21.

10 Transformación de las series de tiempo no estacionarias:

Para evitar una regresión espuria que surge al hacer una regresión de una serie
de tiempo no estacionaria sobre 1 o más series de tiempo no estacionarias se
deben transformar las series de tiempo no estacionario a estacionaria.

Los métodos de transformación dependen de que las series de tiempo sean

procesos estacionarias en diferencias (PED) o procesos estacionarios con
tendencia (PET).

 Proceso estacionario en diferencias: Si la serie de tiempo tiene raíz

unitaria, las primeras diferencias de tales series son estacionarias, la
solución aquí es tomar las 1ras diferencias de las series de tiempo. Si una
serie de tiempo es I(2), contendrá dos raíces unitarias, en cuyo caso
tendremos que diferenciar dos veces. Si es I(d ), debe diferenciarse d
veces, donde d es cualquier entero.
 Proceso estacionario en tendencia: PET es estacionario alrededor de la
línea de tendencia, así que se tiene que convertir en estacionaria una serie
de tiempo se tiene que hacer una regresión de ella sobre el tiempo y los
residuos de la regresión serán estacionarios.

Nos hacen una observación donde nos plantean que si una serie de tiempo es
PED pero se trata como si fuera PET, esto se conoce como hipodiferenciación.
Por otra parte, si una serie de tiempo es PET pero se le trata como PED, se
conoce como hiperdiferenciación. Las consecuencias de estos errores de
especificación pueden ser graves, según la manera en que se manejen las
propiedades de correlación de los términos de error resultantes.

Es muy importante aplicar el tipo correcto de transformación de estacionariedad a

los datos si no son ya estacionarios. La mayoría de los mercados financieros
generan datos sobre precios, tasas o rendimientos que son no estacionarios
debido a una tendencia estocástica más que determinista.