Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 9 para MAF-MC
Clase 9 para MAF-MC
2011
Maestría en Finanzas
Universidad del CEMA
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 1
2 2 2
Y
1
Y
2 1
1. Procesos AR(1)
Yt Yt 1 t
Y1 Y0 1
Y2 Y1 2 Y0 1 2
Y3 Y2 3 Y0 1 2 3
Yt Y0 t
2.2.Procesos
ProcesosAR(1)
AR(1)nonoestacionarios
estacionarios
E (Yt ) Y0
Var (Yt ) t * 2
Yt Yt 1 Yt t
2.2.Procesos
ProcesosAR(1)
AR(1)nonoestacionarios
estacionarios
Yt Yt 1 t
E (Yt ) Y0 t.
Var (Yt ) t * 2
25
20
15
10
0
101
121
131
141
151
161
171
181
191
201
21
31
41
51
61
71
81
91
1
11
-5 111
-10
2.2.Procesos
ProcesosAR(1)
AR(1)nonoestacionarios
estacionarios
45
40
35
30
25
20
15
10
5
0
1
21
31
41
51
61
71
81
91
101
121
131
141
151
161
171
181
191
201
11
-5
111
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
3. Procesos AR(2)
La varianza, definida por la relación:
Y2 2 1 1 1 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
3. Procesos AR(2)
2
Teniendo en cuenta la expresión correspondiente a dada
anteriormente, y recurriendo nuevamente al coeficiente de
determinación, se puede escribir:
AR 2
2
R2 1
2
1 Y 1 2 Y 2
Y
2
2.
3. Procesos AR(2)
Resolviendo el correspondiente sistema de ecuaciones de Yule-Walker:
1 Y 1 2 1 Y
2 Y 11 Y 2
Resultan los estimadores:
ˆ ˆ1 Y ˆ1 Y ˆ 2 Y
1
YW
1 ˆ12 Y
ˆ 2 Y ˆ12 Y
ˆ2YW
1 ˆ12 Y
11 Y 1 Y 1 jj Y 0 j 2
1 2
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
4.3.Procesos
ProcesosMA(1)
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…
4.3.Procesos
ProcesosMA(1)
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.
4.3.Procesos
ProcesosMA(1)
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
5.4.Procesos
ProcesosMA(2)
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
5.4.Procesos
ProcesosMA(2)
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)
7. Procesos ARMA(p,q)
Coeficiente de determinación y estimación
de los órdenes p y q
2
2 i2
R 1 2 1
2
i 1
0 1
Y
2 i2 i2
i 0 i 0
2 p q
AIC p, q ln ˆ ARMA p, q
2
n
p q ln n
BIC p, q ln ˆ ARMA p, q
2
n
2 p q
AICC p, q ln ˆ ARMA p, q
2
n pq
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
FIN
Me pueden escribir a:
jrs06@cema.edu.ar