PROBLEMAS RESUELTOS Y PROPUESTOS. TEMA 5.

PROBLEMAS RESUELTOS

PROBLEMA 1 Se dispone de 60 observaciones de la serie y t , con las cuales se han identificado y estimado los procesos siguientes: M1 : (1-L) y t = (1- 0,1L +0,5L2) u t (0,04) (0,42) M2 : (1- 0,6L) (1-L) y t = 0,05 + u t (0,18) (0,02)

% 2 = 1,69

% = 6,2 u
t

% 2 = 1,30

% = 4,0 u
t

Adems se han calculado los coeficientes de autocorrelacin y coeficientes de autocorrelacin parcial de los residuos de cada modelo, resultando: M1 FAM FAPM M2 FAM FAPM 1 0,35 0,35 1 0,11 0,11 2 0,30 0,02 2 -0,01 0,02 3 0,25 0,08 3 0,02 0,07 4 0,15 -0,03 4 0,03 0,06 5 0,08 -0,04 5 -0,02 0,01 6 0,02 0,12 6 0,04 0,02 7 0,03 0,08 7 0,03 -0,02

Utilizando esta informacin, resuelva las cuestiones siguientes: a) Seleccione el modelo ms adecuado para la serie analizada. b) En funcin del resultado del apartado anterior, represente grficamente la funcin de autocorrelacin y la funcin de autocorrelacin parcial de y t y de (1-L) y t . Razone brevemente las grficas representadas. c) Obtenga la prediccin puntual y por intervalo, en ambos casos dos periodos hacia adelante, con el modelo seleccionado en el primer apartado. Tenga en 59 (1) = 21; y 58 (1) = 19. cuenta la informacin siguiente: y 60 = 20; y 59 = 18; y

SOLUCION: a) Dada la informacin disponible pasemos a analizar las cuestiones a tener en cuenta para chequear estos modelos. Estacionariedad e invertibilidad. M1 ARIMA (0,1,2) con lo cual slo hay que analizar invertibilidad a travs de las races del polinomio de retardos correspondiente a la parte AR.

0,5 L2 0,1 L 1 = 0

0,1 0,12 4 0,5 = 0,1 2 0,5

1,99 = 0,1 1,41 i

modulo =

0,12 + 1, 412 = 1,41 > 1

Como el modulo cae fuera del circulo unidad el modelo M1 es invertible. M2 ARIMA (1,1,0) con lo cual slo hay que analizar estacionariedad a travs de las races del polinomio de retardos correspondiente a la parte MA. |0,6| < 1 el modelo es estacionario.
Media nula

M1 ARIMA (0,1,2)

%= u

6, 2 = 0,105 59
) c0 (u = T 1, 69 = 0,17 59

u% =

t=

0,105 = 0,62 0,17

% ) = 0. Como |t | = 0,62 < 2 evidencia a favor de H 0 : E ( u

M2 ARIMA (1,1,0)
%= u
4 = 0,067 59
1,30 = 0,15 59

u% = t=

0, 067 = 0,45 0,15

% ) = 0. Como |t | = 0,45 < 2 evidencia a favor de H 0 : E ( u

Incorrelacin
% ) representados en la FACM Anlisis individual de M1. Analizando los valores de rj ( u

1,96 = 0,25, se comprueba que los tres primeros superan T el punto de corte con lo cual hay evidencia para rechazar las hiptesis nulas individuales % ) = 0, j = 1,2, 3 y ello determina problemas de correlacin. j (u y tomando como punto crtico
% ) representados en la FACM Anlisis individual de M2. Analizando los valores de rj ( u

y tomando los mismos puntos crticos anteriores, se comprueba que todos los coeficientes son inferiores a los puntos crticos con lo cual hay evidencia de no autocorrelacin.

