Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROMEDIOS MÓVILES
Modelos Regresión
ARIMA múltiple
Suavizamiento
exponencial
REZAGOS ADELANTOS
160
140 •Tendencia?
120 •Valores
extremos?
100
•Dispersión?
80
•Cambios de
60 pendiente?
40
•Estacionalidad?
20
0
19
19
20
20
19
19
19
19
19
19
19
19
20
20
20
20
20
20
20
20
20
20
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 8
tiempo
Ejemplo 1. gráfico estacional
260
240
•Tendencia?
220
•Valores
extremos?
200
•Dispersión?
180
160
•Cambios
de
140
pendiente?
120
•Estacionalidad?
100
80
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
260
240
220
200
180
160
140
Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
280
260
240
220
200
180
160
140
120
100
80
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
original 130
transformada
puede tener
120
propiedades
110
estadísticas
100
diferentes a la
90
serie original
80
70
40
Variación 60
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
interanual 50 •Graficar los
18
datos: en
niveles,
16
logaritmos, tasas
de crecimiento,
14
reales,
nominales
12
2000200120022003200420052006200720082009
10
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 14
8 tiempo
Transformación logarítmica (IPC)
5.0 140
logaritmo natural
original 130 Los resultados se
4.8
120 pueden interpretar
110 en porcentajes
4.6
100
18
4.4 90
16 80
4.2
70
14
4.0 60
50
12
3.8 40
1 13 25 37
49 61 73 85 97 109
10
Yt Yt
ln
8
1 Yt Yt 6
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
1
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 15
tiempo
5.La autocorrelación
La correlación en series de tiempo se conoce como
autocorrelación o correlación serial.
La correlación entre Yt y Yt-k se conoce como
autocorrelación de orden k y se denota como k
Yt-k se le conoce como rezagada k periodos Negativa: cuando
los valores de t
1 (Yt y Yt-1)se llama autocorrelación de primer orden aumentan los de
2 (Yt y Yt-2)se llama autocorrelación de segundo t+k disminuyen
orden Cero: No hay
relación armónica
La correlación indica dos aspectos: en como los
El valor indica la magnitud de la asociación (-1 y 1) rk valores de t y t+k
cambian
El signo indica la dirección de la relación Positiva: cuando
nk
los valores de t
(Y Y )(Yt Y
) Covk aumentan, los
rk t k S 2 rk es el estimador de valores de t+k
t 1
2 k
n
r1=0.083 r7=-0.040
r2=0.223 r8=-0.287
r3=0.102 r9=-0.008
r4=-0.228 r10=0.020
r5=-0.021 r11=0.055
r6=-0.248 r12=0.363
Yt Yt-1 Yt-2
b0
Yt b0 Yt b0
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 18
tiempo
b1Yt 1 r1 cálculo usualmente se
r2
Est aproxima con las ecuaciones
b1Yt 1 b2Yt r3 de Yule-Walker
e
Y b2Y b 2 Yt b3Yt 3
b
t
0 1
1 t
2
1 2 r j 2
j 1
n
Bajo el supuesto de ruido blanco,
las autocorrelaciones deben ser cercanas
a cero y están normalmente distribuidas
con error estándar aproximado con 1/ n
:
Los limites de confianza se calculan como
Li 1.96 /n
rk
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 20
tiempo
El máximo k recomendado es n/4
Eje
Análisis de Series de Tiempo
Tema I: Conociendo una serie de 20
tiempo
9.La estacionariedad
El proceso está en equilibrio estadístico alrededor de un valor medio.
Distribución de probabilidad común e invariante en el tiempo.
La media es única (local y global) y representativa de todo el período
analizado.
La varianza es constante y finita.
La función de autocorrelación decae rápidamente en el tiempo.
Un shock en un momento dado tiene efecto en el corto plazo.
Denominación en econometría: I(0)
El análisis visual de la serie es con frecuencia suficiente para evaluar la
estacionariedad de una serie.
El correlograma complementa el análisis de estacionariedad
Las pruebas formales de Integración también miden estacionariedad
La media es constante.
La varianza es
constante.
La función de
autocorrelación
decae rápidamente
cuando aumenta k.
Jenkins, 1979