Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Daniela Briceño Landaverde, Juan Carlos Hernández Cruz y Zaira Ríos Rojas
1. Defina los conceptos: ruido blanco, caminata aleatoria, raíz unitaria, quiebre estructural.
Ruido Blanco (white noise): Es un proceso estocástico compuesto por el conjunto de errores o
perturbaciones {𝜀𝑡}Tt=1, con media cero, y covarianza cero, y varianza constante.
Caminata aleatoria: Es un proceso estocástico donde el valor presente de la variable a pronosticar
depende de su propio valor del periodo anterior más un término de error, el cual se asume ruido blanco,
la caminata aleatoria es el ejemplo clásico y más representativo de las series de tiempo no
estacionarias. Su ecuación matemática es: 𝒀𝒕=𝜹+𝒀𝒕−𝟏+𝝐t
Raíz unitaria: Una raíz unitaria es una característica de los procesos que evolucionan a través del tiempo
y que puede causar problemas en inferencia estadística en modelos de series de tiempo.
Dado un proceso estocástico...
𝑌𝑡=𝛿+∅1𝑌𝑡−1+∅2𝑌𝑡−2+⋯+∅𝑝𝑌𝑡−𝑝+𝜀𝑡 (autoregresivo)
Se llama raíz unitaria a la suma:
𝑝
Aquí vemos solo la caminata aleatoria con drift Esta segunda captura se hizo para mostrar la diferencia de
positivo (ocupamos 𝛿 = +0 .2). Se observa que incorporar una constante y el no hacerlo, la grafica azul es
inicia con un valor medio de 0.2 el cual se va una RW sin drift y la grafica roja es una RW con drif
haciendo cada vez más positivo a lo largo del positivo (𝛿 = +0 .2)
tiempo. El valor “-0.4” es el desvió (hacia arriba).
2
B. Un proceso “WN” ruido blanco
Con el programa Excel
3
5. Derivado de la estimación de un modelo de serie de tiempo, se obtuvieron los siguientes residuales.
1 = 1,100 - 1,102.9 = -2.9
2 = 1,200 - 1,076.7 = 123.3
3 = 985 - 1,037.3 = -52.3
4= 750 - 1,024.1 = -274.1
5 = 1,215 - 997.9 = 217.1
6 = 1,000 - 1,011 = -11
Calcule el estadístico ‘Durbin Watson’; diga si existe/no existe autocorrelación, y de qué tipo esta es.
∑𝒏 (𝒆𝒕 − 𝒆𝒕−𝟏)𝟐
𝒕=𝟐
𝑫𝑾 =
∑𝒏𝒕=𝟏 𝒆𝟐𝒕
A continuación, se muestran dos procedimientos distintos para obtener el dw y que dan el mismo
resultado.
et et2 et-et-1 ( et-et-1)^2
et et-1 et-et-1 ( et-et-1)^2 et^2
-2.9 8.41 -2.9 8.41
123.3 15202.89 126.2 15926.44 123.3 -2.9 126.2 15926.44 15202.89
-52.3 2735.29 -175.6 30835.36 -52.3 123.3 -175.6 30835.36 2735.29
-274.1 75130.81 -221.9 49239.61 -274.1 -52.3 -221.8 49195.24 75130.81
217.1 -274.1 491.2 241277.44 47132.41
217.1 47132.41 491.3 241375.69 -11 217.1 -228.1 52029.61 121
-11 121 -228.1 52029.61 suma 11.1 389264.09 140322.4
suma 140330.81 389406.71 DW 2.774
389406.71
𝐷𝑊 = = 2.774919563
140330.81
1.85 ≤dw≤2.15
4
6. Una vez conocido el valor Durbin-Watson, obtenga el valor de dicha autocorrelación. La
autocorrelación es el problema que más aqueja a las series de tiempo; ¿cómo puede usted eliminar
el problema?
El valor crítico de la tabla de chi-cuadrada con significancia 0.05, k = 4 grados de libertad, es 9.491 .
b) Con el valor del estadístico “Q” calculado, y el valor crítico de chi-cuadrada, probar la hipótesis
nula “todos los coeficientes de autocorrelación son iguales a cero. ¿Se rechaza la hipótesis
nula, sí o no? ¿son ruido blanco los errores? Explique.
Ho: p1=p2=p3=p4=0 (Los residuos son ruido blanco)
H1: pi≠0,i=1,2,3,4 (Los residuos no son ruido blanco)
Dado que el valor del estadístico “Q” = 58.28 > χ2 (4) = 9.49 ==> SE RECHAZA H0.
Se rechaza la hipótesis nula de que las autocorrelaciones en los rezagos 1, 2,3 y 4 son cero y los
residuos NO SON RUIDO BLANCO.
5
8. Identifique los proceso estocásticos que presentas las figuras siguientes A.
B.
C.
10. Sean las salidas de regresión de las imágenes siguientes correspondientes a tres modelos de series
de tiempo distintos.
7
Basado en las medidas de precisión de pronóstico, en criterios de información y en validación de
supuestos econométricos, responda… ¿Cuál es el mejor modelo? Explique.
# Hannan
parámetros R2
SSR AIC SIGMASQ parsimonia
ajust
significativos
Modelo 1 2 0.825 322.36 3.45 1.77 * 3.47
Modelo 2 3 0.829 313.11 3.43 1.72 ** 3.46
Modelo 3 3 0.837 297.82 3.39 0.13 *** 3.43
8
Valor |t| > ̅𝟐
𝑹 Estos De estos Se elige el que Aquí vemos Se elige el valor
1.96, ó ≥ 𝟎. 𝟖 errores se elige el tenga el que se incluyan más pequeño
deben ser valor más menor valor, las variables
probability
lo más pequeño ya que sigmaq que son
value < 0.05
pequeños posible. al cuadrado es significativas.
posibles. la varianza.
LA DISCRIMACIÓN EN TODOS LOS RUBROS FAVORECE AL TERCER MODELO 3, a pesar de que una de
sus variables no es significativa, pero tiene tres que si lo son. EL MODELO SELECCIONADO ES EL
MODELO 3. Además, dado que en ST el principal problema que aqueja los datos es el de
autocorrelación, el modelo 3 es el que tiene mejor resultado. En cuanto a bondad de ajuste y precisión
de pronóstico que se miden con criterios de información, el criterio de Akaike (AIC) es más bajo en el
modelo 3, y entonces el modelo 3 es nuestro modelo para pronosticar.
Sería conveniente también dada la variabilidad evidente en los datos probar aplicando logaritmos a los
datos y luego calcular la 1ª diferencia de esos logaritmos para tener una mejor perspectiva de los
modelos.
11. Haga el ajuste de acuerdo a la metodología Box-Jenkins del siguiente conjunto de datos:
Precio Exportciones Petroleo Mexicano.xls - Google Drive
9
*Modelo seleccionado
b) Realice un pronóstico dinámico a niveles, para los 9 meses siguientes a donde termina la
muestra.
primero agrando la muestra
10
11
Comente los valores pronosticados (si ajustan bien a los datos reales, si subestiman o
sobreestiman a los datos reales. Responda: ¿cuál es el precio del petróleo en el mes Junio
2020?
12