UMSA – Economía

Econometría II
Semestre: II – 2019
Prof. J. Humérez
Aux. Carla Salamanca

Trabajo Práctico Nº 1

Instrucciones:

1. La práctica deberá ser resuelta en grupos de tres integrantes, conformados por afinidad.
Cualquier modificación deberá ser autorizada por el profesor de la materia.
2. La fecha de entrega es la clase inmediata después del primer parcial, de acuerdo a lo
establecido al inicio de semestre.

PARTE I. CONCEPTOS PREVIOS

1. Defina:
a) Proceso estocástico
b) Serie de tiempo
c) Ergodicidad
d) Ruido Blanco
e) Caminata Aleatoria (random walk)
f) Estacionariedad en sentido estricto
g) Estacionariedad débil
h) Estacionariedad en tendencia
i) Tendencia determinística y estocástica
j) Estacionalidad
k) Quiebre estructural
l) Raíz unitaria
m) Regresión espuria

2. Cuáles son los componentes de una serie de tiempo.

PARTE II. RAÍZ UNITARIA

3. Explique brevemente en qué consisten las siguientes pruebas de raíz unitaria, especificando
los estadísticos de contraste de cada test:
a) ADF
b) Phillips – Perron
c) KPSS
4. Cuando se prueba raíz unitaria en una serie se deben ver otras particularidades de la misma,
además de las abarcadas por los anteriores tests, para no llegar a resultados erróneos.
Señale en qué consisten los siguientes tests, sus características y las hipótesis nulas que
contrastan:
a) Perron (1989)
b) Zivot-Andrews (1992)
c) HEGY

5. Explique los filtros existentes para raíces unitarias estacionales en datos mensuales.

6. Realice la prueba de raíz unitaria para el ingreso (yt) en logaritmos, utilizando el contraste
de Dickey-Fuller Ampliada (ADF). (Nota: utilice las tablas de valores críticos de Dickey-Fuller
del Apéndice de Novales, 1993).

∆𝒍𝒏 𝒚𝒕 = −𝟎. 𝟎𝟐𝟖𝟗𝟖𝟕 𝒍𝒏 𝒚𝒕−𝟏 + 𝟎. 𝟐𝟐𝟎𝟓𝟒𝟔 + 𝟎. 𝟎𝟎𝟎𝟏𝟗𝟐𝒕

S.E. (0.02240) (0.16318) (0.00019)
𝑅̅ = 0.0437, 𝐷𝑊 = 1.9918
2

∆𝒍𝒏 𝒚𝒕 = −𝟎. 𝟎𝟎𝟔𝟐𝟔𝟓 𝒍𝒏 𝒚𝒕−𝟏 + 𝟎. 𝟎𝟓𝟔𝟔𝟏𝟑

S.E. (0.00304) (0.022346)
𝑅̅ 2 = 0.0351, 𝐷𝑊 = 2.01938

7. A partir del examen de los siguientes gráficos explique si se puede formular

razonablemente la existencia de raíz unitaria en los procesos estocásticos que gobiernan
las series. Justifique su respuesta.

8. Utilizando el software Eviews genere aleatoriamente 200 observaciones simulando los

siguientes procesos estocásticos:
a) Random walk con error ruido blanco.
b) Random walk con deriva
c) Modelo estacionario
 d) Modelo estacionario en tendencia

Grafique las cuatro series simuladas y analice los correlogramas y propiedades estadísticas
correspondientes.

9. A partir de la serie del consumo de EE.UU, con datos desde el primer trimestre de 1970
hasta el último trimestre de 1991, a continuación se reportan los resultados del test ADF de
la variable en niveles, en primera diferencia y en segunda diferencia respectivamente.
¿Cuáles son las conclusiones de cada test? ¿Cuál es el orden de integración de la variable?
Ejercicios Computacionales

10. Para la serie de tiempo “K” del archivo <K_TP1.xls> obtenga los coeficientes de
Autocorrelación simple considerando datos en niveles y en primera diferencia.
a) Interprete los resultados del correlograma y explique sus limitaciones como contraste
de estacionariedad.
b) Realice el test de Dickey-Fuller manualmente (sin la herramienta de Eviews); verifique
el supuesto de residuos ruido blanco, y contraste el estadístico correspondiente con las
tablas ADF.
c) Realice las pruebas de raíz unitaria con el test Dickey-Fuller, instalado en el programa,
con las siguientes especificaciones: ADF con intercepto, ADF con intercepto y 12 rezagos
y ADF con intercepto, tendencia y 12 rezagos.
En cada caso analice los resultados utilizando los valores críticos pertinentes (Explique
por qué no utilizo los valores críticos a partir de la distribución t-Student). Determine y
justifique cuál de las tres regresiones debiera utilizarse para el contraste de raíz
unitaria.

11. Para la serie mensual “E” del archivo <E_TP1.xls>, contraste la presencia de raíces unitarias
utilizando el test HEGY. Específicamente se pide:
a) Observar y comentar la gráfica de la serie y sus correlogramas.
b) Evaluar la presencia de raíz unitaria en las distintas frecuencias de la serie.
c) Diga cuales son los filtros a utilizarse para eliminar la tendencia estocástica presente en
distintas frecuencias de la serie.

