ECONOMETRÍA II

ANÁLISIS
ESTADÍSTICO
DE LAS
SERIES DE
TIEMPO
Por: Daniel Martínez Salgado
 DESCRIPTIVO

SUMARIO ESTADÍSTICO CON

UN ENFOQUE A LAS SERIES
DE TIEMPO

INFERENCIAL
Componentes y
enfoques de
análisis
Enfoque al componente
estocástico
Creación de métodos para obtener series
desestacionalizadas por medio de
Métodos estadísticos relacionados a
procesos estocásticos
Box Jenkins
Eficacia en predicción
 Series de Proceso
tiempo estocástico
Sucesión de
Conjunto de variables
observaciones
aleatorias asociadas a un
generadas por un
conjunto de números
proceso estocástico con
reales.
relación al tiempo
PROCESO
ESTOCÁSTICO
Variable
aleatoria
Función que asigna un Estacionaria
valor al resultado de un
experimento aleatorio
 ESTACIONARIEDAD

SERIE DE PROCESOS DE PROCESO IMPLICACIÓN DE

RUIDO BLANCO NO
TIMEPO ESTACIONARIO ESTACIONARIEDAD
ESTACIONARIA
Se dice que un proceso Un proceso estacionario no
Si una serie de tiempo es
Se dice que una serie de estocástico es puramente se desvía demasiado de su
no estacionaria sólo
tiempo es estacionaria si aleatorio si cumple las valor medio debido a la
podemos estudiar su
su media, varianza y condiciones anteriores y varianza finita
comportamiento en el
covarianza permanecen NO esta serialmente
periodo que los datos nos
constantes en el tiempo correlacionado
permiten

 PROCESOS
ESTOCÁSTICOS PET Y PED
Un proceso es estacionario en diferencias (PED)
por el proceso de diferenciación en sus términos
Caminata aleatoria sin
deriva (que tienen una tendencia estocástica)
Un proceso estacionario en tendencia (PET)
resulta estacionaria por el proceso de supresión de
tendencia realizado al sustraer la media de los
términos (tendencia deterministica)

Caminata aleatoria con

deriva
PROCESOS ARIMA
MA(Q)

Se dice que una

I(D) serie sigue un
proceso de medias
Se dice que un móviles si el valor
AR(P) proceso estocásto actual de una serie
esta integrado al es igual a una
Se dice que un momento de constante más un
proceso estocástico diferenciarlo y promedio móvil de
es autoregresivo si el consecuentemente los términos de error
valor actual de una volverlo estacionario presente y pasado
serie de tiempo (un MA siempre es
depende de us estaconario)
propios valores
pasados
METODOLOGÍA
BOX- JENKINS
 Metodología Box Jenkins

FASE 1 FASE 2 FASE 3 FASE 4 FASE 5

Conseguir Identificación del Estimación del modelo Examen de diagnóstico Pronóstico
estacionariedad modelo
Vectores Autoregresivos
ESTIMACIÓN Y
PRESENTACIÓN PRONÓSTICO

Presentado por Cristopher Sims Determinación del npumero

y su crítica al trato ex-ante de la óptimo de rezagos en ensayo
división entre variables y error (AIC)
exógenas y endógenas (no hay Estimar y examinar modelo
variables exógenas). Pronóstico
El término vector se atribuye a
que tratamos con un vector de
dos (o más) variables.
Gracias por su
atención
BIBLIOGRAFÍA
Dieblod, F. X. (-). Elements of forecasting . Pennsylvania : SR.
Guerrero, V. M. (1991). Análisis estadístico de series de tiempo económicas. Distrito Federal : UAM.
Gujarati, D. N., & Porter, D. C. (2009). Econometría . Distrito Federal: McGraw Hill.
Maddala, G., & Kim, I.-M. (1998). Unit roots, cointegration and structural change. Cambridge:
Cambridge University Press.