You are on page 1of 25

Modelos ARMA (Parte II)

Prof. Luis García N.


Proceso AR(p)
• AR(p): 𝑌𝑡 = 𝑐 + 𝜙1 𝑌𝑡−1 + 𝜙2 𝑌𝑡−2 + ⋯ + 𝜙𝑝 𝑌𝑡−𝑝 + 𝜀𝑡

𝑌𝑡 − 𝜇 = 𝜙1 (𝑌𝑡−1 − 𝜇) + 𝜙2 (𝑌𝑡−2 − 𝜇) + ⋯ + 𝜙𝑝 (𝑌𝑡−𝑝 − 𝜇) + 𝜀𝑡

Media:
𝑐
𝐸 𝑌𝑡 = 𝜙1 + 𝜙2 + ⋯ + 𝜙𝑝 ≠ 1
1−𝜙1 −𝜙2 −⋯−𝜙𝑝

Varianza: multiplico el AR(p) en desvíos por (𝑌𝑡 − 𝜇) y tomo 𝐸[. ]

𝛾0 = 𝜙1 𝛾1 + 𝜙2 𝛾2 + ⋯ + 𝜙𝑝 𝛾𝑝 + 𝜎 2

2
Proceso AR(p)
Autocovarianzas:
Multiplico el AR(p) en desvíos por (𝑌𝑡−1 − 𝜇) y tomo 𝐸[∙]
𝛾1 = 𝜙1 𝛾0 + 𝜙2 𝛾1 + 𝜙3 𝛾2 … + 𝜙𝑝 𝛾𝑝−1 (1)
Multiplico el AR(p) en desvíos por otros rezagos y tomo 𝐸[∙]
𝛾2 = 𝜙1 𝛾1 + 𝜙2 𝛾0 + 𝜙3 𝛾1 … + 𝜙𝑝 𝛾𝑝−2 (2)

𝛾𝑝 = 𝜙1 𝛾𝑝−1 + 𝜙2 𝛾𝑝−2 + ⋯ + 𝜙𝑝 𝛾0 (p)

𝛾𝑠 = 𝜙1 𝛾𝑠−1 + 𝜙2 𝛾𝑠−2 + ⋯ + 𝜙𝑝 𝛾𝑠−𝑝 para 𝑠 ≥ 𝑝 + 1


De ecs. (1)-(p) se obtienen 𝛾1 , 𝛾2 , … , 𝛾𝑝 en función de 𝛾0 .

3
Proceso AR(p)
• Dividiendo todo entre 𝛾0 tenemos las autocorrelaciones
𝜌1 = 𝜙1 + 𝜙2 𝜌1 + 𝜙3 𝜌2 … + 𝜙𝑝 𝜌𝑝−1 (1)
𝜌2 = 𝜙1 𝜌1 + 𝜙2 𝜌0 + 𝜙3 𝜌1 … + 𝜙𝑝 𝜌𝑝−2 (2) Ecuaciones
de Yule-
⋮ Walker
𝜌𝑝 = 𝜙1 𝜌𝑝−1 + 𝜙2 𝜌𝑝−2 + ⋯ + 𝜙𝑝 (p)

𝜌𝑠 = 𝜙1 𝜌𝑠−1 + 𝜙2 𝜌𝑠−2 + ⋯ + 𝜙𝑝 𝜌𝑠−𝑝 para 𝑠 ≥ 𝑝 + 1

• Las ecuaciones de Yule-Walker se resuelven simultáneamente


para obtener 𝜌1 , 𝜌2 , … , 𝜌𝑝 .

4
Estacionariedad del proceso MA
• La propiedad de estacionariedad se cumple dependiendo de
los valores de los parámetros.
• En el caso de los MA(q), se requiere que la suma del valor
absoluto de los 𝜃 sea menor que ∞

|𝜃𝑗 | < ∞
𝑗=0
Lo que es lo mismo que
𝑞

|𝜃𝑗 | < ∞
𝑗=0
Asumiendo 𝜃0 = 1.

