Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Código: 17120003
Curso: Econometría II
Lima-2020
Modelos estocásticos estaciones de series temporales son de dos tipos puros y multiplicativos
y cada uno puede ser estacionario o no, el valor de “s” es el periodo estacional de manera es
que si son datos trimestrales el s=4 si son mensuales s=12. el modelo estacional puro se
caracteriza porque solo existen relaciones entre las observaciones que distan de si s periodos o
múltiplos de s. Si este modelo estacional puro es además estacionario tendremos un modelo
estacional Ma, AR o ARMA por el contrario si el modelo estacional puro no es estacionario,
pero es susceptible a convertirse en estacionario mediante diferenciaciones sucesivas
estaremos frente a un modelo ARIMA estacional puro
Los modelos estacionarios puros normalmente no se ven con frecuencias por sus mismas
características antes mencionadas lo habitual es que existan relaciones de tipo múltiple se dirá
que tenemos modelos estacionales multiplicativos que pueden ser estacionarios o no
Características:
El modelo de medias móviles será estacionario e invertible cuando las raíces de θQ ( L s )=0
caigan fuera del circulo unitario es decir si son reales todas ellas en valor absoluto mayores
que la unidad, si son complejas el modulo mayor a uno
donde θ1 ( Ls ) =1−θ1 ( Ls ) el modelo MA(1) siempre es estacionario y para que sea invertible
debe cumplirse que θ1 ( Ls ) =1−θ1 ( Ls )=0 sea en valor absoluto mayor que la unidad |θ|< 1 la
2 2
esperanza y varianza seria E ( y t )=u ; γ 0=σ (1+ θ1)
−θ1 σ 2u para j=s
la función de covarianza γ j = { 0 para j ≠ s
−θ1
Función de autocorrelación ρ j= 1+θ2
{
para j=s
0 para j≠ s
−θ1j (1−θ21)
Función de autocorrelación parcial ϕ j=
1−θ2( j +1)
1
Para θ1 >0
Para θ1 <0
Modelo MA (2)
Función de autocovarianza
Función de autocorrelación
−θ1 +θ 1 θ2
{
para j=s
1+θ21 +θ22
ρ j= −θ2
para j=2 s
1+θ21 +θ22
0 para j≠ s y 2 s
ϕ ss=ρss
ρ 2 s −ρ2s
ϕ 2 s ,2 s=
1−ρ2s
Para θ1 y θ 2> 0
Para θ1 y θ 2< 0
Para θ1 <0 y θ2 >0
Modelo AR(1)
δ
La esperanza matemática E ( y t )=u= ∀t
1−ϕ1
σ2
Varianza será igual γ 0=
1−ϕ1
2 j σ2
Función de autocovarianza γ js =ϕ1 γ 0 =ϕ1 para j ≥1
1−ϕ1
Graficas:
Para ϕ 1> 0
Para ϕ 1< 0
Modelo AR (2)
Definido por: y t =ϕ1 y t−s + ϕ2 y t −2 s +δ +u t o bien ϕ 2 ( Ls ) y t =δ + ut
Si ϕ 2 ( Ls ) =1−ϕ1 ( L s )−ϕ 2 ( L2 s ) =0 y estén fuera del circulo unitario y con ello implicaría que
ϕ 1+ ϕ2< 1 ,ϕ 2−ϕ1 <1,|ϕ 1|<1
δ
La esperanza matemática E ( y t )=u=
1−ϕ1−ϕ2
ϕ1
{
ρ s= para j=s
1−ϕ2
ϕp ρ 2 s−ρ2s
=ϕ 2 para j=2 s
1−ρ 2s
0 para j≠ s y 2 s
Graficas
δ
E ( y t )=u=
1−ϕ1
Una manera alternativa para escribir el modelo ARMA(1,1) en forma de desviaciones con
respecto a la media
~y =ϕ ~
t 1 y t −s +δ + ut −θ1 ut −s
σ 2 (1−θ21−2 θ1 ϕ1)
Obtendremos la varianza γ 0=
1−ϕ 21
función de autocovarianza
σ 2 ( 1−θ1 ϕ1 )( ϕ1−θ 1)
{
γ js = ϕ 1 γ 0−θ 1 σ =
2
2
1−ϕ1
ϕ1 γ ( j−1) s para j>1
para j=1
función de autocorrelación
( 1−θ 1 ϕ 1) ( ϕ1−θ1 )
ρ js =
{ 1+ϕ21 −2θ 1 ϕ1
para j=1
ρ s para j=s
jj=
{ ρs− ρ2s
1−ρ2s
para j=2 s