12. Para el presente ejercicio se utilizará la serie histórica del índice de comercio desde 2006M1
al 2016M10. La serie está disponible en el grupo de Whatsapp de la materia con el nombre
de <IGAE.wf1>.

Los modelos de regresión de series de tiempo son muy comunes para los pronósticos. Con las
técnicas aprendidas en clase, se pronosticarán valores futuros para la variable en cuestión,
índice de consumo. Consecuentemente el primer paso es evaluar la serie y filtrar la misma de
tal forma que sea estacionaria. Por ello se necesitará aplicar distintas pruebas de raíz unitaria
que nos indiquen qué filtro usar.

a) Comente el gráfico de la serie.

b) Realice los tests ADF, Philips-Perron y KPSS para detectar el posible orden de
integración (por el momento elegimos los componentes determinísticos mediante
inspección visual de la serie), ¿cuáles son los resultados de los tests?, ¿coinciden los
resultados de los tres tests?
 c) Dado que la serie es mensual podrían presentarse problemas de raíz unitaria en la
frecuencia estacional, por tanto es recomendable realizar el test HEGY ¿Qué se
concluye?

d) Los tests anteriores podrían concluir que la serie no es estacionaria cuando en realidad
el problema es un quiebre estructural. Para confirmar los resultados de los tests previos
implementamos el test de Zivot-Andrew ¿Cuál es el resultado del test?

e) Dados los resultados de los tests, ¿qué filtro debemos aplicar a la serie para que sea
estacionaria?

PARTE 3. MODELOS ARIMA

13. Defina:

a) Función de Autocorrelación Simple.

b) Función de Autocorrelación Parcial.
c) Invertibilidad.
d) Proceso Autorregresivo (AR)
e) Proceso de Medias Móviles (MA)

14. Explique los pasos de la metodología Box-Jenkins.

15. Dados los siguientes procesos:

a) 𝑦𝑡 = 0.6𝑦𝑡−1 + 𝜀𝑡

b) 𝑦𝑡 = 0.3𝑦𝑡−1 + 0.2𝑦𝑡−2 + 𝜀𝑡

c) 𝑦𝑡 = 𝜀𝑡 + 0.6𝜀𝑡−1

Donde se supone que en todos ellos 𝜎 2 𝜀 = 1, se pide:

1. Calcular las autocovarianzas hasta el orden 5.

2. Calcular los coeficientes de autocorrelación hasta el orden 5.

16. Grafique el comportamiento de la función de autocorrelación y la función de

autocorrelación parcial en un proceso AR(p), un proceso MA(q) y de un proceso ARMA
(p,q).

17. Exprese un modelo AR(1) como un MA(∞). ¿Qué condición se debe cumplir para que esto
sea posible?
18. Determine si los siguientes procesos AR son estacionarios solucionando la ecuación auxiliar
(encontrando las soluciones para L):
𝑥𝑡 = 0.35𝑥𝑡−1 + 𝑒𝑡

𝑥𝑡 = 0.7𝑥𝑡−1 − 0.3𝑥𝑡−2 + 𝑒𝑡

𝑥𝑡 = 0.4𝑥𝑡−2 + 𝑒𝑡

19. Compruebe la invertibilidad de los siguientes procesos estocásticos:

𝑥𝑡 = 𝑒𝑡 + 0.75𝑒𝑡−1

𝑥𝑡 = 𝑒𝑡 − 0.13𝑒𝑡−2

20. Explique qué es y para qué sirve el filtro Hodrick Prescott. Aplique el filtro a la serie “R”
del archivo <R_TP1.xls> e interprete los resultados obtenidos ¿De qué depende el valor de
λ que utilizo para aplicar el filtro?

21. ¿Cuáles son las diferencias entre los criterios de información: AIC, SBC y HQ?

22. Defina: a) Error Cuadrático Medio, b) Raíz del Error Cuadrático Medio c) Error Medio
Absoluto y d) Coeficiente de Theil. Compárelos como criterios de calidad de pronóstico.

Ejercicios Computacionales

Continuamos con el ejercicio de predicción del índice de comercio. En los siguientes ejercicios
debemos trabajar con la serie transformada por la aplicación de filtros recomendados por el
inciso e) del ejercicio 12 de la PARTE 2.

23. Analice el correlograma de la serie transformada. ¿Qué modelos (escoja al menos 2)

podríamos usar para el pronóstico según las funciones de autocorrelación y
autocorrelación parcial?

24. Estime los modelos que podrían servir para el pronóstico. ¿Cuál es el resultado del
diagnóstico de los residuos de los modelos alternativos?

25. ¿Cuál de los modelos escogidos en la pregunta 23tiene mejor desempeño según los criterios
de información?

26. ¿Cuál de los modelos escogidos en la pregunta 23 tiene mejor desempeño según los
criterios de calidad de pronóstico?

27. Elija uno de los modelos de la pregunta 23 y explique por qué lo escogió.

28. Pronostique el valor del índice de comercio para los siguientes seis meses con el modelo
elegido.