Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA
FACULTAD DE INGENIERÍA ECONÓMICA,
ESTADÍSTICA Y CIENCIAS SOCIALES
SEMINARIO DE TESIS
2022
ABSTRACT
“MODELO DE SERIE TEMPORAL MULTIVARIADO – VECM
Problema de investigación (listo)
Marco referencial
Antecedentes
Marco teórico
Objetivos
Hipótesis
DESARROLLO
Problema de investigación
¿Cuáles son los principales factores económicos que influyen en las Primas de
las principales empresas de seguros en el mercado peruano para el periodo
2011-2021?
Problemas específicos
Justificación de la Investigación
Las Series de Tiempo a lo largo de los años ha sido fundamental para ver el patrón o
evolución de una variable numérica que brinde información en el contexto en que se
use y se desee pronosticar, pues al definirlo en un espacio temporal con un conjunto
de indexación discreta normalmente representado en meses o en años y con un tipo
de realización que puede ser tanto discreta como continua permitirá realizar
estimaciones para los siguientes meses o años en base a su historial. A diferencia de
la Estadística Espacial, en las series temporales si importará el orden en que suceden
las realizaciones, esto implica el que si se observa que sigue algún patrón, por lo
cual será posible sacar provecho a este patrón y tomar decisiones en base a los
resultados que se obtengan.
Es a partir del año 2003 que se tomó en consideración los modelos de series de
tiempo multivariado desde que se publicó el primer análisis de cointegraciones por
parte de los ganadores del premio nobel, precisamente galardonados por este tema,
los profesores Clive W.J. Granger y R. F. Engel en el cual se centraron su estudio en
las cointegraciones de las series temporales con tendencias comunes. Lo cual hace
que se vea desde otro punto de vista la importancia de usar series de tiempo
multivariadas. Temenos el ejemplo más común el cual es el pronóstico del PBI que
del cual según la Revista “Moneda” publicada en el año 2017 por el BCRP, con los
autores David Florían y Luis Eduardo Castillo, indica de manera contextual que la
tasa del crecimiento para el PBI dependerá de factores estructurales en la economía,
y que el PBI al ser una variable no observable deberá ser proyectada con el historial
de otras variables macroeconómicas observables mediante la definición de un
modelo macroeconómico multivariado el cual modelará el PBI vinculandolo con las
variables observables como por ejemplo la inflación. Esto nos da a entender de que
en la vida real si existen factores externos que pueden cambiar el rumbo de una
variable de interés en cuanto varien estos factores, pues al emplearlos de una manera
correcta proporcionará información adicional a nuestra variable de interés.
Marco referencial
En la siguiente sección se dará a detalle la literatura necesaria para la
investigación. Por lo que, primero se presenta los antecedentes
respecto a esta tesis, los cuales incluyen todas aquellas investigaciones
internacionales que servirán para el análisis de las primas de seguro.
Dado que no se ubicó antecedentes nacionales respecto al tema
principal que es modelar las primas del seguros Vehicular, se tomó en
cuenta antecedentes nacionales respecto al modelamiento de series
de tiempo multivariado aplicado a factores económicos. Luego se
presentará el marco teórico para la presente tesis, el cual define,
muestra y constrasta de manera empírica las principales teorías
respecto a los modelos de seires de tiempo
Marco teórico
La literatura actual con respecto a los modelos de series de tiempo univariados
y multivariados está enfocada específicamente cuando se desea analizar los
datos de manera longitudinal a través del tiempo pero lo común por muchos
años han sido tratarlos con modelos de forma univariada, por lo que hoy en día
ya se conocen metodologías las cuales harán el tratamiento de manera
multivariada como por ejemplo los Modelos VAR (Vectores autoregresivos) y
los Modelos VEC (Vectores de corrección de errores). El modelo VAR que
será una principal herramienta de series de tiempo multivariado para el caso en
que las series que se quieren analizar en conjunto presenten cierta
característica, este modelo fue utilizado para el análisis macroeconómico en un
inicio por Sims en los años 80s. Una característica especial del modelo VAR es
que todas las variables son tomadas en cuenta como endógenas, pues cada una
de ellas se expresará como una relación lineal de sus propios retardos y de los
retardos de las restantes variables que integran el modelo. Esta metodología
permite obtener mayor información de las variables y la dinámica variable de
sus interrelaciones de corto plazo, lo cual no es detectable usualmente con
modelos univariados como es el caso de la familia ARIMA y sus variantes. El
modelo VAR es también una técnica muy confiable para generar pronósticos
aceptables en el corto plazo, aunque se presentarán ciertas limitaciones que
estará condicionada a su estacionariedad de cada una de las variables. En
comparación, el modelo VEC al ser también una herramienta que pertenece a
la metodología de series de tiempo multivariadas, se caracterizará por contener
variables cointegradas; en otras palabras, variables que guardarán posible
relación de equilibrio de largo plazo entre ellas. Los modelos VEC han
refinado el análisis de los modelos VAR, pues incluirán la dinámica de ajuste
de las variables en el corto plazo, cuando pueda ocurrir un shock (Efecto
inesperado) que hará que éstas variables se aparten momentáneamente de su
relación de equilibrio de largo plazo, como el restablecimiento de la relación de
equilibrio para el largo plazo, siendo muy útil la información que otorga acerca
de la velocidad de ajuste hacia tal equilibrio; por lo tanto, el VECM brinda
mayor información que el VAR (Fernandez-Corugedo, 2003).
Referencias
ShieldSquare Captcha. (n.d.). Www.bcrp.gob.pe. Retrieved June 7, 2022, from
https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-177/moneda-177-
06.pdf
Pendientes: