Professional Documents
Culture Documents
Febrero 2014
Sesin 3
Febrero 2014
1 / 23
Hechos estilizados
Muchas variables macroeconmicas muestran un patrn de
crecimiento a travs del tiempo (tendencia) que no es replicable
utilizando series estacionarias.
Sesin 3
Febrero 2014
2 / 23
Example
El proceso yt = c + t + t es estacionario en tendencias.
Un proceso estacionario en diferencias (o proceso con raz unitaria)
exhibe una tendencia estocstica y hay que tomarle primeras
diferencias (dierencing ) para obtener un proceso estacionario.
Example
El proceso yt = yt
Jorge Rodas (INFOPUC)
+ t es estacionario en diferencias.
Sesin 3
Febrero 2014
3 / 23
t2 ,
j =
i =1
Et (yt +j ) = yt .
t j
t ,
yt = c + yt
Sesin 3
i =1
Febrero 2014
4 / 23
independiente de t . La solucin es yt = y0 + i + t .
i =1
Problem
Demostrar en el modelo anterior que E (yt ) = y0 , Var (yt ) = t2 + 2 y
j = r
(t
t2 + 2
Sesin 3
j ) 2
(t
j ) 2 + 2
Febrero 2014
5 / 23
independiente de t . La solucin es yt = y0 + ct + i + t .
i =1
es un proceso estacionario.
Sesin 3
Febrero 2014
6 / 23
Detrending Vs Dierencing
Para transformar el modelo yt = c + t + t en un modelo
estacionario debemos estimar yt y trabajar con yt yt que ser el
nuevo proceso estacionario.
Tener cuidado, qu sucede si aplicamos este mtodo a un proceso
con raz unitaria como el paseo aleatorio con deriva?
Para transformar el modelo yt = c + yt 1 + t en un modelo
estacionario debemos tomar primeras diferencias.
Tener cuidado, qu sucede si aplicamos este mtodo a un proceso
estacionario en tendencia?
Un proceso ARIMA(p, d, q ) debe ser diferenciado d veces para
convertirse en un ARMA(p, q ) estacionario.
Sesin 3
Febrero 2014
7 / 23
+ t
donde t = 1, ..., T .
Qu necesitamos?
Sesin 3
Febrero 2014
8 / 23
Sabemos que
! N 0, 1
se
Sesin 3
Febrero 2014
9 / 23
1,000
Frequency
800
600
400
200
0
-5
-4
-3
-2
-1
Sesin 3
Febrero 2014
10 / 23
Coefficient
Std. Error
t-Statistic
Prob.
RW(-1)
0.995538
0.003090
322.1956
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.973366
0.973366
0.989392
976.9385
-1406.365
2.059486
Sesin 3
8.122966
6.062432
2.817548
2.822460
2.819415
Febrero 2014
11 / 23
Test de Dickey-Fuller
Sesin 3
Febrero 2014
12 / 23
Test de Dickey-Fuller
Otra forma de expresar la hiptesis nula es tomando primeras
diferencias al modelo yt = yt 1 + t :
yt = yt
donde =
+ t
= yt 1 + t
= c + yt 1 + t
= c + t + yt 1 + t
Sesin 3
Febrero 2014
13 / 23
Test de Dickey-Fuller
Sesin 3
Febrero 2014
14 / 23
Sumando y restando ap yt
yt = a0 + a1 yt
+ ...
1 yt p +1
+ ap yt
+ t
p +1 :
+ ... + (ap
+ ... + ap
+ ap ) yt
+ a p ) yt
( ap
p +1
ap yt
p +1
+ t
p +2 :
+ ap ) yt
p +2
ap yt
p +1
+ t
yt = a0 + yt
+ i yt
i +1
+ t
i =2
donde =
Jorge Rodas (INFOPUC)
(1
p
i = 1 ai ) y i =
Sesin 3
j = i aj
Febrero 2014
15 / 23
2
3
4
5
Sesin 3
Febrero 2014
16 / 23
Cambio Estructural
Cuando hay cambio estructural en la serie, los estadsticos
Dickey-Fuller se sesgan hacia el no rechazo de la hiptesis nula.
