Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Taller #6
Soluciones
1. (15 puntos) Sea { x t :t=1,2 , … } un proceso estacionario en covarianza y defina γ h=Cov ( xt , x t +h ) para h ≥ 0
(entonces γ 0=Var ( x t ) . Muestre que Corr ( xt , x t +h )=γ h /γ 0.
Var ( x t ) =γ 0
sd ( x t )=√ γ 0
sd ( x t +h ) =√ γ 0 para h ≥ 0
Por definición
Cov ( x t , x t +h ) γh γh
Corr ( xt , x t +h )= = =
sd ( x t ) sd ( x t+ h ) √ γ0 √ γ0 γ0
1
2. (20 puntos) Un modelo de ajuste parcial está dado por
y ¿t =γ 0 +γ 1 x t + et
¿
y t − y t−1= λ ( y t − y t−1 ) + at
¿ ¿
Donde y t es el nivel deseado (u óptimo) de y y y t es el nivel actual (observado). Por ejemplo, y t es el nivel
deseado de crecimiento de inventarios de la firma y x t es el crecimiento de las ventas de la firma. El parámetro γ 1
¿
mide el efecto de x t en y t . La segunda ecuación describe cómo el nivel de y actual se ajusta dependiendo de la
relación entre el nivel deseado de y en el momento t y el nivel actual de y en el momento t−1. El parámetro λ
mide la velocidad de ajuste y es tal que 0< λ<1.
¿
(i) Inserte la primera ecuación para y t en la segunda y muestre que se puede escribir
y t =β 0+ β1 y t −1 + β 2 x t +u t
y t =λ ( ( γ 0+ γ 1 x t +e t ) − y t −1 ) + at
y t =β 0+ β1 y t −1 + β 2 x t +u t
(i) Si E ( e t ∨xt , y t −1 , x t−1 , … )=E ( at ∨x t , y t −1 , x t−1 , … )=0 y todas las series son débilmente dependientes
¿Cómo estimaría los β j ?
ut =a t + λ e t
Por lo que el modelo es dinámicamente completo. Por lo tanto, los errores estarán serialmente no correlacionados.
2
El supuesto de homocedasticidad, Var ( ut ∨x t , yt −1 , x t−1 , … ) =σ , se cumple entonces los errores estándar, los
estadísticos t y F son asintóticamente válidos.
0.7=( 1− ^λ )
^λ=0.3
Por lo que
2
0.2=0.3 γ^ 1
2
^γ 1= =0.667
3
3
3. (25 puntos) Sea { e t :t=−1,0,1 , … } una secuencia de variables aleatorias idéntica e independientemente
distribuidas con media cero y varianza uno. Defina el proceso estocástico como
1 1
x t =et − e t−1 + e t−2 ,t=1,2 , …
2 2
Como { e t :t=−1,0,1 , … } es una secuencia de variables aleatorias idéntica e independientemente distribuidas con
media cero y varianza uno tenemos
Entonces
1 1
E ( x t ) =E ( e t ) − E ( et −1 ) + E ( e t−2 )=0
2 2
( )
Var ( x t ) =Var ( et ) +
−1 2
2
Var ( et −1 ) + ()
1 2
2
1 1 4+1+1 6 3
Var ( et −2 )=1+ + =
4 4 4
= =
4 2
Donde vemos que ninguno depende de t .