5
Estacionariedad del proceso AR
• Para estudiar la estacionariedad de los procesos AR usaremos
el operador de rezagos “L”.
𝐿𝑌𝑡 = 𝑌𝑡−1 𝐿2 𝑌𝑡 = 𝐿 𝐿𝑌𝑡 = 𝐿𝑌𝑡−1 = 𝑌𝑡−2
𝐿𝑐 = 𝑐 𝐿𝑗 𝑌𝑡 = 𝑌𝑡−𝑗
• Luego, el proceso AR(p) usando L es
𝑌𝑡 = 𝑐 + 𝜙1 𝐿𝑌𝑡 + 𝜙2 𝐿2 𝑌𝑡 + ⋯ + 𝜙𝑝 𝐿𝑝 𝑌𝑡 + 𝜀𝑡
𝑌𝑡 − 𝜙1 𝐿𝑌𝑡 − 𝜙2 𝐿2 𝑌𝑡 − ⋯ − 𝜙𝑝 𝐿𝑝 𝑌𝑡 = 𝑐 + 𝜀𝑡

1 − 𝜙1 𝐿 − 𝜙2 𝐿2 − ⋯ − 𝜙𝑝 𝐿𝑝 𝑌𝑡 = 𝑐 + 𝜀𝑡
Φ(𝐿)

6
Estacionariedad del proceso AR
• Φ(𝐿) es un polinomio de grado p. Para que el AR(p) sea
estacionario, las raíces del polinomio (soluciones de Φ 𝐿 =
0) deben caer fuera del círculo unitario (valor absoluto > 1).
• Por ejemplo, si las raíces son complejas, 𝑎 ± 𝑏𝑖,
imaginario
1

b
𝑎2 + 𝑏2 > 1
-1 1 real
a

-1

7
Estacionariedad del proceso AR
• Ejemplo: En el AR(1)
𝑌𝑡 = 𝑐 + 𝜙𝑌𝑡−1 + 𝜀𝑡
𝑌𝑡 = 𝑐 + 𝜙𝐿𝑌𝑡 + 𝜀𝑡
(1 − 𝜙𝐿)𝑌𝑡 = 𝑐 + 𝜀𝑡
1
• Φ 𝐿 = 1 − 𝜙𝐿 cuya solución es 𝐿 = .
𝜙
• 𝐿 > 1 equivale a decir que 𝜙 < 1. Es lo mismo que la
condición de estabilidad de la ecuación en diferencias.

8
Estacionariedad del proceso AR
• Ejemplo: En el caso AR(2), el polinomio es Φ 𝐿 = 1 − 𝜙1 𝐿 −
𝜙2 𝐿2 , cuyas raíces son

−𝜙1 ± 𝜙12 + 4𝜙2


𝐿1,2 =
2𝜙2

Se puede comprobar que, por ejemplo, si 𝜙1 + 𝜙2 = 1,


entonces una de las raíces es igual a 1, y por lo tanto no sería
estacionario.

9
Invertibilidad de los procesos AR
• Un proceso 𝐴𝑅(𝑝) es invertible si puede ser expresado como
un proceso 𝑀𝐴(∞) estacionario.

• Por ejemplo, el proceso AR(1) puede representarse como un


𝑀𝐴(∞) mediante reemplazos sucesivos.
𝑌𝑡 = 𝑐 + 𝜙𝑌𝑡−1 + 𝜀𝑡
Rezagando 𝑌𝑡−1 = 𝑐 + 𝜙𝑌𝑡−2 + 𝜀𝑡−1
Reemplazando 𝑌𝑡 = 𝑐 + 𝜙(𝑐 + 𝜙𝑌𝑡−2 + 𝜀𝑡−1 ) + 𝜀𝑡
𝑌𝑡 = 𝑐 + 𝜙𝑐 + 𝜙 2 𝑌𝑡−2 + 𝜀𝑡 + 𝜙𝜀𝑡−1
Rezagando nuevamente y reemplazando
𝑌𝑡 = 𝑐 + 𝜙𝑐 + 𝜙 2 𝑐 + 𝜙 3 𝑌𝑡−3 + 𝜀𝑡 + 𝜙𝜀𝑡−1 + 𝜙 2 𝜀𝑡−2

10
Invertibilidad de los procesos AR
• Repitiendo este proceso al infinito
𝑌𝑡 = 𝑐 1 + 𝜙 + 𝜙 2 … + 𝜙 ∞ 𝑌𝑡−∞ + 𝜀𝑡 + 𝜙𝜀𝑡−1 + 𝜙 2 𝜀𝑡−2 …
=0
𝑐
𝑌𝑡 = + 𝜀𝑡 + 𝜙𝜀𝑡−1 + 𝜙 2 𝜀𝑡−2 + ⋯
1−𝜙

𝑐
𝑌𝑡 = + 𝜙 𝑗 𝜀𝑡−𝑗
1−𝜙
𝑗=0

𝑐
• Esto es un 𝑀𝐴 ∞ estacionario donde 𝜇 = , y se cumple
1−𝜙
∞ 𝑗|
que 𝑗=0 |𝜙 < ∞.

