Econometría II

Grado en finanzas y contabilidad

Estructuras determinísticas y
estocásticas tendencia y la
estacionalidad

Profesora: Dolores García Martos

E-mail:mdgmarto@est-econ.uc3m.es
Este documento es un resumen de la
documentación elaborada por D. Antoni Espasa
 Importancia de los factores

•La importancia predictiva de los factores o componentes de una

serie temporal depende del horizonte de predicción.

El componente tendendial suele predominar en el largo

plazo, mientras que el resto de los componentes presenta
menor relevancia

Predicciones a cinco años

En el corto plazo son de gran relevancia las predicciones

de las oscilaciones de corto plazo, como el componente
estacional

Predicciones a un año

En el medio plazo, todos los componentes son importantes

Predicciones a un año y medio

 Estructuras para la tendencia

•Las tendencias vienen determinadas por la acumulación tecnológica y

también de otro tipo de conocimiento que lleva a una mayor eficiencia
en la organización y desarrollo de las instituciones.

También se genera por aumentos de la población, inflación,

costumbres, etc.

•Otro factor causante de las tendencias son los cambios en los gustos y
hábitos de los individuos así como cambios en las regulaciones
administrativas y sociales.

•Tipología
 Tendencia determinística: Implica que no hay incertidumbre
alguna sobre la evolución futura de la tendencia. Conocido el
pasado es posible prever su futuro. NO ES REALISTA.

Son funciones del tiempo: polinomios de orden uno o superior

 Tendencia estocástica: No hay certidumbre a futuro. SON MÁS

REALISTAS
 Estructuras para la estacionalidad

•Hay un comportamiento que se repite cada cierto periodo de

tiempo, en función de la periodicidad de la serie:día/mes/trimestre

•Tipología

 Estacionalidad determinística: Implica que no hay

incertidumbre alguna sobre la evolución futura de la tendencia.

Se utilizan variables dummy estacionales

 Estacionalidad estocástica: No hay certidumbre a futuro.

 Estructuras determinísticas para representar tendencias
en series temporales.
• Una cuestión importante a tener en cuenta cuando una serie presenta un
comportamiento tendencial es que no es ESTACIONARIA, propiedad de gran
importancia en el proceso de modelización.
• Cuando una serie presenta un comportamiento tendencial, la esperanza
matemática depende del tiempo.
• Una opción sería considerar que la tendencia es determinística. En este caso
se puede representar por un polinomio determinístico.
• Sea Xt =Tt +Wt T es la tendencia y W un componente
estocástico (incierto). W refleja las
desviaciones con respecto a la tendencia
• El comportamiento estocástico de X proviene de W
• Si suponemos una representación de la tendencia a través de un polinomio
de primer orden, se tendría:
Tt=a+bt a y b son fijos
X t = a+bt+W t W t tiene esperanza cero (supuesto)
E(X t)= a +bt t es el tiempo y varía
NO ES ESTACIONARIO, EL NIVEL VARÍA EN EL TIEMPO
 0
20
40
60
80
100
120
140
E NE 1975
E NE 1976
E NE 1977
E NE 1978
E NE 1979
E NE 1980
E NE 1981
E NE 1982
E NE 1983
E NE 1984
E NE 1985
E NE 1986
E NE 1987
E NE 1988
E NE 1989
E NE 1990
E NE 1991
E NE 1992
E NE 1993
E NE 1994
E NE 1995
E NE 1996
E NE 1997
E NE 1998
E NE 1999
en series temporales.

E NE 2000
E NE 2001
E NE 2002
E NE 2003
E NE 2004
E NE 2005
E NE 2006
E NE 2007
E NE 2008
E NE 2009
E NE 2010
Estructuras determinísticas para representar tendencias
Estructuras determinísticas para representar tendencias
en series temporales.

• Los coeficientes vienen expresados en la misma unidad

que la variable, Xt:
 El valor de “a” representa el valor de la tendencia en
el momento de inicio de la muestra
 El parámetro “b” es el aumento lineal (aditivo no
proporcional) que va experimentando la tendencia
en cada momento. Es la pendiente.
 Tt = Tt-1 +b
 En general es creciente: tendencia alcista o
creciente. Pero puede ser decreciente.
• Otras expresiones más complejas serían, por ejemplo:
Tt= a+bt+ct2 +dt3
 Bajo este esquema:
X t = a+b t+ct2 +dt3 +Wt
 Estructuras determinísticas para representar tendencias
en series temporales.

• Otras expresiones de la tendencia, vienen determinada por una tendencia

exponencial. En este caso:
 Tt =T t-1 (1+b)
En este caso, b es la tasa de crecimiento de la tendencia
b= (Tt -T t-1)/T t-1
•Bajo este esquema es de gran utilidad trabajar con transformaciones
logarítmicas
•A partir de la aproximación de Taylor de primer orden de una función Zt =
Log Tt
 Log Tt -log T t-1 = Δ log Tt = (Tt -T t-1)/T t-1
Esta aproximación es bastante buena para números pequeños
 Estructuras determinísticas para representar tendencias
en series temporales.

