Análisis de Series de Tiempo (EC-711K)

Paul Castillo B

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA ECONOMICA

Abril 2007
1 Clase 1: Contenido

De…niciones básicas

Estacionariedad

Modelos ARIMA(p,d,q)

.
2 De…niciones Básicas

Proceso estocástico: Se de…ne como una secuencia o conjunto de vari-

ables aleatorios ordenadas en el tiempo. fYtgt=1
t= 1 = f::; Y 1 ; Y0 ; Y1 ; :::g

Serie de tiempo: Es una realización particular de un proceso estocástico.

Ejemplo, la tasa de crecimiento del producto anual para Peru entre los
años 1992 y 2000.

En lo que sigue vamos a estudiar como modelar el comportamiento de las

series de tiempo utilizando una variedad de herramientas.
3 Estacionariedad

Dos tipos a) Débil y fuerte

Débil: Un proceso estocástico es estacionario en el sentido débil si sus

primeros y segundos momentos son independientes del tiempo. Una pro-
ceso estocastico,fytg se dice que es estacionario en el śentido d́ebil si sus
primeros momentos centrales son independientes del tiempo.

E (yt ) =

E ( yt )2 = 2

E (yt ) yt j = j
Donde , 2 y j representan la media, varianza y covarianza de orden j del
proceso estoćastico yt

Fuerte: Un proceso estocástico es estacionario en el sentido fuerte si las

correspondientes distribuciones de probabilidad de cada son yt independi-
entes del tiempo, sólo dependen de la distancia entre s entre yt y yt s
4 Procesos estocasticos Básicos

Ruido Blanco: Es el proceso estocástico más elemental. yt = "t, donde,

E (yt ) = 0

E ( yt )2 = 2

E ( yt ) yt j =0

Paseo aleatorio: yt = yt 1 + "t, donde "t es un ruido blanco. Este

proceso no es estacionario en varianzas. Mediante substitución repetitiva
s=t
X
se obtiene que yt = y 1 + "s, E (yt) = 0, E yt2 = t 2, donde
s=1
y 1 esta …jo. Aplicando el operador diferencias a yt, se transforma el
proceso en estacionario, yt = "t
Tendencia determinística: yt = + t + "t, donde "t es un ruido
blanco. Este proceso no es estacionario en medias, E (yt) = + t,
para transformar yt en un proceso estacionario, hay que quitarle la media,
Xt = yt t = "t

AR(p): Modelo autorregresivo de orden p,

yt = 1yt 1 + 2yt 2 + 3yt 3 ::: pyt p + "t,

Utilizando el operador de rezagos, (L)yt = "t, donde,

(L) = 1 1 2 3 ::: p
M A(q ), de…nido a partir de, yt = + "t + 1"t 1 + 2"t 2:: q "t p
donde, "t es un proceso ruido blanco. Utilizando operadores de rezago,
un proceso MA(q) puede escribirse como:yt = + (L) "t. donde, el
polinomio de rezago, (L) se de…ne como: (L) = 1+ 1L + 2L2:: q Lq

ARM A(p; q ).Un proceso ARMA(p,q) incluye tanto una parte autorre-
gresiva como una de medias móviles. yt = c + 1yt 1 + 2yt 2 +
3 yt 3 ::: pyt p + "t + 1 "t 1 + 2 "t 2 :: q "t q

Expresando el proceso en términos de operadores de rezagos tenemos

que: (L)yt = c + (L) "t

ARIM A(p; d; q ) es un proceso ARM A(p; q ) para la diferencia de orden

d de yt , esto es, (L) dyt = c + (L) "t, donde d = (1 L)d
5 Modelos AR(p)

Momentos: Bajo el supuesto de estacionariedad se pueden calcular los

primeros y segundos momentos de un modelo AR(p), como sigue,

Etyt = + 1Etyt 1 + 2Etyt 2 + 3Etyt 3 ::: pEtyt p + Et"t,

bajo el supuesto de estacionariedad, Etyt = Etyt 1 = Etyt p , de
donde, Etyt = 1 ::: , utilizando el polinomio de rezagos, (L),
1 2 p
Etyt = (1)

Los segundos momentos pueden obtenerse a partir del sistema de ecua-

ciones de Yule-Walker. Primer paso es eliminar la media del proceso, yt
1 1 2 ::: p = 1 1 2 ::: p + 1 yt 1 + 2 yt 2 + 3 yt 3 ::: pyt p +
"t,
De tal manera que se obtiene, yet = 1yet 1 + 2yet 2 + 3yet 3 ::: pyet p +
"t, donde, yet = yt 1 :::
1 2 p

Paso2: Generar las ecuaciones del sistema de Yule-Walker multiplicar el

modelo transformando por yet s para s = 0 hasta s = p, y aplicar el
operador esperanza, se obtiene.