%) = Anlisis conjunto de M1. El contraste de Ljung-Box pretende verificar H 0 : 1 ( u % ) = 0, siendo el estadstico de contraste: ..... = 7 ( u

Q = T (T+ 2)

Tj
j =1

%) rj2 ( u

(M k)

En este caso: Q = 18,006 > 2 (7-2) = 11,1 evidencia en contra de la H 0 de incorrelacin. Anlisis conjunto de M2. En este caso: Q = 0,97 < 2 (7-2) = 11,1 evidencia a favor de la H 0 de incorrelacin.
Significatividad individual de los coeficientes

Estudiada slo en el modelo que permite asegurar que las perturbaciones son ruido blanco, es decir, el modelo M2.
H0 : = 0

t=

0, 05 = 2,5 0, 02

Como |t | = 2,5 > 2 el trmino independiente resulta significativo.

H 0 : 1 = 0

t=

0, 6 = 3,33 0,18

Como |t | = 3,33 > 2 el coeficiente de la parte AR resulta significativo. De todo el anlisis anterior se concluye que es el modelo M2 el que supera la etapa de chequeo. b) Dado que el modelo que supera el chequeo es un ARIMA (1,1,0), las grficas esperadas para y t presentarn evidencia de no estacionariedad. En este sentido, el correlograma no decrecer rpidamente y el correlograma parcial presentara un primer pico prximo a uno. Las grficas esperadas para (1 L) y t sern las tpicas de un AR(1), es decir, el correlograma presentando un comportamiento decreciente rpido amortiguado y el correlograma parcial con un corte brusco a partir del primer coeficiente de autocorrelacin parcial. c) Para obtener las predicciones, lo primero es expresar el modelo en su forma de ecuacin en diferencias: (1 0,6L) (1 L) y t = 0,05 + u t y t - 1,6 yt 1 + 0,6 yt 2 = 0,05 + u t
y t = 1,6 yt 1 - 0,6 yt 2 + 0,05 + u t

Las predicciones puntuales son:

 60 (1) = E [ y61 | I 60 ] = E [1,6 y60 - 0,6 y59 + 0,05 + u61 | I 60 ] = 1,6 y60 - 0,6 y59 + 0,05 y = 1,6 20 0,6 18 + 0,05 = 21,25. 60 (2) = E [ y62 | I 60 ] = E [1,6 y61 - 0,6 y60 + 0,05 + u62 | I 60 ] = 1,6 y 60 (1) - 0,6 y60 + y 0,05 = 1,6 21,25 0,6 20 + 0,05 = 22,05. La correspondiente prediccin por intervalo para y61 se calcula como: 60 (1) 1,96 DT [ e60 (1)] y 60 (1) = (1,6 y60 - 0,6 y59 + 0,05 + u61 ) (1,6 y60 - 0,6 y59 + 0,05) = u61 e60 (1) = y61 - y Var [ e60 (1)] = Var ( u61 ) = 1,30 DT [ e60 (1)] = 1,30 = 1,14 21,25 1,96 1,14 ( 19,01 ; 23,48)

Para y62 resulta: 60 (2) 1,96 DT [ e60 (2)] y 60 (2) = (1,6 y61 - 0,6 y60 + 0,05 + u62 ) (1,6 y 60 (1) - 0,6 y60 + 0,05) e60 (2) = y62 - y 60 (1)] + u62 = 1,6 e60 (1) + u62 = 1,6 u61 + u62 = 1,6 [ y61 - y Var [ e60 (2)] = 1, 62 Var ( u61 ) + Var ( u62 ) = 1, 62 1,30 + 1,30 = 4,628
DT [ e60 (2)] = 2,15

22,05 1,96 2,15 ( 17,83 ; 26,27)

PROBLEMA 2

Se pretende predecir el valor futuro de Yt ( t = 1,2,...,50) para lo cual se ha obtenido una serie con 50 observaciones. Utilizando esta informacin se han identificado y estimado varios modelos, de los cuales superaron la etapa de chequeo los dos siguientes: M1 : (1-0,8 L) (1-L) Yt = (1-0,6L) u t M2 : (1-0,7L) (1-L) Yt = u t

~ 2 =0,52
~ 2 =0,50

siendo Yt = ln Yt . Se pide: 1. Obtener la prediccin puntual y por intervalo de la serie Yt para el periodo 51 con ambos modelos, sabiendo que: M 2 (1) = 85. M 1 (1) = 84; Y M 1 (1) = 84,7; Y M 2 (1) =83,5; Y Y50 = 85; Y49 = 83,8; Y 49 48 48 49 2. Transcurrido el periodo 51, se observa el valor real de Y51 que resulta ser Y51 =105. Seleccione el modelo que le parezca ms adecuado y justifique su eleccin.