Cov ( x t , xt +h )
Corr ( xt , x t +h )=
√ Var ( x ) Var ( x
t t +h )
Entonces
1 1
x t +1=e t +1− e t + e t−1
2 2
( 1 1
2
1
2
1
Cov ( x t , x t +1) =Cov e t− e t −1 + e t−2 , et +1− et + et −1
2 2 )
1 1
¿ Cov ( e t , e t +1 )− Cov ( e t , e t ) + Cov ( et , e t −1 )
2 2
−1 1 1
Cov ( e t −1 , e t+1 ) + Cov ( et −1 , e t ) − Cov ( e t−1 , et −1 )
2 4 4
+1 1 1
Cov ( e t −2 , e t+1 ) − Cov ( e t−2 , et ) + Cov ( e t−2 , et −1 )
2 4 4
1 1 −1 1 −3
¿− Var ( et )− Var ( e t−1 )= − =
2 4 2 4 4
4
5
Entonces
Cov ( x t , x t +1 ) −3/4 −1
Corr ( xt , x t +1 )= = =
√ Var ( x t ) Var ( x t +1 ) 3/2 2
Y, por otro lado
1 1
x t +2=e t +2− e t+1 + e t
2 2
( 1 1
2
1
2
1
Cov ( x t , x t +2) =Cov e t− e t −1 + e t−2 , et +2 − et +1 + e t
2 2 )
1 1
¿ Cov ( e t , e t +2 )− Cov ( e t , e t +1 )+ Cov ( e t , et )
2 2
−1 1 1
Cov ( e t −1 , e t+2 ) + Cov ( et −1 , e t +1 )− Cov ( et −1 , e t )
2 4 4
+1 1 1
Cov ( e t −2 , e t+2 ) − Cov ( e t−2 , et +1 ) + Cov ( et −2 , e t )
2 4 4
1 1
¿ Var ( et )=
2 2
Entonces
Cov ( x t , xt +2 ) 1/2 1
Corr ( xt , x t +2 )= = =
√ Var ( x ) Var ( x
t t +2 ) 3/2 3
Ahora
1 1
x t +h=e t +h− e t +h−1+ et +h−2
2 2
( 1 1
2
1
2
1
Cov ( x t , x t +h )=Cov e t− et −1+ e t −2 , e t+ h− e t+ h−1 + e t +h−2
2 2 )
1 1
¿ Cov ( e t , e t +h )− Cov ( et , e t +h−1 ) + Cov ( e t , et +h−2 )
2 2
−1 1 1
Cov ( e t −1 , e t+ h) + Cov ( e t−1 , et +h−1 )− Cov ( et −1 , e t +h−2 )
2 4 4
+1 1 1
Cov ( e t −2 , e t+ h) − Cov ( e t −2 , e t+ h−1 ) + Cov ( et −2 , e t +h−2 )
2 4 4
Si h>2 entonces
6
Cov ( et −2 , e t +h−2) =Cov ( et −2 , e t +h−1) =Cov ( et −2 , e t +h )=0
Entonces
Cov ( x t , x t +h )=0
Entonces
Cov ( x t , xt +h )
Corr ( xt , x t +h )= =0 , t >2
√ Var ( xt ) Var ( x t +h )
(iii) ¿Es { x t } un proceso asintóticamente no correlacionado?
Observe que, de acuerdo con los resultados anteriores, estos implican que Corr ( xt , x t +h ) →0 cuando h → ∞, es
decir, { x t } un proceso asintóticamente no correlacionado
7
4. (15 puntos) Sea { y t :t=1,2 , … } sigue una caminata aleatoria
y t = y t−1 +e t
Donde { e t } es una secuencia iid con media cero y varianza σ e con y 0=0. Muestre que
2
( )
1
t
Corr ( y t , y t+ h )= 2
t +h
Para t ≥ 1 , h>0
( )
1/ 2 1/ 2
t σe t t t
= = = = lqqd
√Var ( y ) Var ( y
t t +h ) √t σ 2
e (t + h) σe 2 1 /2
t ( t +h )
1 /2
( t +h )
1/ 2
t+h
8
5. (25 puntos) Suponga que la serie de tiempo { y t } está generada por
y t =z+ e t
Donde { e t } es una secuencia iid con media cero y varianza σ 2e. La variable aleatoria z no depende del tiempo, y
tiene media cero y varianza σ z . Suponga que cada e t no está correlacionado con z .
2
y t +h=z +e t +h
Cov ( y t , y t +h ) =Cov ( z +e t , z + et +h )
No depende de h , es decir
2
σz
lim Corr ( y t , y t +h ) = 2 2
≠0
h→∞ σ z +σ e