Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 9
Clase 9
2009
Maestría en Finanzas
Universidad del CEMA
3 k E (Yt )(Yt k )
Donde la última ecuación habla sobre la covarianza con rezago k.
•Sin embargo, sabemos que sólo podremos trabajar con datos muestrales,
o aplicando la terminología de los modelos dinámicos, con alguna
realización del proceso estocástico bajo estudio.
1. Modelos Dinámicos y Procesos Estocásticos
•Entonces vamos a trabajar con la función de autocorrelación muestral
(FACM), para la cual deberemos calcular la covarianza muestral al
rezago k y la varianza muestral de la siguiente manera:
T
(Y Y )(Y
t t k Y )
ˆk t 1
T
Y teniendo en cuenta que la varianza del proceso es:
T
t
(Y Y ) 2
ˆ0 t 1
T
Entonces la función de autocorrelación muestral queda definida por:
ˆk
ˆ k
ˆ0
1. Modelos Dinámicos y Procesos Estocásticos
• La significancia estadística de cualquier ρk puede ser evaluada a partir
de su error estándar. Si estamos ante una serie de tiempo puramente
aleatoria, los coeficientes de autocorrelación muestral se distribuirán de
forma aproximadamente normal con media cero y varianza 1/T, donde T
es el número de observaciones de la muestra.
Yt 1Yt 1 t
Entonces, será condición necesaria y suficiente, para que el proceso
estocástico pueda ser considerado estacionario, que 1 sea, en valor
absoluto, menor que la unidad.
1. Procesos AR(1)
• En esta ecuación tenemos dos constantes y 1 , y t , que es
un ruido blanco.
ˆ
1 ˆ1
YW
R 1
2
2
AR 1 Y
2 2
1 2 1 1
Y
3. Procesos AR(2)
• Pasemos ahora a los procesos autorregresivos de orden 2, que
denotamos con AR(2), si responden a la siguiente formulación:
Yt 1Yt 1 2Yt 2 t
• En este caso lo que estamos suponiendo es que la influencia que
puede tener la historia en el comportamiento del proceso se
resume en su rezago de orden 2.
j Y 1 j 1 Y 2 j 2 Y j 0
Queda determinada por los dos primeros valores de j :
1
1 Y
1 2
12
2 Y 2
1 2
4. Procesos AR(2)
La varianza, definida por la relación:
Y2 2 1 11 Y 2 2 Y
Se puede descomponer en:
i) Una varianza debida a las innovaciones ;
2
1 Y 1
2 Y 1
2 Y 2 Y 1
2
1
4. Procesos AR(2)
Teniendo en cuenta la expresión correspondiente a dada
2
anteriormente, y recurriendo nuevamente al coeficiente de
determinación, se puede escribir:
2 AR 2
R22 1 1 Y 1 2 Y 2
2
Y
R pp 1 R
2
p
2
p 1 R 2
p 1 p 1, 2,3,...
4. Procesos MA(1)
Yt t . t 1
•En esta ecuación tenemos dos constantes (θ y δ) y εt, que es un
ruido blanco.
yt t 1 t 1 1 1 B t
j Y 0 j 2
2. Procesos MA(1)
• Su función de autocorrelaciones será de la forma:
1
j 1
j Y 1 12
0 j2
•Así podemos obtener fácilmente que la autocorrelación de primer orden
obedece a una ecuación de segundo grado de la forma:
112 1 1 0
Y como:
1 1 4 12
1
2 1
Sólo puede asumir valores reales, para que el proceso sea invertible
necesariamente se tiene que verificar que…
2. Procesos MA(1)
1 1
1
2 2
La condición de invertibilidad exige que 1 1 y, por lo tanto, hay una
única representación MA(1) invertible para cada función de
autocorrelaciones.
•Los coeficientes de autocorrelación parcial quedan definidos, en forma
general por:
1j 1 12
jj Y 2 j 1
j 1, 2,3,...
1 1
j
De esta expresión se concluye que jj 1 y, por lo tanto, que la función
de autocorrelaciones parciales está dominada por una función
exponencialmente decreciente.
2. Procesos MA(1)
• Si el parámetro θ es negativo, entonces la FACP converge a cero
exponencialmente alternando en signo y empezando por un valor
positivo.
Yt t 1 t 1 2 t 2
• Siguiendo un proceso de inversión similar al que hicimos con el
proceso MA(1), se puede probar fácilmente que la FACP de este
proceso puede tener diversas formas, dependiendo de los signos y
los valores relativos de θ1 y θ2. En cambio, la función de
autocovarianza cumple:
0 (1 1 2 ).
2 2 2 2
1 1.(1 2 ). 2
2 2 . 2
3. Procesos MA(2)
Representación MA(2) de la forma:
Yt t 1 t 1 2 t 2
Condición de invertibilidad: que las raíces de
B 1 1 B 2 B 0
2
1 12 22
2 Y
2
2
1 Y
1 2 1 2
5. Procesos MA(2)
• Veamos el correlograma de una serie generada para ser un
MA(2).
6. Estacionariedad e Invertibilidad
• Las condiciones de estacionariedad e invertibilidad son
impuestas respectivamente a los procesos AR(p) y MA(q).
yt 1. yt 1 2 . yt 2 ut
uˆt t 1. t 1
luego
yt 1. yt 1 2 . yt 2 t 1. t 1 ARMA(2,1)
4. Procesos ARMA(p,q)
Coeficiente de determinación y estimación
de los órdenes p y q
2
2 i
2
R 2 1 2 1
i 1
0 1
Y
2 i2 i2
i 0 i 0
2 p q
AIC p, q ln ˆ 2
ARMA p, q n
p q ln n
BIC p, q ln ˆ ARMA p, q
2
n
2 p q
AICC p, q ln ˆ 2
ARMA p, q n p q
Se seleccionará como modelo más adecuado aquél para el cual se
verifique que: AIC pˆ , qˆ min AIC p, q ; p p, q q
BIC pˆ , qˆ min BIC p, q ; p p, q q