11
Invertibilidad de los procesos AR
• Otra forma de hacer lo mismo es utilizando el operador de
rezagos y la función Φ(𝐿).
(1 − 𝜙𝐿)𝑌𝑡 = 𝑐 + 𝜀𝑡
Asumiendo 𝜙 < 1 (estacionariedad), el polinomio puede
invertirse así
1
𝑌𝑡 = (𝑐 + 𝜀𝑡 )
(1 − 𝜙𝐿)
𝑌𝑡 = 1 + 𝜙𝐿 + 𝜙 2 𝐿2 + ⋯ (𝑐 + 𝜀𝑡 )

Como 𝐿𝑐 = 𝑐, queda
𝑌𝑡 = 𝑐 1 + 𝜙 + 𝜙 2 … + 𝜀𝑡 + 𝜙𝜀𝑡−1 + 𝜙 2 𝜀𝑡−2 …

12
Invertibilidad de los procesos AR
• Con lo que queda

𝑐
𝑌𝑡 = + 𝜙 𝑗 𝜀𝑡−𝑗
1−𝜙
𝑗=0
• Un proceso AR es estacionario si y solo si es invertible.

• Teorema de Wold: Cualquier proceso débilmente estacionario


puede ser expresado como un proceso MA.

13
Invertibilidad de los procesos MA
• En el caso de los procesos MA, también pueden ser invertidos
en procesos 𝐴𝑅 ∞ estacionarios.
𝑌𝑡 = 𝜇 + 𝜀𝑡 + 𝜃1 𝜀𝑡−1 + ⋯ + 𝜃𝑞 𝜀𝑡−𝑞
𝑌𝑡 = 𝜇 + (1 + 𝜃1 𝐿 + ⋯ + 𝜃𝑞 𝐿𝑞 )𝜀𝑡
𝑌𝑡 = 𝜇 + Θ 𝐿 𝜀𝑡
• Si las raíces de Θ 𝐿 = 0 caen fuera del círculo unitario,
entonces podemos invertir el 𝑀𝐴(𝑞) en

1 1
𝑌𝑡 = 𝜇 + 𝜀𝑡
Θ 𝐿 Θ 𝐿

14
Invertibilidad de los procesos MA
• Por ejemplo, en un MA(1): 𝑌𝑡 = 𝜇 + 𝜀𝑡 + 𝜃𝜀𝑡−1

1 1
𝑌𝑡 = 𝜇 + 𝜀𝑡
1 + 𝜃𝐿 1 + 𝜃𝐿

𝜇
1 − 𝜃𝐿 + 𝜃 2 𝐿2 − 𝜃 3 𝐿3 + ⋯ 𝑌𝑡 = + 𝜀𝑡
1+𝜃

Esto es un 𝐴𝑅(∞).

15
Invertibilidad de los procesos MA
• Notar que en el caso de los MA, las condiciones para
estacionariedad no son las mismas que las de invertibilidad.

• De hecho, si el MA es invertible ⇒ es estacionario


• Pero, si el MA es estacionario no necesariamente es invertible

• Por ejemplo, 𝑌𝑡 = 𝜇 + 𝜀𝑡 − 𝜀𝑡−1 es estacionario pero no es


invertible.

16
El modelo ARMA
• Contiene características de ambos modelos.
• Podemos escribirlos como
• ARMA(p,q):
Φ 𝐿 𝑌𝑡 = 𝑐 + Θ(𝐿)

• Se puede obtener la función de autocorrelación


(correlograma), la cual será similar a la de la parte AR pero
con una “deformación” en el rezago q.

