Gua de Ejercicios 2

Econometra II

1.- Para el siguiente proceso :

donde es un ruido blanco con varianza 1.

a) Calcule la media y la varianza marginal y condicional del proceso. Compare los valores
marginales y condicionales.

Media marginal:
Tomando esperanzas en la ecuacin se llega a dado que un proceso ruido
blanco tiene esperanza cero.
Media condicional: suponemos que conocemos el valor de .
Luego, la esperanza condicional ser

Varianza marginal: .
Varianza condicional: el valor de se conoce con certeza por lo que su varianza
es cero. Por lo tanto

Comparacion: la varianza condicional siempre toma un valor menor que la marginal

dado que conocer el pasado mas cercano reduce la incertidumbre sobre la dinmica
de la serie. Sin embargo, no puede decirse que la media condicional sea mayor o
menor que la marginal. Eso depender del valor sobre el que se condiciona en t-1.

b) Calcule la covarianza y funcin de autocorrelacin del proceso hasta el perodo 4.

Autocovarianzas

Autocorrelaciones: en general se sabe que

En general, la funcin de autocorrelacion de este proceso decrecer de forma

exponencial acercndose progresivamente a cero.
 Funcion de autocorrelacion
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12 13

2.- Sea el siguiente proceso autorregresivo de orden 2:

donde es un proceso de varianza 1.

a) Calcule la media y la varianza marginal de este proceso.

Media marginal:
Tomando esperanzas en la ecuacin se llega a

Para calcular la varianza marginal primero escribimos el modelo en forma de

desviaciones respecto a la media

La varianza se obtiene como

[
]

De aqu se obtiene la expresin para la varianza

b) Es estacionario este proceso? Justifique.

Para que el proceso sea estacionario las races de la ecuacin

deben estar fuera del circulo unidad.

{
Por el que el proceso puede considerarse estacionario.

3. Dados los dos siguientes procesos estocsticos:

donde t es un proceso ruido blanco con varianza 2

a) Clasifique ambos modelos dentro de la familia ARI(p,d) y escrbalos usando el operador de

retardos.
El proceso (a) es un ARI(0,1)
El proceso (b) es un ARI(2,0)

b) Discuta las propiedades de estacionariedad de cada uno de los procesos y en su caso

obtenga la transformacin estacionaria de la variable original.

El proceso (a) es claramente no estacionario al ser una de las races igual a la unidad.
Las races del proceso (b) son
{
Una de las races esta dentro del circulo unicad por lo que seria explosivo y no estacionario.
b) Seale las caractersticas evolutivas en el nivel de las series temporales generadas por el
proceso (a).
El proceso es un paseo aleatoria con deriva. Seria un proceso con crecimiento sistematico
determinista de 0.3 unidades en cada periodo t mientras el nivel de la serie estara afectado
por innovaciones estocsticas.

4. En el anlisis econmico se emplean con mucha frecuencia variables que se obtienen por la
agregacin de otras variables. Este es el caso, por ejemplo, del PIB o del IPC. Este ejercicio
pretende ilustrar que la agregacin de procesos estocsticos puede generar esquemas de
autocorrelacin ms complejos que los que tienen los procesos desagregados.
Considere a este respecto dos procesos xt e y t cuya evolucin temporal viene descrita
por un esquema AR(1) estacionario, es decir:
xt 1 xt 1 ut , 1 1
yt 2 yt 1 vt , 2 1

dondeut y vt son procesos ruido blanco que se distribuyen independientemente.

Compruebe que el proceso zt xt yt es:

a) Un proceso AR(1) si
1 2
b) Un proceso ARMA(2,1) en general. (Pista: calcule las autocovarianzas de la parte MA del
proceso)

(c) Un proceso AR(2) si 1 2 y u2 v2 .

Solucin
Dado
ut
xt 1 xt 1 ut xt
1 1 L
vt
yt 2 yt 1 vt yt
1 2 L

Tenemos

ut vt (1 2 L)ut (1 1 L)vt
zt xt yt zt (1)
1 1 L 1 2 L (1 1 L)(1 2 L)

Apartado a)

Si 1 2 obtenemos de [1] que z t es un AR(1).

