Está en la página 1de 23

TOPICOS DE ECONOMETRIA

APLICADA
Series de Tiempo
Introduccin

Conceptos
1.Procesos estocsticos
Un proceso estocstico o aleatorio es una
coleccin de variables aleatorias en el
tiempo
Cada una de las Yt es una var aleatoria
Por ejemplo la serie de PBI puede
considerarse un proc. estocastico
Cada observacin es una realizacin
particular

La distincin entre proceso estocstico y


realizacin es similar a la idea de
poblacin y muestra en cross section

2. Proceso Estocstico
Estacionario
Si su media y su varianza son constantes
en el tiempo y si el valor de la covarianza
entre dos perodos depende solamente
de la distancia o rezago entre esos dos
perodos de tiempo y no del momento en
el cual se ha calculado la covarianza
Proceso estocstico dbilmente
estacionario

Propiedades

Es decir que la media, var y cov permanecen constantes


sin importar el momento en el cual se midan
Una serie de este tipo tender a regresar a la media
(reversin media)
Las fluctuaciones alrededor de esta media tendrn una
amplitud constante (var) y muy amplia

Una serie no estacionaria tendr media


y/o varianza que cambian en el tiempo
Si una serie es no estacionaria se puede
estudiar su comportamiento slo durante
el perodo de observacin.
Cada conjunto de datos pertenecer a un
episodio particular
No puede generalizarse
Tienen poco valor prctico

3.Proceso puramente aleatorio o


ruido blanco
Media cero, var constante y no est
serialmente correlacionado
ui del modelo de regresin clsico

4. Procesos no estacionarios

Modelo de caminata aleatoria


Random walk
Ej: precios de acciones, tipos de cambio
Dos tipos:
1)sin variaciones: sin termino constante
2)con variaciones: con trmino constante

1. Supongamos un ut que es un trmino


de error ruido blanco

El valor presente es el pasado ms un


shock aleatorio
Una aplicacin puede ser la hiptesis de
mercados eficientes

Es decir que la media es constante pero la varianza se incrementa con t


Viola una de las condiciones de estacionariedad

Una caracterstica importante es la


persistencia de los shocks aleatorios
El impacto de un shock no se desvanece
El random walk tiene una memoria infinita
La primer diferencia de un random walk
es estacionaria (es el ut)

2. Random walk con variaciones


La constante se conoce como el
parmetro de variacin

Si se expresa en diferencias

Yt vara dependiendo si d es positiva o


negativa

Ahora la media y la var se incrementan


con t

5.Proceso estocstico de raz


unitaria

Si rho es igual a uno se convierte en un random walk


Problema de raz unitaria (no estacionariedad)
Si el valor absoluto de rho es menor a uno la serie es estacionaria
Es un AR(1)
Los procesos AR(1) son estacionarios

Procesos de tendencia estacionaria


y de diferencia estacionaria
Es importante la distincin entre procesos
estacionarios y no estacionarios para
saber si la tendencia es determnistica o
estocstica
Si es determinista es predecible y no
variable
Si no es predecible es estocstica
Un random walk puro (sin constante) es
estacionario en diferencias

Si se diferencia un RW con constante


La serie mostrar una tendencia estocstica
Tambin es estacionario en diferencias
Ejemplo tendencia determinstica vs.
Estocstica
Yt = 0.5.t + Yt-1 +ut
Yt = 0.5 + Yt-1 + ut
Y0=1
ut N(0,1)

Procesos estocsticos integrados


El RW es un caso particular de una clase
general de procesos
Los procesos integrados
Es estacionario en primeras diferencias
Integrado de orden I
En general si una serie debe diferenciarse
d veces para resultar estacionaria:
integrada de orden d

Propiedades de las series


integradas

Regresin Espuria
Si se realiza una regreson entre dos series no
estacionarias: ej. RW
Si los errores no estn ni serialmente ni
mutuamente relacionados: el R2 debe tender a
cero y no habra correlacin entre las series.
Sin embargo pueden obtenerse estadsticos t
significativos y R2 distintos de cero
Aunque los resultados carecen de sentido

Regresin Espuria
Patologa: R2 alto y DW bajo
Si se hace la regresin en primeras
diferencias se soluciona el problema si las
series son I(1)
Atencin al realizar anlisis sobre series
que presentan tendencias estocsticas.
Deben realizarse pruebas de
estacionariedad