SOLUCION:

1. Los procesos planteados hacen referencia a la serie en logaritmos de modo que para obtener la prediccin puntual de la serie original se debe utilizar la expresin siguiente: (l ) = exp Y (l ) + 1 Var e (l ) Y T T T 2

que en este planteamiento se concreta como: (1) = exp Y (1) + 1 Var e (1) Y 50 50 50 2

(1)

De este modo para obtener la prediccin de la serie original se tiene que calcular la
(1) y la varianza el error de prediccin Var prediccin de la serie en logaritmos Y 50

(1) ). ( e50
Comenzando con el modelo M1, para obtener la prediccin de la serie en logaritmos se debe plantear previamente el modelo en su forma de ecuacin en diferencias: (1-0,8 L) (1-L) Yt = (1-0,6L) u t (1- L - 0,8L + 0,8L2) Yt = (1-0,6L) u t

Yt = 1,8 Yt1 - 0,8 Yt 2 + u t - 0,6 u t 1

A partir de esta expresin del modelo se genera la correspondiente prediccin puntual: (1) = E( Y I ) = E(1,8 Y - 0,8 Y + u - 0,6 u I ) = Y 50 51 50 50 49 51 50 50

- 0,8 Y49 - 0,6 u 50 = 1,8 ln (85) 0,8 ln (83,8) - 0,6 u 50 = 1,8 Y50
Para obtener u 50 recordar que: (1) u = Y - Y
50 50 49

(2) de modo que se conoce el primer trmino de la parte derecha de (2) pero no el segundo. Para su obtencin, se atiende a la formula dada en (1), de modo que: (1) = exp Y (1) + 1 Var e (1) Y 49 49 49 2 (1) . de donde se despejar Y 49

(1) + 1 Var e (1) (1) = Y } ln Y 49 49 49

Teniendo en cuenta que el error de prediccin un periodo hacia adelante siempre es igual al ruido blanco correspondiente a ese periodo, es decir, eT (1) = uT +1 resulta: (1) = ln(84) - 1 Var u 4,43 - 1 0,52 = 4,17. Y 49 50 2 2 ~ 2 del modelo M1 (1) = Var u 50 por la estimacin Notar que se ha sustituido Var e49 que esta obtenida considerando una base informativa T = 50, por lo que en realidad es una aproximacin a la estimacin que debera corresponder que sera con base informativa T = 49. Sin embargo, dado que el modelo ha superado la etapa de chequeo

habr verificado, entre otros requisitos, la permanencia estructural dentro del periodo muestral y, en este sentido, se puede considerar apropiada la aproximacin considerada. Volviendo a (2), se obtiene: u 50 = ln (85) 4,17 = 0,253. Por tanto la prediccin un periodo hacia adelante, con base informativa el periodo 50, para la serie en logaritmos es:
(1) = 1,8 ln (85) 0,8 ln (83,8) - 0,6 0,253 = 4,3032. Y 50

La prediccin para la serie original se obtiene a travs de la formula (1) como: (1) = exp{4,3032 + 1 Var u Y 50 51 2

} = exp{4,3032 + 1 0,52 } = 95,98.

