Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ACREDITADO POR:
EUROPEAN COUNCIL FOR BUSINESS EDUCATION.
ACCREDITATION COUNCIL FOR BUSINESS SCHOOLS AND PROGRAMS
AXENCIA PARA A CALIDADE DO SISTEMA UNIVERSITARIO DE GALICIA.
SISTEMA NACIONAL DE EVALUACIÓN, ACREDITACIÓN Y CERTIFCACIÓN DE LA CALIDAD
EDUCATIVA
Dado el pobre desempeño de la última tarea asignada a los analistas, Rimac Financiera ha decidido
evitar que trabaje con datos del mundo real por el momento. Su nueva tarea consiste en estudiar
un conjunto de datos producido por Rimac Financial Complex Stochastic System Simulator 5000, el
software de simulación de modelos ARMA líder en la industria. Tendrá que analizar una serie de
tiempo ARMA simulada, identificar el modelo ARMA correcto, estimarlo y usarlo para pronosticar.
El gerente ha comunicado que aquellos becarios que no logren identificar el modelo ARMA
correcto serán trasladados al departamento de TI de Rimac Financiera para trabajar como filtros
de spam humanos.
Sugerencia: una leyenda dice que hace muchas semanas un pasante pudo piratear el Simulador de Sistema Estocástico
5000 del Complejo Financiero Prescott y modificó el programa para que los datos simulados contengan una función que
ayude a detectar la especificación correcta. Sin embargo, hace tiempo que se ha olvidado cuál era esa característica.
Instrucciones
Realice cálculos numéricos en R e ingrese las respuestas en los espacios apropiados. El
código en R tiene que ser adjuntado a esta práctica como parte de evaluación.
Los números deben redondearse al tercer decimal (es decir, 1,23456 es 1,235).
Marque la respuesta correcta de las preguntas de opción múltiple con una marca.
Las pruebas estadísticas deben llevarse a cabo al nivel de significancia del 5%.
Las respuestas a las preguntas abiertas deben ser precisas y concisas.
Realice el análisis de su serie temporal asignada (series-X.csv). Utilice las observaciones 1 a 1008
para el análisis dentro de la muestra, y las observaciones 1009 a 1018 para el análisis fuera de
muestra.
Grupo1: series-1.csv
Grupo2: series-2.csv
Grupo3: series-3.csv
Grupo4. series-4.csv
Grupo5. series-5.csv
Preguntas
Identificación del modelo
LB p-value:
2. Puedes concluir que los datos tienen dependencia serial sobre la base del LB estadístico.
Si: No:
𝜌1 = 𝜌5 = 𝜌10 = 𝜌252 =
𝜋1 = 𝜋5 = 𝜋10 = 𝜋252 =
8. Ajusta un modelo ARMA (1,1), AR (1) y MA (1) a la serie y complete la siguiente tabla con
las estimaciones de los parámetros, (Max) LogLikelihood (LL), AIC y BIC.
σ2𝜖
LL
AIC
BIC
Diagnóstico y análisis de los residuos
9. ¿Cuáles son los momentos de los residuos del ARMA(1,1)?
Media:
Var:
Sesgo:
Curtosis:
10. ¿Cuáles son los momentos de los residuos del AR(1)?
Media:
Var:
Sesgo:
Curtosis:
11. ¿Cuáles son los momentos de los residuos del MA(1)?
Media:
Var:
Sesgo:
Curtosis:
12. ¿Los residuos del ARMA (1,1) exhiben dependencia (use la prueba LB con 22 rezagos)?
Si: No:
13. ¿Los residuos del AR (1) exhiben dependencia (use la prueba LB con 22 rezagos)?
Si: No:
14. ¿Los residuos del MA (1) exhiben dependencia (use la prueba LB con 22 rezagos)?
Si: No:
15. De los modelos que pasaron la verificación de diagnóstico de Ljung-Box, ¿Qué modelo
elegiría basándose en el AIC? (Si ningún modelo pasó la verificación de diagnóstico de
Ljung-box, simplemente informe qué modelo elegiría según el AIC)
Proyección
16. Utilice las tres especificaciones para pronosticar la serie fuera de la muestra y compare su
pronóstico con los valores obtenidos. ¿Cuál es el error cuadrático promedio (ECP) fuera de
la muestra de cada modelo? ¿Cuál es la mejor especificación de la muestra?
ECP del ARMA (1,1) :…. ; ECP del AR(1):…….; ECP del MA(1):………