• ARMA(1,1): 𝑌𝑡 = 𝑐 + 𝜙𝑌𝑡−1 + 𝜀𝑡 + 𝜃𝜀𝑡−1

17
El modelo ARMA
• La media es:
• 𝐸[𝑌𝑡 ] = 𝑐 + 𝜙𝐸[𝑌𝑡−1 ] + 𝐸[𝜀𝑡 ] + 𝜃𝐸[𝜀𝑡−1 ]
𝑐
𝜇 = 𝑐 + 𝜙𝜇  𝜇= igual que el AR(1)
1−𝜙

• En desviaciones, el ARMA(1,1) es
𝑌𝑡 − 𝜇 = 𝜙(𝑌𝑡−1 − 𝜇) + 𝜀𝑡 + 𝜃𝜀𝑡−1

Se puede comprobar que


𝛾0 = 𝐸 𝑌𝑡 − 𝜇 2 = 𝜙 2 𝛾0 + 𝜎 2 + 𝜃 2 𝜎 2 + 2𝜙𝜃

18
El modelo ARMA
𝜎 2 (1 + 𝜃 2 + 2𝜙𝜃)
𝛾0 =
1 − 𝜙2
Autocovarianzas:
𝛾1 = 𝐸 𝑌𝑡 − 𝜇 𝑌𝑡−1 − 𝜇
= 𝜙𝐸 𝑌𝑡−1 − 𝜇 2 + E 𝜀𝑡 𝑌𝑡−1 − 𝜇 + 𝜃𝐸[𝜀𝑡−1 𝑌𝑡−1 − 𝜇 ]
=0
= 𝜙𝛾0 + 𝜃𝜎 2

𝛾2 = 𝐸 𝑌𝑡 − 𝜇 𝑌𝑡−2 − 𝜇 =
= 𝜙𝐸 (𝑌𝑡−1 − 𝜇)(𝑌𝑡−2 − 𝜇) + E 𝜀𝑡 𝑌𝑡−2 − 𝜇
=0
+ 𝜃 𝐸 𝜀𝑡−1 𝑌𝑡−2 − 𝜇 = 𝜙𝛾1
=0

19
El modelo ARMA
• 𝛾𝑗 = 𝜙𝛾𝑗−1 ∀𝑗 ≥ 2 igual que el AR(1)

• Las autocorrelaciones,
𝛾1 𝜃(1−𝜙2 )
• 𝜌1 = =𝜙 +
𝛾0 1+𝜃2 +2𝜙𝜃
• 𝜌𝑗 = 𝜙𝜌𝑗−1 ∀𝑗 ≥ 2

20
El modelo ARMA
• Ejemplo: 𝑌𝑡 = 0.5𝑌𝑡−1 + 2 + 𝜀𝑡 + 𝜀𝑡−1
(s) Correlograma ARMA(1,1)
1

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5 6
Rezago S

21
El modelo ARMA
• Ejemplo: 𝑌𝑡 = 0.5𝑌𝑡−1 + 2 + 𝜀𝑡 − 𝜀𝑡−1
(s) Correlograma ARMA(1,1)
1
0.8
0.6
0.4
0.2
0
-0.2 0 1 2 3 4 5 6
-0.4

Rezago S

22
Función Impulso Respuesta de los
modelos ARMA
• Otra característica de estos procesos es que presentan
“reversión a la media”.

• Esto quiere decir que ante un shock que afecte a la serie, ésta
a la larga vuelve a su nivel promedio.

• Eso se puede ver con las funciones “impulso-respuesta”.

• Esta función muestra la reacción de la serie ante un shock


unitario y transitorio, manteniendo todo lo demás constante.

23
Función Impulso Respuesta de los
modelos ARMA
• En el caso AR, los valores de esta función se obtienen de la
representación 𝑀𝐴(∞). Para los MA son los valores de los 𝜃.
• Por ejemplo, en el modelo AR(1): 𝑌𝑡 = 𝑐 + 𝜙𝑌𝑡−1 + 𝜀𝑡
• Supongamos que 𝜀𝑡 es cero en todo momento, excepto en un
periodo en donde toma el valor de 1.

… t -2 t -1 t t +1 t +2 …
𝜀𝑡 … 0 0 1 0 0 …
𝑌𝑡 … 𝑐 𝑐 𝑐 𝑐 𝑐 …
+1 +𝜙 + 𝜙2
1−𝜙 1−𝜙 1−𝜙 1−𝜙 1−𝜙

24
𝑌𝑡 Función Impulso
Respuesta de un
AR(1)

𝑐
1−𝜙

Tiempo
t
25