•Bajo este esquema se llega a que la tendencia presenta un comportamiento

exponencial:
 Tt = exp (a+bt)
 Xt = exp (a+bt) exp Wt
•La tendencia y la serie no son lineales. Se obtendrá linealidad, aplicando
una transformación logarítmica
•b es un factor incremental
 Tendencias truncadas

• Series con oscilaciones de nivel: series que no muestran crecimiento

pero no presentan una media constante a lo largo de la muestra: NO ES
ESTACIONARIA
 La media varía con el tiempo y se podría pensar en estimarla a
través de segmentos temporales
 Para un periodo inicial se podría estimar una media c1 ,para un
segundo periodo otra media c2 ,y así sucesivamente hasta ck.
 Hay que tener cuidado de no poner medias que abarquen
toda la serie, ya que se tendría un problema de
multicolinealidad perfecta si se incluye una constante en el
modelo
• Los puntos en los que cambia la media son puntos de ruptura y pueden
venir motivados por: cambios tecnológicos, nuevas legislaciones,
depresión de 1929, crisis energética de 1973, crisis actual, etc.
• Sirve para explicar el pasado, pero hay que tener mucho cuidado a
futuro.
Tendencias truncadas
 Tendencias truncadas

• Vamos a suponer que el momento de la ruptura es conocido.

• Se pueden considerar dos esquemas: truncamientos de nivel y
truncamientos de crecimiento.
• Sea el modelo:
 Xt = r(t) + Wt W es un componente estocástico
 r(t) es una expresión que se establece en función del tiempo y
recogerá componentes de carácter determinístico
La inclusión de este tipo de variables en modelos econométricos se
denomina también “análisis de intervención”; resulta de utilidad para
estimar hechos atípicos
 Tendencias truncadas

• Truncamientos de nivel. Supongamos que en el nivel de la

serie se producen k saltos (niveles medios), en el periodo de
tiempo ek
•r(t) = Σ bei ζeit= be1 ζe2t + be3 ζe3t + be4 ζe4t+………… +bej ζekt

•ζekt =0 t< tek

=1 t≥ tek

• Truncamientos de crecimiento. Supongamos que en la serie

de tendencia se produce un cambio en k periodos, en el
periodo de tiempo tk
•r(t) = Σ bti ζti t= bt1 ζt1 t + bt2 ζt2 t + bt3 ζt3 t+………… +btk ζtk t

•ζtk t =0 t< ttk

= t-ttk t≥ ttk
Estructuras determinísticas para representar oscilaciones
estacionales en series temporales

•Supongamos que nuestra serie temporal presenta un crecimiento

sistemático y un claro comportamiento estacional. Se podría expresar
como::
X t= a +bt +Σ b*j S jt + w t
• Donde Sjt es una variable dummy que toma valor uno para las
observaciones referidas a la estación j del año t y cero en el resto de
los casos.
 En la práctica, se trabaja con variables de tal forma que
Σ b* j =0
 Las variables dummys manejadas son igual al número de
estaciones menos una.
• El crecimiento medio viene dado por: b+b* j
Estructuras estocásticas de raíces unitarias para la
tendencia
•La aproximación del comportamiento tendencial a través de
polinomios determinísticos en el tiempo presenta, en general,
grandes inconvenientes, por lo que es poco recomendable. Sobre
todo para fines predictivos.

•Su uso implica que en el futuro se va a mantener la pauta seguida en

el pasado y que la variable tarde o temprano vuelve a la senda de
largo plazo. Y ello, provocaría grandes errores predictivos.

•Las series temporales pueden presentar a lo largo de su historia

distintas tendencias o medias locales que cambian con el tiempo. No
estaríamos ante una serie de crecimiento tendencial, pero tampoco la
serie temporal sería estacionaria.

Tendencias segmentadas. Incertidumbre a futuro. No es útil a

futuro

• Los cambios de media pueden ocurrir con frecuencia elevada debido

a distintos factores y la tendencia se recogería mejor con un
esquema estocástico
Estructuras estocásticas de raíces unitarias para la
tendencia

•La naturaleza de los factores que originan los comportamientos

tendenciales (cambios tecnológicos, costumbres, aumentos de la
población, etc), lleva a considerar para la formulación de tendencias
un esquema de ecuaciones de diferencias finitas con persistencia con
un componente estocástico:
Hay un coeficiente unitario
X t= X t-1 +W t al incorporar el pasado

