Documentos de Académico
Documentos de Profesional
Documentos de Cultura
E ( y t ) = δ ∀t
Var ( y t ) = σ 2y ∀t
Cov ( y t , y t − k ) = Cov ( y s , y s − k ) = γ k ∀t , k
Econometría II – Notas de clase 3
p q
y t = ∑ α i y t −i + ∑ ε t − i + ε t
i =1 j =1
y t = [MA( q) + ε t ]
1 1 1
...
(1 − z1L) (1 − z 2 L) (1 − z p L)
Estacionario
Estacionario si z1 < 1
y t (1 − α1L − ... − α p Lp ) = MA (q ) + ε t
Polinomio de rezagos
Econometría II – Notas de clase 5
Ecuación característica
y t (1 − z1L)(1 − z 2 L)...(1 − z p L) = MA (q ) + ε t
Raíces de la ecuación
característica
γ k = Cov ( y t , y t − k ) ∀t , k (1.)
Cov(y t , y t - k )
ρk = ∀t, k (2.)
Var (y t ) Var (y t - k )
γ
ρk = k (3.)
γo
T
∑ (y t - y )(y t - k - y )
1
T - k t= k +1
ρˆ k = (4.)
1 T T
∑ t(y - y )2 1
∑ (y t - k - y )
2
T t=1 T - K t = k +1
1 1 T T
≈ , ∑ ≈ ∑
T − k T t =1 t = k +1
T
∑ (y t - y)( yt -k - y)
ρˆ k = t = k +1 (5.)
T
∑ (y t - k - y )
2
t = k +1
donde ~
y es la desviación de y respecto a su media.
σ2ε
γo = σ2y =
1 − α2
( )
γ1 = Ε( y t y t -1 ) = Ε αy 2t -1 + y t -1ε t = αγ 0 + 0
γ k = αk γ 0 ∀ k ≥ 0
γ
Como vimos previamente ρ k = k , de forma tal que:
γ0
ρ0 = 1
γ αγ
ρ1 = 1 = 0 = α
γ0 γ0
Econometría II – Notas de clase 10
γ 2 α2γ 0
ρ2 = = = α2
γ0 γ0
Y en general,
γ
ρk = k = α k ∀k≥0
γ0
y t = φ1y t -1 + ε t
Para una muestra lo suficientemente grande, el desvío de yt respecto a
la media es igual a yt dado que E(yt) = 0.
y t = λy t -1 + φ2 y t - 2 + ε t
FAP (1) = ρ1 = α
FAP (k ) = 0 ∀ k > 1
y t y t - k = α1y t -1y t - k + α 2 y t - 2 y t - k + ε t y t - k
γ k = α1γ k -1 + α 2 γ k - 2
* Veamos este resultado con algo más de detalle de modo que nos quede
claro como es que, tomando en cuenta que γ − p = γ p , se obtiene lo
siguiente:
γ0 = α1γ1 + α 2 γ 2 + σ2ε
γ1 = α1γ 0 + α 2 γ1
γ 2 = α1γ 1 + α 2 γ 0
(1 − α 2 )σ2ε
γ0 =
(1 + α 2 )((1 − α 2 ) 2 − α12 )
α1γ0
γ1 =
1 − α2
α 2 (1 − α 2 ) + α12
γ2 = γ 0
1 − α 2
Econometría II – Notas de clase 13
γ α1
ρ1 = 1 = α1 + α 2ρ1 =
γ0 1 − α2
γ2 α12
ρ2 = = α1ρ1 + α 2 = α 2 +
γ0 1 − α2
Así, en general:
γ
ρk = k = α1ρk -1 + α 2ρk -2 ∀k > 0
γ0
Diagnóstico
- Ausencia de una FAS convergente: evidencia en contra de la
estacionariedad de la serie.
- ¿Hasta qué orden es la FAP significativa?: orden de
autorregresión (AR) de la serie.
E( y t ) = 0
V (y t ) = σ2ε + σε2 β 2 = σ2ε (1 + β 2 )
Econometría II – Notas de clase 15
γ0 = σ2y = (1 + β2 )σ2ε
γ1 = Ε(y t y t −1 ) = Ε[(ε t − βε t −1 )(ε t −1 − βε t − 2 )] = −βσ 2ε
γ 2 = Ε(y t y t − 2 ) = Ε[(ε t − βε t −1 )(ε t − 2 − βε t − 3 )] = 0
γ 3 = Ε (y t y t − 3 ) = 0
γk = 0 ∀k >1
ρ0 = 1
γ −β
ρ1 = 1 =
γ0 1 + β2
γ
ρ2 = 2 = 0
γ0
ρk = 0 ∀k >1
Dado que el modelo de medias móviles sólo evidencia una relación entre
yt y los errores presentes y pasados, es necesario realizar un proceso de
inversión a fin de rescatar la relación entre la primera y sus propios
valores pasados.