2

Para obtener la correspondiente prediccin por intervalo se parte de la expresin del intervalo de confianza para la variable en logaritmos que viene dado por:
(1) 1,96 Var (e (1)) 4,3032 1,96 Y 50 50 0,52

(2,8899 ; 5,7165) Y el intervalo de confianza para Y51 se obtiene como:

exp (2,8889) ; exp (5,7165) (17,99 ; 303,83)

Efectuando el mismo razonamiento para el modelo M2 se plantea, en primer lugar, su forma de ecuacin en diferencias: (1-0,7L) (1-L) Yt = u t (1 L 0,7L + 0,7L2) Yt = u t

Yt = 1,7 Yt1 - 0,7 Yt 2 + u t

De este modo:
(1) = E( Y I ) = E(1,7 Y - 0,7 Y + u I ) = Y 50 50 49 51 50 51 50

1,7 ln (85) 0,7 ln (83,8) = 4,4535. Por tanto:

1 (1) = exp{4,4535 + 1 Var u } = exp Y 4,4535 + 0,50 = 110,33 50 51 2 2 La prediccin por intervalo segn el modelo M2 ser:
(1) 1,96 Var.e (1) 4,4535 1,96 Y 50 50 0,50

(3,0676 ; 5,8394) y para la serie original:

exp (3,0676) ; exp (5,8394) (21,49 ; 343,57) 2. Conocido el valor de la variable para el periodo 51, se puede analizar la hiptesis de permanencia estructural a partir de los intervalos de confianza de cada modelo. En este caso, el valor observado en el periodo 51, 105, pertenece al intervalo de confianza definido para ambos modelos por lo que las dos especificaciones satisfacen la hiptesis de permanencia estructural en el periodo postmuestral. De este modo, al objeto de seleccionar un modelo en concreto se puede atender al error de prediccin cometido por cada uno de ellos, es decir, a la diferencia entre el valor real y la prediccin puntual obtenida. En nuestro caso, el modelo M1 comete un error de prediccin de (105 - 95,88) = 9,12 y el modelo M2 de (105 -110,33) = -5,33. Dado que el signo no nos interesa, ya razonemos en valor absoluto o en trminos del cuadrado del error, concluiremos seleccionando M2 como la especificacin ms adecuada.

PROBLEMA 3

La renta per capita de la economa espaola, y t , en el ao 2000 es igual a 100. Proponga un modelo ARIMA(p,d,q) en el que se verifique, en cada caso, que: a) La tasa de crecimiento porcentual de la renta per capita en el horizonte de prediccin (suponga hasta el ao 2100) es negativa en cada ejercicio. b) La tasa de crecimiento porcentual de la renta per capita en el horizonte de prediccin (suponga hasta el ao 2100) es positiva en cada ejercicio. Compruebe analticamente el resultado.

SOLUCION:

La tasa de crecimiento porcentual en el horizonte de prediccin viene dada por: T ( l ) y T ( l 1) y T ( l 1) y a) Para que esta tasa de crecimiento sea negativa en cada ejercicio deber cumplirse que T (l -1) > y T (l), es decir: y
T (1) > y T (2) > .... > y T (l) y

El modelo que cumple que conforme nos alejamos en el horizonte de prediccin las predicciones van decreciendo es el modelo AR. En este sentido, se puede suponer que tal comportamiento viene generado por un proceso ARIMA (1,0,0). b) Para que la tasa de crecimiento sea positiva en cada ejercicio deber cumplirse que:

T (1) < y T (2) < .... < y T (l) y

comportamiento que, en principio, no se corresponde con el perfil de prediccin ni de un MA, ni AR, ni ARMA. Ahora bien si se plantea un ARIMA (0,1,0) con termino constante:

wt = + u t y t = yt 1 + + u t
T (1) = E [ yT +1 | I t ] = E [ yT + + uT +1 | I t ] = yT + y T (2) = E [ yT + 2 | I t ] = E [ yT +1 + + uT + 2 | I t ] = yT + + = yT + 2 y
M

T (l) = E [ yT +l | I t ] = yT + l y

con lo cual este proceso con > 0 estar satisfaciendo la condicin requerida.

PROBLEMA 4

Se ha estimado el siguiente modelo para la serie y t correspondiente al tipo de inters: (1-L) y t = 0,67 (1-L) y t 1 + u t - 0,32 u t 1 50 (1) = 3,62 ; y 50 (2) = 4,01 ; y51 = 3,91 ; y52 = 3,97 Var ( u t ) = 0,25 ; y Resuelva el anlisis de permanencia estructural para los periodos para los cuales se dispone de informacin extramuestral.
SOLUCION El modelo planteado es un ARIMA(1,1,1) y se trata de verificar si los valores reales correspondientes a los periodos 51 y 52 pertenecen al correspondiente intervalo de prediccin.

