Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Contraste de modelos I(d , m) y predicciónfuera de la muestra
Práctica No3
Técnicas en PredicciónAdministración y Dirección de Empresas
Departamento de EstadísiticaUniversidad Carlos III
27 de Marzo, 2008
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Contenido
1 Caracterización de modelos I(d , m).
2 Ampliación en el uso de EviewsPredicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Contraste de modelos I(d , m)
Se va a contrastar la terminología empleada por Espasa yPeña en el artículo “The decomposition of forecast in seasonalARIMA Models”. Journal of Forecasting 14, pp.565-83.
La terminología I(d , m)
Es una generalización de la terminología I(d) pero comoseñalan los autores resulta del todo incompleta ya que dosseries I(1) pueden mostrar tendencias radicalmente diferentes.
Un esquema más general es el I(d , ms) donde el componentedeterminista puede estar segmentado.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Procesos integrados con componentes determinísticos.
I(d , m)
h = d + m ⇒ Número de componentes de la tendencia: Nivel ycrecimiento.
Si d 6= 0 ⇒ Tendencia Estocástica.Si m = 0 ⇒ Tendencia puramente estocástica.Si m = 1 ⇒ Tendencia mixta.
Si d = 0 ⇒ Tendencia Determinista.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Tipo de cambio⇒ I(1, 0) Oscilaciones Locales deNivel
Forma estructural
xt = µt + at
µt = µt−1 + et
µt−1 ⇒ Genera persistencia. Progreso Tecnológico.
Forma reducida
xt = xt−1 + vt
E(∆xt) = E(∆vt) = 0 ⇒ El modelo no da crecimiento. Dondevt es ruido blanco
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Tipo de Cambio euro/dolar
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Primera diferencia del tipo de cambio
La serie muestra una clara estacionariedad.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Contraste de Hipótesis
No se rechaza la hipótesis nula. La media de la primeradiferencia de la serie tiene media cero.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
PIB⇒ I(1, 1) → h = 2 Crecimiento Sistemático
Forma estructural
xt = µt + at
µt = µt−1 + c + et
Forma reducida
xt = xt−1 + c + vt
E(∆µt) = c ⇒ Valor de equilibrio a largo plazo.
En nuestro caso
PIBt = PIBt−1 + c + wt
∆PIBt = c + wt
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Ciclo-tendencia del PIB
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
1a diferencia del logPIB
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Realizamos un contraste de hipótesis
Rechazamos la hipótesis nula de la serie tenga media cero.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
IPRI⇒ I(2, 0) → h = 2 Crecimiento Sistemático
Forma estructural
xt = µt + at
µt = µt−1 + ct + et
ct = ct−1 + ht
Forma reducida
xt = xt−1 + ∆xt−1 + vt
Tomando diferencias
∆xt = ∆xt−1 + vt ⇒ I(1, 0)O.L.N
∆xt − ∆xt−1 = ∆2xt = vt ⇒ Estacionario
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Índice de Precios Industriales
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Correlograma IPRI
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Primera diferencia del IPRI
La primera diferencia ha eliminado la tendencia por lo quesolamente permanece las oscilaciones locales de nivel.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Correlograma de la 1a diferencia del IPRI
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Diferencia estacional del IPRI
La serie IPRI muestra heterocedasticidad que deberíacorregirse para hacerla totalmente estacionaria.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Correlograma tomando diferencias estacionales
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Estimando un modelo ARMA
La estructura ARMA (3,2) resulto significativa.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Predicción fuera de la muestra
En prácticas anteriores hemos realizado la predicción dentrode la muestra (in − sample) pero como se ha visto en laintroducción del curso la teoría de la predicción estaíntimamente unida a la teoría de la decisión, es decir, a la tomade decisiones óptimas en ambientes de incertidumbre porparte de los agentes económicos. Por lo que, elinterés radica en la predicción de valores futuros , es decir,fuera del rango muestral.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Vamos a ilustrar la forma de hacerlo con el último modelo conel que finalizamos la práctica 2, es decir, con el modeloREGARIMA aplicado a la serie de líneas aéreas corregido deEfecto Calendario y Efecto Pascua.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Procedimiento a seguir en Eviews
1 Ir a la ventana del workfile seleccionar:procs/Structure/Resize Current Page ⇒ Variando el rangodeseado de la predicción.
2 Volvemos a la ecuación que queremos predecir ypinchamos en forecast, cambiamos el rango de lapredicción ¿y qué pasa??? ¿¿Missing values??.
3 Una vez corregido el fallo anterior ya puedes predecirfuera de la muestra.
4 Calcula los intervalos de confianza al 80 % y al 95 % ygraficalos ¿Qué observas?
5 Grafica un Error Bar a través de la opción graph de Eviews.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Predicción 12 meses hacia delante
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Error bar
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Error bar
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Descomposición de una serie en sus factores noobservables con Eviews
Descomposición aditiva de una serie temporal
Xt = Tt + St︸ ︷︷ ︸
No Estacionaria
+ Ct + rt︸ ︷︷ ︸
Estacionaria
Agregando los componentes más oscilantes ↓ mientras que elcomponente de tendencia ↑.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Serie de Pasajeros de líneas Aéreas: 1949:01 a1960:12
La serie muestra: Tendencia, estacionalidad y principio deproporcionalidad.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Pasos a seguir:
1 Obtención de componente estacional aplicando unproceso de desestacionalización ⇒ xt − St = Tt + Ct + rt
2 Aplicamos el filtro de Hodrick-Prescott sobre la seriedesestacionalizada para obtener el componente detendencia.
3 Generamos una nueva serie libre de tendencia yestacionalidad por diferencia entre la seriedesestacionalizada y la tendencia. ⇒ xt −St −Tt = Ct + rt .
4 Obtenemos el componente cíclico utilizando una mediamóvil de orden 4 (@MOVAV(nombre, orden)).
5 Obtenemos la parte irregular de la serie como diferenciade la serie generada en el paso 3 menos la serie generadaen el paso 4.
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Serie Desestacionalizada
Guardamos el componente estacional.Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Comparativa de la serie desestacionalizada y laoriginal
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Componente estacional
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Componente de tendencia
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Comparativa
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Xt − St − Tt = Ct + rt
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Componente cíclico
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Componente irregular
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Comparativa
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
Componentes de una serie temporal
Práctica No3 Modelos I(d, m)
Caracterización de modelos I(d, m).Ampliación en el uso de Eviews
Predicción fuera de la muestra con Eviews.Descomposición de series económicas: Método Clásico.
La descomposición tradicional de una serie económicarequiere imponer fuertes restricciones en lacaracterización de Tt , Ct y rt .En particular, que tales componentes son independientes.Hoy en día no existe consenso sobre que sea factible laespecificación y estimación de Tt , Ct y rt con restriccionesde aceptación general.En tal caso no se puede estimar el ciclo estacional, de unmodo que tenga aceptación general y en consecuenciatampoco se pueden obtener estimaciones de datosajustados de estacionalidad.Aunque los componentes Tt , Ct y rt no se puedanespecificar y estimar de una forma con aceptación general,La idea de que las series económicas tienen tendencia,ciclos y fluctuaciones residuales resulta muy útil paraexpresar las características básicas de los datoseconómicos.
Práctica No3 Modelos I(d, m)