Efectivamente:
ut vt
zt 1 1 L) zt t con t ut vt ruido blanco dado que es la suma de
(1 1 L)
dos procesos ruido blanco.

Apartado b)
En (1) se aprecia que hay un componente AR (denominador de la expresin) y un
componente MA (numerador de la expresin).
Componente AR:

(1 1 L)(1 2 L) zt 1 1 2 L 1 2 L2 zt AR(2)
Componente MA:
wt (1 2 L)ut (1 1 L)vt . Veamos que presenta una estructura MA(1), para ello
calculamos la funcin de autocovarianzas
1 C ( wt , wt 1 ) Eut 2ut 1 vt 1vt 1 ut 1 2ut 2 vt 1 1vt 2

2 E ut21 1 E vt21 2 u2 1 v2
2 C ( wt , wt 2 ) Eut 2 ut 1 vt 1vt 1 ut 2 2 ut 3 vt 2 1vt 3 0

k C ( wt , wt k ) Eut 2ut 1 vt 1vt 1 ut k 2ut k 1 vt k 1vt k 1 0 k 1

Efectivamente presenta la estructura de autocorrelacin de un MA(1).

En definitiva hemos comprobado que z t presenta una estructura ARMA(2,1)
Apartado c)
Consideremos que 1 2 y u2 v2 . Eso supone que no hay estructura MA(1) en el
proceso. Ahora 1 2 u2 1 v2 0 , luego slo tengo estructura AR(2).

5.- Sean los siguientes correlogramas de dos diferentes procesos:

a) De qu procesos cree que son este correlograma? Por qu?

b) Escriba cada un modelo tentativo para este proceso asumiendo que su media es 3.

Solucion

a) El proceso podra ser un AR(1) porque la FAC decrece alternando sus signos, y la FACP
tiene un pico significativo en el primer perodo, y luego tiene valores cercanos a cero, o no
significativos.
b) Un posible modelo podra ser :
6. Considere la serie mensual del ndice de ventas de supermercados para el periodo 1991:01-
2007:06. La serie necesita una diferencia regular y una diferencia estacional para convertirse en
estacionaria. Una vez hecho esto, la serie tiene el siguiente grfico y correlograma:

.10

.05

.00

-.05

-.10

-.15
1992 1994 1996 1998 2000 2002 2004 2006

D12INDICE
 a) Con la informacin proporcionada, considera que podra tratarse de una serie
estacionaria?. Justifique su respuesta.

b) Proponga uno o ms modelos que le parezcan adecuados para representar la serie,

justificando cada uno de ellos.

c) Si propone dos modelos o ms, que criterio utilizara para elegir entre uno u otro?
Comente.

Solucion
a) Tal y como dice el enunciado, la serie en el nivel no es estacionaria. Una vez tomadas
una diferencia regular y una estacional podria ser estacionaria dado que el grafico
muestra media constante. Ademas no resulta lgico tomar mas de dos diferencias para
series econmicas en ninguno de los casos.
b) Un primer modelo a proponer sera un ARIMA(2,1,0)x(1,1,0), ya que el correlograma
parcial muestra 2 picos significativos en la parte regular, y la parte estacional no es tan
clara ya que no hay picos significativos en el perodo 12, pero si los hay en el 13 y 14.
Adems el FAC tiene un decrecmiento oscilante entre valores negativos y positivos.
Otro modelo podra ser ARIMA(2,1,0), por las caractersticas de la FAC y la FACP ya
mencionadas, slo considerando la parte regular.
c) Suponiendo que los modelos propuestos son validos, ser mejor el que tenga un menor
valor en el criterio de Akaike o en el criterio de Schwartz, los cuales ponderan por un
lado la minimizacin de la suma de cuadrados residuales y por otro penaliza por los
nmeros de parmetros a estimar en el modelo.