Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios2 Soluciones PDF
Ejercicios2 Soluciones PDF
Econometría II
a) Calcule la media y la varianza marginal y condicional del proceso. Compare los valores
marginales y condicionales.
Media marginal:
Tomando esperanzas en la ecuación se llega a dado que un proceso ruido
blanco tiene esperanza cero.
Media condicional: suponemos que conocemos el valor de ̅ .
Luego, la esperanza condicional será
̅ ̅
Varianza marginal: .
Varianza condicional: el valor de se conoce con certeza por lo que su varianza
es cero. Por lo tanto
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12 13
[
]
El proceso (a) es claramente no estacionario al ser una de las raíces igual a la unidad.
Las raíces del proceso (b) son
{
Una de las raíces esta dentro del circulo unicad por lo que seria explosivo y no estacionario.
b) Señale las características evolutivas en el nivel de las series temporales generadas por el
proceso (a).
El proceso es un paseo aleatoria con deriva. Seria un proceso con crecimiento sistematico
determinista de 0.3 unidades en cada periodo t mientras el nivel de la serie estaría afectado
por innovaciones estocásticas.
4. En el análisis económico se emplean con mucha frecuencia variables que se obtienen por la
agregación de otras variables. Este es el caso, por ejemplo, del PIB o del IPC. Este ejercicio
pretende ilustrar que la agregación de procesos estocásticos puede generar esquemas de
autocorrelación más complejos que los que tienen los procesos desagregados.
Considere a este respecto dos procesos xt e y t cuya evolución temporal viene descrita
por un esquema AR(1) estacionario, es decir:
xt 1 xt 1 ut , 1 1
yt 2 yt 1 vt , 2 1
a) Un proceso AR(1) si
1 2
b) Un proceso ARMA(2,1) en general. (Pista: calcule las autocovarianzas de la parte MA del
proceso)
Solución
Dado
ut
xt 1 xt 1 ut xt
1 1 L
vt
yt 2 yt 1 vt yt
1 2 L
Tenemos
ut vt (1 2 L)ut (1 1 L)vt
zt xt yt zt (1)
1 1 L 1 2 L (1 1 L)(1 2 L)
Apartado a)
Apartado b)
En (1) se aprecia que hay un componente AR (denominador de la expresión) y un
componente MA (numerador de la expresión).
Componente AR:
(1 1 L)(1 2 L) zt 1 1 2 L 1 2 L2 zt AR(2)
Componente MA:
wt (1 2 L)ut (1 1 L)vt . Veamos que presenta una estructura MA(1), para ello
calculamos la función de autocovarianzas
1 C ( wt , wt 1 ) Eut 2ut 1 vt 1vt 1 ut 1 2ut 2 vt 1 1vt 2
2 E ut21 1 E vt21 2 u2 1 v2
2 C ( wt , wt 2 ) Eut 2 ut 1 vt 1vt 1 ut 2 2 ut 3 vt 2 1vt 3 0
….
b) Escriba cada un modelo tentativo para este proceso asumiendo que su media es 3.
Solucion
a) El proceso podría ser un AR(1) porque la FAC decrece alternando sus signos, y la FACP
tiene un pico significativo en el primer período, y luego tiene valores cercanos a cero, o no
significativos.
b) Un posible modelo podría ser :
6. Considere la serie mensual del índice de ventas de supermercados para el periodo 1991:01-
2007:06. La serie necesita una diferencia regular y una diferencia estacional para convertirse en
estacionaria. Una vez hecho esto, la serie tiene el siguiente gráfico y correlograma:
.10
.05
.00
-.05
-.10
-.15
1992 1994 1996 1998 2000 2002 2004 2006
D12INDICE
a) Con la información proporcionada, ¿considera que podría tratarse de una serie
estacionaria?. Justifique su respuesta.
b) Proponga uno o más modelos que le parezcan adecuados para representar la serie,
justificando cada uno de ellos.
c) Si propone dos modelos o más, que criterio utilizaría para elegir entre uno u otro?
Comente.
Solucion
a) Tal y como dice el enunciado, la serie en el nivel no es estacionaria. Una vez tomadas
una diferencia regular y una estacional podria ser estacionaria dado que el grafico
muestra media constante. Ademas no resulta lógico tomar mas de dos diferencias para
series económicas en ninguno de los casos.
b) Un primer modelo a proponer sería un ARIMA(2,1,0)x(1,1,0), ya que el correlograma
parcial muestra 2 picos significativos en la parte regular, y la parte estacional no es tan
clara ya que no hay picos significativos en el período 12, pero si los hay en el 13 y 14.
Además el FAC tiene un decrecmiento oscilante entre valores negativos y positivos.
Otro modelo podría ser ARIMA(2,1,0), por las características de la FAC y la FACP ya
mencionadas, sólo considerando la parte regular.
c) Suponiendo que los modelos propuestos son validos, será mejor el que tenga un menor
valor en el criterio de Akaike o en el criterio de Schwartz, los cuales ponderan por un
lado la minimización de la suma de cuadrados residuales y por otro penaliza por los
números de parámetros a estimar en el modelo.