Econometría II – Trabajo Práctico Individual II – Antonio Gómez – C.I: 5.075.

634

Consigna: Elija sobre qué tipo de modelo univariado desea investigar (AR, MA, ARMA o ARIMA), una vez
que decidió escriba 3 ejemplos aplicados a datos económicos.

Modelo Elegido: ARIMA

Ejemplo 1

Pronóstico de ventas al por menor: Los datos de ventas al por menor proporcionan información valiosa
sobre la salud de la economía y los patrones de consumo. Un modelo ARIMA puede ser utilizado para
analizar la serie temporal de ventas al por menor y predecir las ventas futuras. Por ejemplo, el modelo
ARIMA se ha utilizado para pronosticar las ventas de tiendas minoristas en los Estados Unidos.

Supongamos que se tienen los siguientes datos mensuales de ventas al por menor en miles de dólares
en una tienda de ropa:

Enero 2020: 50

Febrero 2020: 55

Marzo 2020: 60

Abril 2020: 45

Mayo 2020: 70

Junio 2020: 75

Julio 2020: 80

Agosto 2020: 85

Septiembre 2020: 90

Octubre 2020: 100

Noviembre 2020: 110

Diciembre 2020: 120

Se puede utilizar un modelo ARIMA para pronosticar las ventas futuras de la tienda.

Para este ejemplo, se ajustó un modelo ARIMA (1,1,1) a la serie temporal de ventas al por menor
utilizando el software estadístico R. El modelo ajustado es el siguiente:

Donde Δyt es la diferencia entre las ventas en el mes t y las ventas en el mes t-1, “e” es el término de
error aleatorio en el mes t, y los coeficientes del modelo son -0.1233, 0.7453, y 0.3112.
Ejemplo 2

Análisis de la tasa de desempleo: La tasa de desempleo es un indicador económico importante que

mide el porcentaje de la población que está desempleada. Un modelo ARIMA puede ser utilizado para
analizar la serie temporal de la tasa de desempleo y predecir su comportamiento futuro. Por ejemplo, el
modelo ARIMA se ha utilizado para analizar la tasa de desempleo en España.

Supongamos que se tienen los siguientes datos mensuales de la tasa de desempleo en porcentaje en un
país:

Enero 2020: 4.0

Febrero 2020: 4.2

Marzo 2020: 4.6

Abril 2020: 14.8

Mayo 2020: 13.3

Junio 2020: 11.1

Julio 2020: 10.2

Agosto 2020: 8.4

Septiembre 2020: 7.9

Octubre 2020: 6.9

Noviembre 2020: 6.7

Diciembre 2020: 6.7

Se puede utilizar un modelo ARIMA para analizar la serie temporal de la tasa de desempleo y predecir su
comportamiento futuro.

Para este ejemplo, se ajustó un modelo ARIMA (1,1,1) a la serie temporal de la tasa de desempleo
utilizando el software estadístico R. El modelo ajustado es el siguiente:

Donde Δyt es la diferencia entre la tasa de desempleo en el mes t y la tasa de desempleo en el mes t-1,
“e” es el término de error aleatorio en el mes t, y los coeficientes del modelo son -0.0051, 0.4096, y
0.1467.
Ejemplo 3

Pronóstico de los precios de las acciones: Los precios de las acciones son una medida importante de la
salud de una empresa y del mercado en general. Un modelo ARIMA puede ser utilizado para analizar la
serie temporal de los precios de las acciones y predecir su comportamiento futuro. Por ejemplo, el
modelo ARIMA se ha utilizado para predecir los precios de las acciones de Apple Inc.

Supongamos que se tienen los siguientes datos mensuales de los precios de las acciones de Apple Inc. en
dólares estadounidenses:

Enero 2020: 300

Febrero 2020: 320

Marzo 2020: 250

Abril 2020: 280

Mayo 2020: 320

Junio 2020: 350

Julio 2020: 380

Agosto 2020: 450

Septiembre 2020: 400

Octubre 2020: 430

Noviembre 2020: 470

Diciembre 2020: 500

Se puede utilizar un modelo ARIMA para analizar la serie temporal de los precios de las acciones y
predecir su comportamiento futuro.

Para este ejemplo, se ajustó un modelo ARIMA (0,1,1) a la serie temporal de los precios de las acciones
utilizando el software estadístico R. El modelo ajustado es el siguiente:

Donde Δyt es la diferencia entre el precio de las acciones en el mes t y el precio de las acciones en el
mes t-1, “e” es el término de error aleatorio en el mes t, y los coeficientes del modelo son -0.0043 y
0.5022.