Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(VAR)
EC4301 - Macroeconometría
I Semestre 2020
Última actualización: 15 de junio de 2020
Tabla de contenidos
3. Estacionariedad
4. Estimación
5. Causalidad de Granger
*
Esta introducción
©Randall Romero Aguilar, PhD
está basada en Stock y EC-4301
Watson (2001)
/ 2020.I 1
Un poco de historia
VAR(p)
E ϵt = 0 Var ϵt = Ω Cov[ϵt , ϵs ] = 0 if t ̸= s
Forma estructural
yt + β1 mt = y0 + α11 yt−1 + α12 mt−1 + α13 zt−1 + uyt
mt + β2 zt = m0 + α21 yt−1 + α22 mt−1 + α23 zt−1 + um
t
zt + β3 yt + β4 mt = z0 + α31 yt−1 + α32 mt−1 + α33 zt−1 + uzt
Forma recursiva
yt =y0 + α11 yt−1 + α12 mt−1 + α13 zt−1 + uyt
γ1 yt + mt =m0 + α21 yt−1 + α22 mt−1 + α23 zt−1 + um
t
γ2 yt + γ3 mt + zt =z0 + α31 yt−1 + α32 mt−1 + α33 zt−1 + uzt
Γ0 yt = d + Γ1 yt−1 + · · · + Γp yt−p + εt
yt = Γ−1 −1 −1 −1
0 d + Γ0 Γ1 yt−1 + · · · + Γ0 Γp yt−p + Γ0 εt
= c + Φ1 yt−1 + Φ2 yt−2 + · · · + Φp yt−p + ϵt
I Recuerde que
2
σ1 0 ... 0 σ1 0 ... 0
0 σ22 ... 0 0 σ2 ... 0
Σ= .. ⇒ Σ1/2 = ..
. .
0 0 ... 2
σn 0 0 ... σn
I Así h ih i′
Ω = Γ−1
0 Σ
1/2
Γ−1
0 Σ
1/2
Por lo que
1 0 0
Γ0 = −0.5 1 0
1.375 −0.75 1
µ = (I − Φ1 − Φ2 · · · − Φp )−1 c
ŷt Φ1 Φ2 Φ3 ... Φp−1 Φp ŷt−1 ϵt
ŷt−1 I 0 0 ... 0 0 ŷt−2 0
ŷt−2 0 I 0 ... 0 0 ŷt−3 0
= +
.. .. . .
. . .. ..
ŷt−p+1 0 0 0 ... I 0 ŷt−p 0
Ŷt Φ Ŷt−1 ξt
así
Ŷt = ΦŶt−1 + ξt
(I − ΦL) Ŷt = ξt
I −Φ L Ŷt = 1 + ΦL + Φ2 L2 + · · · + Φs Ls ξt
s+1 s+1
Ŷt+s = Φs v
−1 1/2 ′ ′ −1
Ω = P P ′ = Γ−1
0 Σ
1/2
Γ0 Σ = Γ−1
0 ΣΓ 0
lim Φs = 0
s→∞
Descomposición espectral
A = CΛC −1
At = CΛt C −1
ya que t
λ1 0 . . . 0
0 λt . . . 0
2
Λt = ..
.
0 0 . . . λnt
ℑ{z}
b2
+
√ a2
R sin θ
=
R
θ = arctan (b/a)
R cos θ a ℜ{z}
zw = RSei(θ+φ)
I Es decir
lim z n = 0 ⇔ |R| < 1
n→∞
0 0
3 /2 3 /2
Si las series son I(1), ¿hay que diferenciarlas para estimar el VAR?
Hay un debate respecto:
Algunos aconsejan no diferenciar las series, porque se
NO: pierde información, alegando que la meta del VAR es
determinar relaciones entre variables, no los
parámetros mismos.
0.9 0
Ω=
0 0.9
$ $
©Randall Romero Aguilar, PhD EC-4301 / 2020.I 36
Consistente
$ $
I El error de pronóstico es
h i
ŶT +s − E ŶT +s | ŶT = ξt+s + Φξt+s−1 + · · · + Φs−1 ξt+1
I y su varianza (MSPE) es
h i
Var ŶT +s | ŶT = Ω + ΦΩΦ′ + · · · + Φs−1 ΩΦ′
s−1
h i
E ŶT +s | ŶT = Φs ŶT
I Recuerde que:
I ŷ ≡ yt − µ
I si el VAR es estacionario, lim Φs = 0.
s→∞
I Entonces el pronóstico de largo plazo
h i
lim E YT +s − µ | ŶT = lim Φs ŶT = 0
s→∞ s→∞
I es decir h i
lim E yT +s | ŶT = µ
s→∞
Entonces a′1 = 1 0.5 −1 , a′2 = 0 1 0.75 , a′3 = 0 0 1 y
1 0 0
Ω = 1 0.5 1 0.5 −1 + 4 1 0 1 0.75 + 9 0 0 0 1
−1 0.75 1
1 0.5 −1 0 0 0 0 0 0
= 1 0.5 0.25 −0.5 + 4 0 1 0.75 + 9 0 0 0
2 2 2
σ1 −1 −0.5 1 σ2 0 0.75 0.5625 σ3 0 0 1
a1 a′1 a2 a′2 a3 a′3
Pn h i
I Sustituyendo Ω = σ 2 a a′ en Var Ŷ
j=1 j j j T +s | ŶT tenemos
h i
Var ŶT +s | ŶT =
X
n n o
σj2 aj a′j + Φaj a′j Φ′ + · · · + Φs−1 aj a′j Φ′
s−1
j=1