•Este esquema matemático se denomina de RAIZ UNITARIA y de la

tendencia resultante se dice que tiene una raíz unitaria.
 Estructuras estocásticas de raíces unitarias para la
tendencia

• Si al transformar una serie tomando primeras diferencias:

ΔX t = X t - X t-1 = W t

se obtiene una serie que no presente evolutividad, entonces decimos

que X t es integrada de orden uno porque al tomar PRIMERAS
DIFERENCIAS una vez, los datos resultantes son estacionarios.
Entonces, X t se dice que es I(1). La terminología (·) indica que la
tendencia es estocástica

 Una serie con tal tipo de tendencia se denomina

INTEGRADA DE ORDEN UNO I(1)

• En este caso se dice que la serie presenta oscilaciones locales de

nivel
 Estructuras estocásticas de raíces unitarias para la
tendencia

• Nos podemos encontrar con series que siguen el siguiente esquema:

Z t= Z t-1 + b +W t

Al tomar primeras diferencias, como en el caso anterior, se tendría

ΔZ t = b +W t
La diferencia entre ΔX t y ΔZ t es que en el primer caso la media es
cero y en el segundo b. Las dos son integradas I(1),pero son
distintas.

 X t tiene oscilaciones locales de nivel

 Zt tiene crecimiento sistemático

• Para incluir el hecho de que la media de ΔXt puede ser o no nula en las
series I(1), se introduce la terminología I(1,m) con m=0 si la media es
nula y m=1 si no lo es.

• Este modelo presenta un comportamiento con un factor de nivel

estocástico, Z t-1, y un factor incremental determinista, que viene dado
por b
 0
1
2
3
4
5
6
03 ENE2000
08-May-00
11-Sep-00
15 ENE2001
21-May-01
24-Sep-01
28 ENE2002
03-Jun-02
07-Oct-02
10-Feb-03

Fuente: Banco de España

16-Jun-03
20-Oct-03
23-Feb-04
28-Jun-04
01-Nov-04
07-Mar-05
11-Jul-05
14-Nov-05
tendencia

20-Mar-06
24-Jul-06
27-Nov-06
02 ABR2007
06 AGO2007
10 DIC2007
14 ABR2008
18 AGO2008
Rentabilidad del bono a 3 años. Porcentaje

22 DIC2008
27 ABR2009
31 AGO2009
04 ENE2010
10-May-10
13-Sep-10
17 ENE2011
Estructuras estocásticas de raíces unitarias para la
 -20
-10
10
20
30

-30
0
ENE 1975
ENE 1976
ENE 1977
ENE 1978
ENE 1979
ENE 1980
ENE 1981

Fuente: INE
ENE 1982
ENE 1983
ENE 1984
ENE 1985
ENE 1986
ENE 1987
ENE 1988
ENE 1989
ENE 1990
ENE 1991
ENE 1992
ENE 1993
ENE 1994
ENE 1995
tendencia

Producción Industrial 2005=100

ENE 1996
ENE 1997
ENE 1998
ENE 1999
ENE 2000
ENE 2001
Tasa de variación interanual del Índice de

ENE 2002
ENE 2003
ENE 2004
ENE 2005
ENE 2006
ENE 2007
ENE 2008
ENE 2009
ENE 2010
Estructuras estocásticas de raíces unitarias para la
 Estructuras estocásticas de raíces unitarias para la
tendencia
• Existen series en las que al aplicar una primera diferencia a la serie original,
se observa que no es estacionaria, sino que la serie transformada muestra
cambios de nivel que hace necesario volver a tomar una nueva diferencia:

X t = X t-1 + (X t-1 - X t-2) +W t

Tomando una primera diferencia se tiene:

ΔX t = (X t - X t-1) = (X t-1 - X t-2) + W t

Si se toma otra diferencia se tiene:

ΔΔX t = (X t - X t-1) - (X t-1 - X t-2) = W t

En este caso, se dice que la serie es integrada de orden 2 I(2)

•Son series en las que su evolución presenta un perfil acelerado. El factor

incremental, a diferencia del modelo anterior, es estocástico, (X t-1 - X t-2).

 Xt será (2,0)
 ΔXt será I(1,0)
 ΔΔXt será I (0,0)
 Estructuras estocásticas de raíces unitarias para la
tendencia

• Las series de precios, o más precisamente, su transformación

logarítmica, suelen ser series I(2,0).

• En consecuencia la inflación mensual- la primera diferencia del

logaritmo de los precios- puede ser I(1,0).

•La inflación tiene evolutividad del tipo de oscilaciones locales de nivel

•Las transformaciones estacionarias se obtienen APLICANDO DOS

VECES PRIMERAS DIFERENCIAS ( a la serie de logaritmos)

LA DIFERENCIACION PERMITE ELIMINAR TENDENCIAS Y

TRANSFORMAR LAS SERIES EN ESTACIONARIAS (en la media)
 Estructuras estocásticas de raíces unitarias para la
estacionalidad
• Los factores meteorológicos, sociales y administrativos que causan
la estacionalidad son estocásticos y también puede presentar una
evolutividad, no siendo estacionaria, en el sentido de que la
estacionalidad presente una media constante.