Econometría II – Notas de clase 16
ε t = y t + βε t −1
ε t −1 = y t −1 +βε t −2
ε t − 2 = y t − 2 +βε t −3
(...)
por lo que:
ε t = yt + β yt −1 + β ( y t −2 +βε t −3 )
ε t = y t + βy t −1 + β2 y t − 2 + β3ε t − 3
y t = −β y t −1 − β 2 y t − 2 − β3ε t −3 + ε t
En resumen:
Ε (y t ) = 0
Var ( y t ) = Ε(y t )2
= Ε(α 2 y 2t −1 + ε 2t + β 2ε 2t −1 + 2 αy t −1ε t − 2 αβ y t −1ε t −1 − 2βε t ε t −1 )
de modo que:
σ2ε (1 + β 2 − 2αβ)
Var ( y t ) =
(1 − α 2 )
σ2ε (1 + β 2 − 2αβ)
γ0 = Var ( y t ) =
(1 − α 2 )
γ k = αγ k −1 ∀k >1
ρ0 = 1
γ
ρ1 = 1 =
(1 − αβ)(α − β)
γ0 1 + β2 − 2αβ
γ αγ
ρ2 = 2 = 1 = αρ1
γ 0 γ0
Generalizando:
γ αγ
ρk = k = k −1 = αρk −1 ∀k >1
γ0 γ0
Así:
FAS ARMA (1,1) ≈ FAS AR(1) para todo k>1
FAP ARMA (1,1) ≈ FAP MA(1) para todo k>1
Econometría II – Notas de clase 20
(i) Procesos AR
αˆ MCO = ∑ t t −1
y y
∑ y2t −1
Al respecto, se debe tomar en cuenta lo siguiente:
Xt+j =Yt+j-1
2
αˆ =
∑ αyt −1 + ∑ y t −1ε t = α + ∑ y t −1ε t
∑ y 2t −1 ∑ y2t −1
y verifiquemos si α̂ MICO
p
→α
(ii) Procesos MA
q Box-Jenkins (1976)
(ii) Estimación:
- Los modelos que arroja la primera etapa son estimados verificando la
significancia de incluir las diferentes combinaciones de términos
identificados a partir del correlograma. Aquellos que pasen esta
primera prueba serán sometidos al análisis de correlación de errores y
al de parsimonia.
k ρ 2j
Q = T (T + 2 ) ∑ ∼ χ2 k − p − q
j=1(T - j)
(iii) Diagnóstico:
yt = µt + εt
εt = v t x t
En este caso,
V(yt x t ) = V(ε t x t ) = σ2 x 2t
por lo que:
V ( yt x t ) = h 2 ( µ t ) σ2
g(y t ) ≈ g(µ t ) + ( y t -µt ) g ' ( y t )
yt =µt
2
V g(y t ) x t = g ' ( y t )
y t =µ t
V(y t x t )
2
2
= g' ( yt ) h ( µ t ) σ2
yt =µt
' 1
g ( y t ) y =µ = h µ
t t ( t)
de forma tal que la varianza de la serie transformada sea igual a σ 2.
' 1
g ( y t ) y =µ = µ
t t t
por lo que:
g ( y t ) = Ln(y t )
80
Series: R_VOLCAN
70 Sample 12/19/1997 4/23/2004
Observations 332
60
Mean -0.000453
50
Median 0.000000
40 Maximum 0.353932
Minimum -0.478893
30 Std. Dev. 0.087559
Skewness -0.060387
20 Kurtosis 7.649219
10 Jarque-Bera 299.2125
Probability 0.000000
0
-0.50 -0.25 0.00 0.25
.4
.3
.2
.1
.0
-.1
-.2
-.3
-.4
-.5
1998 1999 2000 2001 2002 2003
R_VOLCAN
Econometría II – Notas de clase 7
3.0
La volatilidad
hoy
2.5
2.0
SIG2
1.5
1.0
0.5
0.0
-10 -8 -6 -4 -2 0 2 4 6 8 10
El shock
Z de ayer
q La definición
q
ε t = v t α 0 + ∑ α iε 2t −i
i =1
q
E t −1 (ε 2t ) = Vart −1 (ε t ) = σ2t = α 0 + 2
∑ αi ε t − i
i =1
q
ε 2t = α 0 + 2
∑ α i ε t −i + v t
i =1
q α0
E (ε 2t ) = Var(ε t ) = σ2ε = α 0 + 2
∑ α iσε = ,
i =1 1 − (α1 + α 2 + ... + α q )
positiva y finita.
εt = v t h t
donde:
q p
h t = α o + ∑ α i ε t − i + ∑ βi h t − i
2
i =1 i =1
q p
E t −1 (ε 2t ) = σ2t = h t = α o + 2
∑ α iε t −i + ∑ βi h t − i
i =1 i =1
σ 2t = α 0 + αε 2t -1 + βσ 2t -1
α0 ∞
σ 2t = + α ∑ β j-1ε 2t -1
1− β j =1
ε 2t = α0 + (α + β) ε 2t −1 + v t − βv t −1
(
εˆ 2t = f ε 2t -1 , ε 2t - 2 , K; α' s )
Ho: α 's = 0 (no hay términos ARCH)
Para ello se utiliza el estadístico TR 2 ∼ χ2q
Econometría II – Notas de clase 12
Este modelo permite que la media de una serie dependa, entre otras
variables, de su propia varianza condicional (o su desviación
estándar). El objetivo del modelo es determinar la relación existente
entre la media y la varianza de la serie.
y t = µt + ε t
µ t = β + δh t
q Modelos Asimétricos
donde: d t -1 = 1 si ε t -1 < 0
d t -1 = 0 d.o.m .
Nótese que “las buenas noticias” tienen un impacto α1, mientras que
“las malas” tienen uno α1+γ. Por tanto si γ > 0 se confirma el efecto
leverage; si γ < 0 no hay dicho efecto sino sólo asimetría.
Econometría II – Notas de clase 14
( ) ( ) ε
σ t -1
ε
log σ 2t = α 0 + β log σ 2t -1 + α t -1 + γ t -1
σ t -1