You are on page 1of 7

Econometr

a II Prctica
1
Profesor: Ernesto Sheriff, Ph.D.(c)
1.

Construya su propio simulador de series de tiempo en Excel! Para ello


simule el siguiente modelo ARIMA(3,1,2) mensual para el periodo
1960m01 a 2015m12, no olvide ajustar los valores iniciales de la
variable dependiente.

zt 0.1 0.5 zt 1 0.3 zt 2 0.2 zt 3 0.5ut 1 0.3ut 2 ut


ut ~ N (0, 1)
a.

Exporte la serie simulada a Eviews o el paquete economtrico


de su preferencia y demustrese (a s mismo) que los residuos
son esfricos.
b. Son significativos todos los parmetros estimados? Qu ms puede
decir al respecto?
c. Qu tipo de convergencia existe en este PGD? montona u oscilante?
por qu?
d. Pudo encontrar un mejor modelo que el estimado? Qu implicara
encontrar un mejor modelo diferente al PGD propuesto?
2.

3.

Tome la serie Y de la base de datos practica_01 de la pgina web del


curso y responda las siguientes preguntas:
a. Grafique la serie Y descrbala detalladamente.
b. Determine si la serie es estacionaria o no y el tipo de tendencia
en caso de que la misma sea no estacionaria.
c. Estime el modelo ARIMA(p,d,q) correspondiente y muestre
con detalle las propiedades de sus residuos.
d. Analice las races del proceso y muestre en un grfico el
correlograma original y el estimado por el modelo. Es satisfactorio
el mismo?
e. Cunto tiempo tarda en agotarse un shock en esta variable?

Sea el siguiente proceso estocstico univariante


(examen 2012):

Yt 0.3yt 1 1.2 yt 2 t 0.2 t 1 1.4 t 2


a.

Identificar dicho modelo dentro de la categora AR, MA y escribirlo


en la notacin de retardos B.
b. Calcular su media.
c. Determinar si el proceso es estacionario e invertible.
4.

Sea el siguiente proceso estocstico univariante con varianza de los


residuos igual a 1 (examen 2012):

Yt 0.6 yt 1 t 0.8 t 1
a.
b.
5.

Determine las autocovarianzas hasta el orden 3.


Determine los coeficientes de autocorrelacin hasta el orden 3.

Se estim el siguiente
modelo

Dependent Variable: D(LNCBRUTA)

Included observations: 115 after adjustments


Convergence achieved after 26 iterations

1
MA Backcast: 1994M01 1994M05
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(1)
AR(2)
AR(3)
AR(4)
MA(1)
MA(2)
MA(3)
MA(4)
MA(5)

-0.000127
-0.949686
-0.077146
0.771634
0.881139
1.380732
0.719012
-0.388393
-0.977506
-0.289040

0.003831
0.067547
0.106288
0.099345
0.063378
0.124251
0.211399
0.244125
0.201500
0.113361

-0.033176
-14.05961
-0.725824
7.767179
13.90285
11.11244
3.401206
-1.590961
-4.851141
-2.549721

0.9736
0.0000
0.4696
0.0000
0.0000
0.0000
0.0010
0.1146
0.0000
0.0122

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Inverted AR Roots
Inverted MA Roots

0.372840
0.319083
0.009946
0.010387
372.2712
6.935698
0.000000
.93
.81
-.97

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

-.45-.87i
-.37

-.45+.87i
-.43-.90i

0.001676
0.012053
-6.300369
-6.061680
-6.203486
1.983017

-.99
-.43+.90i

El correlograma, correlograma de residuos al cuadrado y test de normalidad son


los siguientes:

2
Sample: 1994M06 2003M12
Included observations: 115
Autocorrelation
.|.
.|.
.|.
.|.
*|.
.|*
.|.
.|.
.|.
*|.
.|*
.|*
.|*
*|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.|.
.|.
*|.
.|*
.|.
.|.
.|.
*|.
.|*
.|.
.|*
*|.
.|.
.|*
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

0.001
-0.047
-0.016
0.055
-0.096
0.098
0.022
0.052
0.004
-0.066
0.168
0.078
0.137
-0.152
0.012
0.037
0.039
-0.046

PAC

Q-Stat

Prob

0.001
-0.047
-0.016
0.053
-0.098
0.105
0.013
0.057
0.019
-0.083
0.198
0.052
0.170
-0.159
0.001
0.075
-0.010
0.005

0.0001
0.2643
0.2962
0.6683
1.7951
2.9739
3.0328
3.3788
3.3805
3.9395
7.6066
8.3913
10.872
13.951
13.972
14.158
14.365
14.663

0.047
0.022
0.039
0.028
0.016
0.030
0.048
0.073
0.101

PAC

Q-Stat

Prob

0.288
0.044
0.016
-0.046
-0.076
0.022
-0.101
-0.065
0.031
-0.112
-0.013
0.063
-0.083
-0.152
-0.040
-0.087
-0.034
-0.114

9.8016
11.606
12.060
12.089
12.887
12.969
14.436
16.219
16.351
18.074
18.774
18.941
19.241
22.379
23.369
25.453
26.532
27.945