•Cuando este tipo de estacionalidad aparece junto con una tendencia

estocástica se tiene que una de las raíces unitarias estocástica del
esquema resultante no es sobre el pasado inmediato, sino sobre el
mismo periodo (estación) del año inmediatamente anterior.

•Siguiendo el mismo esquema que en el caso de la tendencia, en la

parte estacional se puede igualmente tomar primeras diferencias. En
definitiva, se tomas DIFERENCIAS ESTACIONALES

Se puede eliminar la no estacionariedad de la tendencia y la estacionalidad

si aplicamos diferencias regulares y estacionales
• Las series transformadas no muestran evolutivilidad ni en la parte
regular ni en la estacional. SON ESTACIONARIAS
 100
120
140

40
60
80

0
20
ENE 1975
ENE 1976
ENE 1977
ENE 1978
ENE 1979
ENE 1980

Fuente: INE
ENE 1981
ENE 1982
ENE 1983
ENE 1984
ENE 1985
ENE 1986
ENE 1987
ENE 1988
ENE 1989
ENE 1990
ENE 1991
ENE 1992
ENE 1993
ENE 1994
ENE 1995
ENE 1996
ENE 1997
la estacionalidad

ENE 1998
ENE 1999
ENE 2000
ENE 2001
ENE 2002
ENE 2003
ENE 2004
ENE 2005
Índice de Producción Industrial. 2005=100

ENE 2006
ENE 2007
ENE 2008
ENE 2009
ENE 2010
Estructuras estocásticas de raíces unitarias para
 Estructuras estocásticas de raíces unitarias para y la
estacionalidad

• Aplicando una diferencia estacional se obtiene estacionariedad en la

parte estacional.

Δ 12 X t = X t - X t-12 = W t

• Por tanto, si la estacionalidad presenta una raíz unitaria junto con una
tendencia estocástica, para obtener una serie estacionaria, habría que
aplicar una doble diferencia: una regular y otra estacional.

Δ 12 Δ X t = Δ 12 (X t - X t-1) =
= (X t-X t-1- X t-12+ X t-13 )=W t

Es habitual aplicar esta doble transformación para obtener una serie

estacionaria. A partir de ella se estudiará qué modelo matemático-estadístico
es el más adecuado para recoger la estructura de Wt .
 Estructuras estocásticas de raíces unitarias para la tendencia
y la estacionalidad
TRANSFORMACIONES ESTACIONARIAS
Índice de Producción Industrial. 2005=100
ΔLn IPI
Ln IPI
4,900 0,8
4,700 0,6
4,500 0,4
4,300 0,2
4,100 0
3,900 -0,2
3,700
-0,4
3,500
-0,6
3,300
-0,8
ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE
1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE
1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008

Δ 12Ln IPI ΔΔ 12Ln IPI

0,2 0,4

0,1 0,3

0 0,2
0,1
-0,1
0
-0,2
-0,1
-0,3
-0,2
-0,4 -0,3
ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE
ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE ENE
1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008
1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008

Fuente: INE y elaboración propia

 Niveles y tasas de crecimiento

• Sea una serie temporal representativa de una variable económica. La

serie de nivel la constituyen los valores originales.

 Presentan un comportamiento tendencial

 Presentan un comportamiento estacional
 Presentan un comportamiento errático

• Dificulta el análisis económico e interpretativo de las variables económicas

 ¿la economía española ésta creciendo? ¿recuperación o crecimiento
puntual?
 ¿estamos produciendo más o menos que el mes pasado? ¿es lógico?
 ¿vienen más turistas que el mismo mes del año anterior?
 en agosto, se ha producido menos que en julio, ¿es lógico? ¿es un
drama?, etc.
• Obtención de predicciones
 Cómo modelizar una serie de nivel para obtener predicciones, teniendo
en cuenta los componentes que la integran
 Niveles y tasas de crecimiento

Series temporales originales y series temporales sobre los incrementos

o sobre las tasas de crecimiento sobre las series originales

• Tasa de crecimiento sobre el periodo anterior: intermensual (mes),

intertrimestral (trimestre):

T 1,1= (X t-X t-1)/X t-1 Se mide en tanto por 100

(porcentaje)

•Tasa de crecimiento sobre el mismo periodo del año anterior: interanual

T1,12= (X t-X t-12)/Xt-12 Se mide en tanto por 100

(porcentaje)
¿QUÉ NOS RECUERDA? ¿QUE RELACIÓN TIENE CON LAS
TRANSFORMACIONES ESTACIONARIAS?