Universidad Nacional de Colombia - Sede Bogotá

Facultad de Ciencias Económicas.

Unidad de Informática y Comunicaciones.

Curso libre: SAS University – Taller 3.

En el presente documento se encuentran los enunciados del taller 1, el cual debe ser
presentado de manera individual. Lea cuidadosamente cada uno de los
enunciados y utilice los espacios en blanco para digitar sus respectivas respuestas; no
ostente más espacio del necesario.
Nombres Jorge Steven Moreno Parra
Document
1024565815
os
Series de Tiempo (5,0 puntos).
La base de datos Int.dta contiene el tipo de interés interbancario a un año de la banca
Española, con periodicidad mensual. Se pide que haga lo siguiente:

1. (0,5 puntos) Importe la base de datos al entorno de SAS University con el nombre
Interés. Inserte el comando generado automáticamente por el Software:

%web_drop_table(WORK.interes);
FILENAME REFFILE '/folders/myshortcuts/myfolder/int.dta';
PROC IMPORT DATAFILE=REFFILE
DBMS=DTA
OUT=WORK.interes;
RUN;
PROC CONTENTS DATA=WORK.interes; RUN;

Realice un análisis sobre la función, sintaxis y utilidad de, al menos, tres de los
comandos generados:

Nos sirve para importar bases de datos del programa

%wed lo que hace es colocar donde se guardara el archivo en el programa y su
nombre.
File, que es utilizado para los nombres y name reffile que nos comunica el lugar
donde se encuentra el archivo y el archivo dado.
Proc, en el cual para que salga en el output, es decir lo tome, sigue import que es
para que lo importe de reggile.

Realice un análisis de identificación en el módulo “Exploración de series temporales”,

en el que incluya: Gráfico de la serie, gráfico de ciclos estacionales, estadísticas
descriptivas, estadísticas estacionales, análisis de autocorrelación y la prueba de raíz
unitaria Dickey Fuller:
2. (0,5 puntos) Inserte la serie de comandos generada automáticamente por el Software:

ods noproctitle;
ods graphics / imagemap=on;

proc sort data=WORK.INTERES out=Work.preProcessedData;

by fecha;
run;

proc timeseries data=Work.preProcessedData seasonality=12

plots=(series cycles
corr) print=(descstats seasons);
id fecha interval=month;
var interes / accumulate=none transform=none dif=0 sdif=0;
run;

/* Análisis de test de raíz unitaria */

proc arima data=Work.preProcessedData plots=none;
ods select StationarityTests;
identify var=interes stationarity=(adf=2);
run;
quit;
3. (0,5) Inserte la salida del gráfico de Ciclos estacionales:

x La serie posee algún tipo de comportamiento

estacional
La serie NO posee algún tipo de comportamiento
estacional
4. (0,5) Inserte la salida del análisis de autocorrelación (ACF, PACF, IACF, White Noise)

x La serie es estacionaria según los gráficos

La serie NO es estacionaria según los gráficos

5. (0,5) Aplique una diferencia a la serie de tiempo con el mismo módulo “Exploración de
series temporales”. Realice el mismo análisis del punto inmediatamente anterior.
 La serie es estacionaria según los gráficos
x La serie NO es estacionaria según los gráficos

6. (1,5) Por medio del apartado “Modelación y predicciones”, realice la estimación de los
siguientes modelos y, con base en los resultados de los criterios de información AIC y
SBC, complete la siguiente tabla y marque con una X el modelo a trabajar:
NOTA: tenga en cuenta que para realizar esta estimación debe editar manualmente el
código.

Modelo 1: ARIMA ( p , d , q )=( 0 ,1 , ( 1,3 ) ) , sin constante

Modelo 2: ARIMA ( p , d , q )=( ( 1,2 ) , 1,0 ) , sin constante

SBC Modelo seleccionado

AIC
(X)
Modelo 1 123.7478 133.1375 x
Modelo 2 122.8017 135.3213

7. (1,0) Realice la predicción de la serie de tiempo 12 periodos hacia el futuro.

Inserte los datos de predicción

Inserte la gráfica de la predicción