0 = 1 1 + 2 2 + :: p p + 2

1 = 1 0 + 2 1 + :: p p 1

2 = 1 1 + 2 0 + :: p p 2

...

p = 1 p 1 + 2 `p 2 + :: p 0
 Este es un sistema de p+1 ecuaciones y p+1 incognitas que permiten
encontrar los segundos momentos de yt

Condiciones de estacionariedad: Un proceso estocastico AR(p) es esta-

cionario si todas las raíces del polinomio de rezagos,

(L) = 1 1 2 3 ::: p están fuera del círculo unitario. (L) =

(1 1 L) (1 2 L) (1 3 L) :: (1 pL), raìces fuera del círculo unitario,
L = 1 > 1, implican j ij < 1
i

Alternativamente, se puede utilizar la representación canónica del modelo

 0 1 0 1 0 1
yt 0 1 yt 1 "t
B yt 1 C 1 2 :: p B y C B 0 C
B C B CB C B C
Ar(p) B C=@ 1 0 :: 0 AB t 2 C+B C
@ : A @ : A @ : A
0 :: 1 0
yt p+1 F
yt p 0
Zt Zt 1 t

Donde, Zt = F Zt 1 + t, yt es estacionario si todos los valores propios

de F son menores de 1.

Para ganar intuición, se puede transformar el sistema utilizando la descom-

posicíon de valores y vectores propios de F = D D 1, donde D contiene
los vectores propios de F y sus correspondientes valores propios.

El sistema se puede escribir como, D 1Zt = D 1Zt 1 + D 1 t, donde,

Xt = Xt 1 + Vt, donde, Xt = D 1Zt y Vt = D 1 t. En su forma
extensiva este puede escribirse como un sistema de procesos AR(1):
 x1;t = e1x1;t 1 + 1;t

x2;t = e2x2;t 1 + 2;t

...

xp;t = epx1;t 1 + p;t

Donde, ei representa el i-esimo valor propio de F . Si jeij < 1, para todo i,

todos los procesos xi;t son estacionarios.
6 Representación de medias Móviles de un mod-
elo AR(p)

La representación se obtiene invirtiendo (L), supongamos que existe

(L), tal que (L) = (L) 1, entonces se debe cumplir que,

(1 2 3 p 2
1L 2L 3 L ::: pL )(1 + 1L 2 L ::::) =1

Entonces se tiene que

(1 2 2 2
1L 2 L ::: 2 L )(1 + 1L + 2 L ::::) =1

Multiplicando y agrupando ordenadamente este polinomio tenemos

 (1 + ( 1 2
1 )L + ( 2 1 1 2 ) L ::: =1

de donde se obtiene que:

1 = 1

2 = 1 1 + 2,

3 = 2 1 + 1 2 + 3,

en general tenemos:

s = s 1 1 + 2 s 2+.. p s p
A partir de la representación de medias móviles del modelo AR(p) se puede
obtener:
t+s @y
– El multiplicador dinámico, @" = s
t

– La función impulso respuesta, es el grá…co, s versus s

P
– El impacto acumulado del choque en el largo plazo, s = (1)

– Los segundos momentos de y

h=1
X
E ( yt )2 = 2 2
h
h=0

h=1
X
E ((yt ) ( yt s )) = 2 h h+s
h=0
7 Ejemplo: Modelo AR(1)

yt = 1yt 1 + "t

En este caso, k = k1 . utilizando esta equivalencia, y las f́ormulas derivadas

para los segundos momentos de yt tenemos que:

2
0 = 2
1 1

s = s1 0
8 Modelo MA(q)

yt = + "t + 1"t 1 + 2"t 2:: q "t q

Sus correspondientes primeros y segundos momentos estan dados por

k=q
X
E ( yt ) = , E ( yt )2 = 2 2
k
k=0

k=q
X
E ((yt ) ( yt s )) = 2! k k+s
k=0

donde, E ((yt ) ( yt s )) = 0, para s > q:

9 Modelo ARMA(p,q)

yt = c + 1yt 1 + 2yt 2 + 3yt 3 ::: pyt p + "t+

"t + 1"t 1 + 2"t 2:: q "t q

Expresando el proceso en términos de operadores de rezagos tenemos que:

(L)yt = c + (L) "t

En este caso, se puede encontrar la representación de medias móviles de

este proceso, y expresar yt como:
yt = + (L)"t
en donde,
1 + 1L + 2L2:: q Lq
(L) = 2 3 p
(1 1L 2L 3 L ::: pL )
k=1
X
tal que: j kj < 1 y =1 c
1 2 3 ::: p
k=0

Un proceso ARIMA (p,d,q) es aquél que admite una representación ARMA(p,q)

luego de tomarle d diferencias. De…niendo como zt = (1 L)2 yt =
2 y , es claro que luego de tomar 2 diferencias el proceso que queda, z ;
t t
puede modelarse como un ARMA(1,0). Entonces se dice que yt sigue un
proceso ARIMA (1,2,0).