0.000
0.000
0.000
0.001
0.000
0.001
0.001
0.001
0.001

Sample: 1994M06 2003M12


Included observations: 115
Autocorrelation
.|**
.|*
.|.
.|.
*|.
.|.
*|.
*|.
.|.
*|.
*|.
.|.
.|.
*|.
*|.
*|.
*|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|**
.|.
.|.
.|.
*|.
.|.
*|.
.|.
.|.
*|.
.|.
.|.
*|.
*|.
.|.
*|.
.|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

0.288
0.123
0.062
-0.015
-0.081
-0.026
-0.108
-0.119
-0.032
-0.116
-0.074
0.036
-0.048
-0.153
-0.086
-0.124
-0.089
-0.101

3
14

Series: Residuals

Sample 1994M06 2003M12


Observations 115

12
10

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

8
6
4
2
0
-0.02

Jarque-Bera
Probability

-0.01

0.00

0.01

0.02

0.652652
0.721570

Los grficos impulso respuesta son los siguientes

.012

Impulse Response 2 S.E.


.008
.004
.000
-.004
2

10

12

14

.06

Accumulated Response 2 S.E.


.04

16

18

20

22

24

-0.000154
0.000553
0.025085
-0.025901
0.009544
-0.178848
2.909122

.02
.00
2

10

12

14

16

18

20

22

24

a. Exprese el modelo en la forma


ARMA(p,q). b. Determine si los
residuos son esfricos.
c.
Determine si existen races unitarias en la parte AR y
en la parte MA. d. Qu implicacin tiene la existencia de
races unitaria en la parte MA? e. Qu implicacin tiene
la existencia de races unitaria en la parte AR? f.
Analice
el grfico de impulso respuesta, cules son sus
conclusiones?

6.

4
Control de lectura 1. Describa el test KPSS, su utilidad y sus limitaciones.

7.

Encuentre el mejor modelo para la serie X1 del archivo practica_01.


Explique todo el proceso, haga la evaluacin del modelo y efecte una
prediccin fuera de la muestra para el periodo enero 2016 junio 2016.

8.

Encuentre el mejor modelo para la serie X2 del archivo practica_01.


Explique todo el proceso, haga la evaluacin del modelo y efecte una
prediccin fuera de la muestra para el periodo enero 2016 junio 2016.

9.

Encuentre el mejor modelo para la serie X3 del archivo practica_01.


Explique todo el proceso, haga la evaluacin del modelo y efecte una
prediccin fuera de la muestra para el periodo enero 2016 junio 2016.

10. Sea el siguiente proceso estocstico

Yt 0.5 t 0.7 t 1

t N (0,1)
a. La varianza de Y es 0.5
b. La varianza de Y es
mayor que 1 c. El proceso Y
tiene media no nula
d. El proceso Y es estacionario pero no invertible
e. La autocorrelacin simple de orden del proceso Y toma un valor de
0.7
f. La autocorrelacin simple de orden del proceso Y toma un
valor menor que 0.5 g. La autocorrelacin parcial de orden 2 es
distinta de cero
Establezca con una MUY detallada justificacin cul es la respuesta correcta.
Del mismo modo justifique por qu cada una de las restantes es falsa.
11. En la base de datos practica_01 disponible en la pgina web del curso se
encuentran la serie mensual Z, la misma que tiene las siguientes
propiedades: es integrada de orden 2 I(2) cuyo proceso generador de
datos viene dado por

2 zt 0.01 0.52 zt 1 0.8ut 1 ut

ut ~ N (0,
0.1)
a. Exprese el PGD de la variable Z en la notacin
ARIMA(p,d,q). b. Determine si la memoria de
D(Z,2) es corta, larga o infinita.
c. Grafique con los datos disponibles la serie y haga una descripcin de
ella
d. Mediante test de raz unitaria demuestre que efectivamente Z es I(2) y
cuya tendencia es estocstica. Trabaje con el test ADF y de ser
necesario con el test Phillips Perron.
e. Analice el correlograma de D(Z,2) y verifique si realmente corresponde
a un proceso
ARMA(1,1). Comente ampliamente su respuesta.
f. Estime el modelo correspondiente al PGD es decir D(Z,2) con un
modelo ARMA(1,1) y verifique si los residuos son esfricos y la forma
funcional lineal es vlida.
g. Qu diferencias encontr respecto del PGD que usted dispone.
Exponga en funcin de las lecturas realizadas.
h. Realice una prediccin dentro de la muestra de 4 trimestres y
evale la calidad de la misma.
5

12. Haciendo uso de un simulador simule un modelo ARIMA(1,1,1), exprtelo


a algn programa automtico (Crystal ball o Eviews) y deje que el
paquete busque el mejor modelo. Compare el modelo encontrado por el
paquete automtico y el verdadero generado por usted. Comente las
diferencias.
13. Idem que lo anterior para un modelo ARMA(1,2) con tendencia
determinstica.
14. Idem que 12 para un modelo ARIMA(3,2,2).

You might also like