Para el periodo 51, el intervalo de prediccin viene dado por: 50 (1) 1,96 Var[e50 (1)] y Como e50 (1) = u51 Var[e50 (1)] = Var ( u51 ) = 0,25; por tanto: 3,62 1,96 0, 25 [ 2,64 ; 4,6] Dado que y51 = 3,91 pertenece al intervalo de prediccin calculado se acepta la permanencia estructural para ese periodo. Para el periodo 52, el intervalo de prediccin viene dado por: 50 (2) 1,96 Var[e50 (2)] y 50 (2). Para calcular la expresin de este error y de aqu obtener siendo e50 (2) = y52 - y 50 (2). su correspondiente varianza, hay que determinar y52 e y

A partir de la forma de ecuacin en diferencias del modelo que es:

y t = 1,67 yt 1 - 0,67 y t 2 + u t - 0,32 u t 1

resulta:

y52 = 1,67 y51 - 0,67 y50 + u52 - 0,32 u51

Por otro lado: 50 (2) = E [ y52 | I 50 ] = E [1,67 y51 - 0,67 y50 + u52 - 0,32 u51 | I 50 ] y 50 (1) 0,67 y50 = 1,67 y En consecuencia: e50 (2) = 1,67 e50 (1) + u52 - 0,32 u51 = 1,67 u51 + u52 - 0,32 u51 = 1,35 u51 + u52

Var[e50 (2)] = 1,352 Var ( u51 ) + Var ( u52 ) = 0,25 (1,352 + 1) = 0,7056
El intervalo ser: 3,97 1,96 0, 7056 [ 2,32 ; 5,61] Dado que y52 = 3,97 pertenece al intervalo de prediccin calculado se acepta la permanencia estructural para ese periodo.

PROBLEMA 5

El ltimo dato observado de la serie y t es y100 = 10. Razone la verdad o falsedad de las siguientes afirmaciones: a) Si se identifica y estima el proceso y t = 8 + 0,6 y t 1 + u t , la prediccin para el periodo 2500 ser, aproximadamente, de 20. b) Si se identifica y estima un camino aleatorio con deriva igual a 0,001, la prediccin para el periodo 2500 ser de 34. c) Si se obtiene una prediccin para el periodo 2500 de 10, esta prediccin puede haberse generado utilizando un proceso media mvil de orden 3, sin trmino constante.

SOLUCION

a) VERDADERA. Dado que se est planteando un AR(1), su perfil de prediccin presenta un decrecimiento geomtrico tendiendo a la media del proceso. E ( y t ) = 8 + 0,6 E ( y t 1 ) = 8 = 20 1 0,6

b) VERDADERA Para un camino aleatorio con deriva, esto es: y t = + yt 1 + u t , su perfil de prediccin es:
T (l) = l + y t y

Por tanto: 100 (2400) = 2400 0,01 + 10 = 34 y c) FALSA Para un MA, el perfil de prediccin determina que las predicciones, superado el orden del proceso, coinciden con la media del mismo. En este planteamiento tal media es cero, por lo que la afirmacin es falsa.

PROBLEMAS PROPUESTOS

PROBLEMA 1 Dada una serie {Yt } de tamao 100 con Y100 = 55 e Y99 = 51, las predicciones obtenidas con base informativa en el periodo 100 han sido:
(1) =55; Y (2) =55; Y (3) =55 Y 100 100 100 Considerando esta informacin indique, razonadamente, cul ha sido el modelo estocstico que se ha utilizado para obtener estos resultados.