Perron (1989) desarrolla una procedimiento formal para vericar la
existencia de raz unitaria en la presencia de cambio estructural en el
periodo t = + 1. Las hiptesis nula y alternativa son:
H0 : yt = a0 + yt
+ 1 DP + t
H1 : yt = a0 + a2 t + 2 DL + t
donde DP = 1 si t = + 1 y cero de otro modo y DL = 1 si t > y
cero de otro modo.
Perron (1989) desafa los resultados de Nelson y Plosser (1982)
encontrando que la mayora de series macro no tienen raz unitaria
sino son estacionarias en tendencia con cambio estructural.
El procedimiento de Perron asume que la fecha de quiebre es
conocida. El test de Zivot y Andrews (1992) admite una fecha de
quiebre desconocida.
Jorge Rodas (INFOPUC)
Sesin 3
Febrero 2014
17 / 23
Potencia
La potencia de una prueba es la probabilidad de rechazar una
hiptesis nula falsa.
El test D-F tiene baja potencia para distinguir entre un random walk
con drift y un proceso estacionario en tendencias. De igual modo,
cuando el coeciente autorregresivo es cercano a uno, el test no
rechazar la hiptesis nula de raz unitaria.
La incorrecta especicacin de la ecuacin autorregresiva (inclusin o
no de intercepto y tendencia determinstica) afecta la potencia del
test de D-F.
Las pruebas de raz unitaria son condicionales a la presencia de
regresores determinsticos y las pruebas para la presencia de regresores
determinsticos son condicionales a la presencia de raz unitaria.
Sesin 3
Febrero 2014
18 / 23
Phillips-Perron (1988)
Kwiatkowski, Phillips, Schmidt y Shin (1992). Aqu la hiptesis nula
es que la serie es estacionaria.
Elliot, Rothenberg y Stock (1996)
Ng-Perron (2001)
Sesin 3
Febrero 2014
19 / 23
Descomposicin de Beveridge-Nelson
Es posible descomponer una serie en sus componentes transitorios
(ciclo) y permanentes (tendencia)?
Si la tendencia del PBI es estocstica, cmo podemos decir si el PBI
observado se encuentra encima o debajo de su tendencia?
Beveridge y Nelson (1981) usan la siguiente estrategia: sea yt un
proceso integrado de orden 1 tal que
yt = + C (L) t
donde C (L) es un polinomio de rezagos de orden q. Denamos
D (L) = C (L) C (1) . Como C (1) es constante D (L) tambin ser
de orden q, de donde:
D (1) = 0
entonces 1 es una raz de D (L) lo que nos permite hacer:
D (L) = C (L) (1
L)
1.
Sesin 3
Febrero 2014
20 / 23
Descomposicin de Beveridge-Nelson
Igualando D (L) = C (L)
C (L) = C (L) (1
L) :
L) + C (1)
y
yt = + C (L) t + C (1) t
Integrando obtenemos:
yt
Sesin 3
Febrero 2014
21 / 23
Descomposicin de Beveridge-Nelson
Example
Considere el proceso IMA(1,1):
yt = t + t
1,
0<<1
C (L)
1
C (1)
=
L
De donde:
yt = Ct + TRt =
t + (1 + ) zt
Problem
Encuentre la descomposicin Beveridge-Nelson del ARIMA(1,1,1):
yt = yt
Jorge Rodas (INFOPUC)
+ t + t
Sesin 3
1
Febrero 2014
22 / 23
Filtro de Hodrick-Prescott
El ltro de Hodrick-Prescott (HP) calcula la tendencia de una serie
minimizando la siguiente funcin de prdida:
T
(yt
t =1
TRt )2 +
[(TRt +1
TRt )
(TRt
TRt
1 )]
t =2
Sesin 3
Febrero 2014
23 / 23