Professional Documents
Culture Documents
=
Funcin de Autocorrelacin Simple (FAS)
Se define como la correlacin temporal entre y
t t j
y y
para todo j. Hace referencia al
componente MA de la serie.
Mg. William Richard Snchez Tapia 3
Funcin de Autocorrelacin Parcial (FAP)
Se define como la correlacin entre y
y t j
y y
una vez que se ha de contado el efecto
intermedio de y
t t s
y y
para todo s j < . Es decir la correlacin de
t
y sobre todos los
rezagos hasta el rezago j. Hace referencia al componente AR de la serie
Procesos Autoregresivos: AR(p)
1 1 2 2
...
t t t p t p t
y c y y y | | | c
= + + + + +
t
c Ruido Blanco
2 3
1 2 3
2 3
1 2 3
( ) ( ) ( ) ( ) ...
= ...
1
t t t t t
t t t t
y c c c c
c
c | c | c | c
c uc u c u c
|
= + + + + + + + +
(
+ + + + +
(
Media
1 2
( )
1 ...
t
p
c
E y
| | |
= =
Autocovarianzas
1 1 2 2
2
1 1 2 2
... para j=1,2,..
... para j=0
j j p j p
j
p p
| | |
| | | o
+ + +
=
`
+ + + +
)
Autocorrelaciones: Ecuaciones de Yule-Walker
1 1 2 2
0
... para j=1,2,..
j
i j j p j p
| | |
= = + + +
AR(1)
1 1 t t t
y c y | c
= + +
t
c Ruido Blanco
Media
( )
1
t
c
E y
|
= =
Varianza
Mg. William Richard Snchez Tapia 4
2
2
0 2
( )
1
t
E y
o
|
= =
Autocovarianzas
2
2
( )( )
1
j
j t t j j
E y y
|
o
|
(
= =
(
1
2
1 1 2
( )( )
1
t t j
E y y
|
o
|
(
= =
(
Autocorrelaciones
1
0
i
|
= =
En un proceso AR(1) la funcin impulso respuesta y la funcin de autocorrelacin coinciden.
Un proceso AR(1) se caracteriza por tener un FAS infinito y un FAP que se desvanece tras el
primer periodo. La presencia de un coeficiente menor a uno (0.8) garantiza que cualquier
shock que afecte a la serie en determinado momento se diluya rpidamente. La serie
presenta alta fluctuacin alrededor de su media.
t t t
y y c + =
1
8 . 0
Al ser el parmetro de persistencia positive (0.8), el FAP tiene primer coeficiente positivo. La
FAS deja de ser significativa a partir del periodo 2.
t t t
y y c + =
1
8 . 0
Mg. William Richard Snchez Tapia 5
Al ser el parmetro de persistencia negativo (-0.8), el FAP tiene primer coeficiente negativo.
AR(2)
1 1 2 2 t t t t
y c y y | | c
= + + +
Media
1 2
( )
1
t
c
E y
| |
= =
Varianza
2
2 2
0 1 1 2 2
2 2
2 2 1
(1 )
(1 ) (1 )
| o
| | o
| | |
= + + =
( +
Autocovarianzas
1 1 0
2 1 1 2 0
|
| |
=
= +
Autocorrelaciones
1
1
2
1
|
|
=
2 1 1 2
| | = +
1 2
0.5 0.3
t t t t
y y y c
= + +
Mg. William Richard Snchez Tapia 6
1 2
0.5 0.3
t t t t
y y y c
= + +
1 2
0.5 0.3
t t t t
y y y c
= +
1 2
0.5 0.3
t t t t
y y y c
= +
Mg. William Richard Snchez Tapia 7
Proceso Media Mviles
MA(q)
1 1 2 2
...
t t t t q t q
y c u c u c u c
= + + + + +
t
c Ruido Blanco
El trmino media mvil proviene del hecho que la serie
t
y se construye como una suma
ponderada de los q+1 valores mas recientes de c .
Media:
( )
t
E y =
Varianza:
2 2 2 2
0 1 2
(1 ... )
q
u u u o = + + + +
Autocovarianzas:
2
1 1 1 2
... . para j=1,2,...q
0 para j>q
j j j q q j
j
u u u u u u u o
+ +
( + + + +
=
`
)
MA(1)
1 t t t
y c uc
= + +
El trmino media mvil proviene del hecho que la serie
t
y se construye como una suma
ponderada de los dos valores mas recientes de c .
Media: ( )
t
E y =
Varianza:
2 2 2
0
( ) (1 )
t
E y u o = = +
Autocovarianzas:
Mg. William Richard Snchez Tapia 8
2
1 1
( )( )
0
t t
j
E y y uo
= =
=
Autocorrelaciones:
0
j
i
=
2
1 2 2
(1 )
uo
u o
=
+
2
0 =
1
+ =
t t Y t
y uc c
Un proceso MA(1) se caracteriza por tener una FAS infinita y un FAP que se desvanece tras
el primer rezago.
1
8 . 0
+ =
t t t
y c c
1
8 . 0
=
t t t
y c c
Mg. William Richard Snchez Tapia 9
MA(2)
1 1 2 2 t t t t
y c u c u c
= + + +
Media:
( )
t
E y =
Varianza:
2 2 2 2
0 1 2
( ) 1 .
t
E y u u o ( = = + +
Autocovarianzas:
| |
| |
2
1 1 1 2 1
2
2 2 2
3 4
( )( ) .
( )( ) .
... 0
t t
t t
E y y
E y y
u u u o
u o
= = +
= =
= = =
Autocorrelaciones:
0
j
i
=
| |
2
1 2 1
1 2 1
1 2 2 2 2 2
1 2 1 2
.
1 1 .
u u u o
u u u
u u u u o
+
+
= =
+ + ( + +
| |
2
2
2
2 2 2 2 2 2
1 2 1 2
.
1 1 .
u o
u
u u u u o
= =
+ + ( + +
1 2
0.5 0.3
t t t t
y c c c
=
Mg. William Richard Snchez Tapia 10
1 2
0.5 0.3
t t t t
y c c c
= + +
1 2
0.5 0.3
t t t t
y c c c
=
1 2
0.5 0.3
t t t t
y c c c
= +
Mg. William Richard Snchez Tapia 11
Procesos ARMA(p,q)
1 1 2 2 1 1 2 2
... ...
t t t p t p t t t q t q
y c y y y | | | c u c u c u c
= + + + + + + + + +
La estacionariedad de un proceso ARMA depende por completo de los parmetros
autoregresivos
1 2
( , ,..., )
p
| | | y no de los parmetros de media mvil.
Media
1 2
( )
1 ...
t
p
c
E y
| | |
= =
ARMA(1,1)
En una especificacin ARMA(1,1) el primer rezago del FAS y del FAP deben ser
significativos.
1 1
8 . 0 5 . 0
+ + =
t t t t
y y c c
1 1
8 . 0 5 . 0
+ =
t t t t
y y c c
Mg. William Richard Snchez Tapia 12
ARMA(2,1)
1 2 1
8 . 0 3 . 0 3 . 1
+ =
t t t t t
y y y c c
A pesar que se construyo una serie artificial ARMA(2,1) claramente se observa la posibilidad
de existencia de raz unitaria en la serie.
1 1
8 . 0
+ =
t t t t
y y c c
1 1
+ =
t t t
y y c
Mg. William Richard Snchez Tapia 13
2 1 2 1
4 . 0 5 . 0 6 . 0 8 . 0 6 . 0
+ + =
t t t t t t
y y trend y c c c