PROBLEMA 2

Una empresa ha encargado a un economista modelizar sus ventas anuales (y), con el objetivo de predecir el valor futuro de las mismas con dos aos de antelacin. Para ello el economista dispone de los valores de dichas ventas desde 1950 hasta 1999 (T = 50), e inicialmente identifica los seis modelos siguientes:
MA MB MC MD ME MF

wt wt yt wt yt wt

= 0,7 wt 1 + u t 0,3u t 1 = u t 0,5u t 1 = 0,75 y t 1 + u t = 0,55wt 1 + 0,25wt 2 + u t = u t 0,7u t 1 + 0,2u t 2 = 0,8wt 1 + u t

siendo wt = (1-L) yt . Los coeficientes de autocorrelacin y autocorrelacin parcial muestrales de la variable y son los siguientes: j 1 2 3 4 5 6 7 8 9 10 0,99 0,99 0,98 0,97 0,96 0,96 0,95 0,94 0,94 0,93 rj
jj 0,99 0,03 0,03 0,02 0,02 0,02 0,01 0,01 0,01 0,00

A la vista de esta informacin se pide:

a) Podra descartar alguno de los seis modelos propuestos, antes de proceder a su chequeo? Justifique su respuesta. Adems de la estimacin de los modelos, se dispone de la siguiente informacin adicional:
g1 g2

~2

% u

% ) r2 (u % ) r3 (u % ) r5 (u % ) r4 (u % ) r6 (u %) r1 (u

MA MB MC MD ME MF

-0,15 -0,43 0,935 0,3626 -0,25 0,55 1,890 5,9532 -0,98 1,44 1,931 7,0531 -0,96 2,10 0,933 0,9335 -1,02 1,43 2,083 3,5832 -0,2 -0,38 0,937 0,2342

0,10 0,38 0,40 0,08 0,16 0,09

0,09 0,30 0,35 0,07 0,14 0,08

0,09 0,20 0,25 0,06 0,13 0,08

0,07 0,10 0,20 0,05 0,12 0,06

0,06 0,06 0,10 0,04 0,11 0,05

0,03 0,04 0,05 0,03 0,09 0,03

MA 50,4 49,1 MB 51,0 50,0 MC 51,1 50,2 MD 50,9 50,0 ME 52,1 50,2 MF donde g1 y g 2 representan los coeficientes de asimetra y curtosis normalizado, respectivamente.

1998 (1) y 52,5

1997 (1) y 51,5

b) Chequee los modelos que no hayan sido descartados en el apartado (a). c) Realice la prediccin puntual y por intervalo de las ventas para el ao 2000, con los modelos que hayan pasado el chequeo sabiendo que: y1999 = 55,0; y1998 = 52,8; y1997 = 52,3. d) Una vez transcurrido el ao 2000 se conoce el montante de las ventas en dicho ao, en concreto 58,5. Le permite esta informacin descartar algn modelo de los que han superado el chequeo? Justifique su respuesta. e) Obtenga, con el modelo seleccionado, la prediccin de las ventas para los aos 2001 y 2002 con la base informativa hasta 1999.

PROBLEMA 3

Obtenga la prediccin a largo plazo (con un horizonte de prediccin tendiendo a infinito) resultante de cada uno de los siguientes procesos: (a)-MA(2) con constante (b)-AR(1) con constante (c)-Camino aleatorio sin deriva (d)-Camino aleatorio con deriva

PROBLEMA 4

Dado el proceso estocstico: y t = 1 y t 1 + u t 1u t 1 2 u t 2 , identificado en base a T observaciones, demuestre que: T 3 (1) uT 2 = yT 2 - y

PROBLEMA 5 Para una serie temporal { yt } con T = 70, se ha estimado un proceso ARIMA(1,1,1) sin = 0,8 ; = 0,4 y 2 = 1,44. Se pide: deriva, siendo
1 1

a) Realizar la prediccin puntual y por intervalo de la serie para los periodos 71 y 72, 69 (1) = 111 ; y 68 (1) = 106 ; y 67 (1) = sabiendo que y 70 = 110 ; y 69 = 105 ; y 68 = 101 ; y 99. b) Transcurridos pos periodos 71 y 72, se sabe que el valor de la serie para ellos ha sido 116 y 121, respectivamente. Predice bien el modelo?. Razone su respuesta.