Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Taller 1 – Series
Prof. Jaime Rodríguez G. :: Econometría 2
2. En RStudio, ingrese la siguiente serie X = [10, 15, 23, 20, 19]. Using RStudio,
calcule el primer y segundo rezago, la primera y segunda diferencia.
plot.ts(st_x)
#primer y segundo rezago
Dst_x1
3. Del sitio de Yahoo Finanzas, click aquí, descargue los datos para una acció n de su
preferencia desde 2000 a 2019, con frecuencia diaria y mensual.
– Construya una vela japonesa bullish y otra bearish, con los datos.
– Grafique los preció s (Adjust Closed) e identifique los meses de “crisis” de
la acció n
– El valor esperado de 10 X
E ( y )=10( x)
E ( y )=10( E( x))
E ( y )=10(5)
E ( y )=50
– La varianza de 10 X
var ( y ) =10∗var ( x )
var ( y ) =102∗var ( x )
var ( y ) =102∗√ 2
var ( y ) =141.4213
– La desviació n estandar de 10 X
σ =√ 141.4213
σ =11.8920
– La varianza de 5 X
var ( y ) =5∗var ( x )
2
var ( y ) =5 ∗var ( x )
var ( y ) =52∗√ 2
var ( y ) =35.3553
– La varianza de 20 X
var ( y ) =20∗var ( x )
var ( y ) =202∗var ( x )
var ( y ) =20 ∗√ 2
2
var ( y ) =28.2842
6. Suponga que dos parciales (el segundo y examen final) usualmente tiene
promedio de 70 y 80, respectivamente. Y tienen varianza de 100 y 49. Si su
correlació n es 0.8, calcule la covarianza.
cov ( x , y)
CORR=
σx∗σy
COV ( x , y )=corr ( x , y )∗σx∗σy
COV ( x , y )=56
es ruido blanco.
X t =β 0 + β 1 et con e t ∼ iidN (0,1)
X t −et =β 0 + β1 e t−et
∆ X t= β0 + et (β t−1)
e t ∼iidN (0,1)
∆ X t= β0 + 0(β t−1)
∆ X t= β0
La varianza de la serie no se ve explicada por el otro termino , es decir que la serie es
estacionaria en las diferencias. Es estacionario dado que es una constante y es un
ruido blanco dado que
– simule el proceso
simu_t <- arima.sim(model = list(ar=c(0.70, 0.20)), n = 2000)
plot(simu_t)
simu_model <- arima(x = simu_t , order = c(2,0,0), include.mean = FALSE)
simu_model
– Estime el proceso
z test of coefficients:
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
3. Simule el proceso estocá stico X t =8+ 0.3 X t −1 +0.2 X t −2+ et . Calcule la media y
varianza teó rica y comparela con los valoesres muestrales.
##punto 3.4
B1 = 8
B2 = 0.3
B3= 0.2
yar =0
Coefficients:
mean(yar)
16.0088
Varianza
var(yar)
1.33559
Impulso Respuesta
1. Calcule los impulsos respuesta para los siguientes procesos
– X t =0.5 X t−1 +e t
beta2= 0.5
kperiodos= 5
irf= 1
for (i in 1:kperiodos) {irf[i] = beta2^i}
El choque inicia en T
X t =0.5 ( 0 )+1=1
X t +1=0.5 (1 ) +0=0.5
X t +2 =0.5 ( 0.5 ) +0=0.25
X t +3 =0.5 ( 0.25 ) +0=0.125
X t + 4=0.5 ( 0.125 ) +0=0.0625
X t + k =0.5 ( 0.0 ) +0=0
– Xt =X t−1+ e t
Xt =0+1=1
X t +1=1+ 0=1
X t +2 =1+ 0=1
X t + k =1+0=1
Cuando los coeficientes son negatvivos la serie fulctua entre valores negativos y
positivos, en un proceso ciclico que se va reduciendo del tal modo se va
acercando al cero cada que los periodos aumentan, es decir que su variacion
pierde valor con el tiempo.
No, dado que hay algunos que tienden a numeros infinitos y no estan rondando en la
media de la serie
Predicción
Recuerde cargar la librería: library(forecast).
1. Simule un poceso AR(2), sin constante, con n=1000. Nota: utilice coeficientes
menores a 1.
plot(pre_ar)
plot(pre_ar2Model)
coeftest(pre_ar2Model)
pre_ar2Model
b3 = coefficients(pre_ar2Model); b3
tail(pre_ar)