Estimación de los saltos

Gráfico 3. Logaritmo del precio de-jumped

2000 2002 2004 2006 2008 2010

Fuente: Elaboración propia.

Tabla 5. La prueba DF-GLS con rezago=0

La serie ajustada ya no presenta los cambios de nivel, pero aún se observa

con tendencia lineal. Como el orden de la autorregresión para la prueba es

2000 2002 2004 2006 2008 2010

5 muestra los Elaboración

Xt (Cambios de nivel )t ( L)/ ( L) t , (12) (12)

Es decir, el proceso es no estacionario y evoluciona en forma estacionaria alrededor de los

Es decir, el proceso es no estacionario y evoluciona en forma estacionaria

IV. ¿Tendencia determinística o cambios de nivel?

Todas las pruebas anteriores rechazan la existencia de una raíz unitaria en

Los resultados de la estimación OLS se encuentran en la Tabla 7.

Castaño y Sierra: Sobre la existencia de una raíz

0,432379 ± 0,121305i 0,449073

Los resultados muestran que no parece existir tendencia lineal en

Los resultados de la estimación

Tabla 9. Modelo con múltiples cambios de nivel

Lecturas de Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012

De la aplicación de las pruebas de raíz unitaria sobre la serie de tiempo

Descripción del mercado de la electricidad

En la década de los 90 se implementó la transformación de los servicios

Lecturas de Economía -Lect. Econ. - No. 76. Medellín, enero-junio 2012

Desde el punto de vista del mercado, el precio spot se autorregula en un

Descripción de los eventos exógenos relacionados con cambios regulatorios

Resolución CREG 034 de 2001: Con esta resolución la CREG define la

Donde Donde S ylosKcoeficientes

3. Prueba de Ljung-Box para3. autocorrelación:

eet eseseelteles eresidual