ECONOMETRIA Segunda edicién ALFONSO NOVALES CINCA Catedratico del Departamento de Economia Cuantitativa Facultad de Econémicas. Universidad Complutense Madrid‘Modelos de series temporales 469 o «0 “y | 7 | 1 oie COR be We a be FIGURA 13.36. Rosidvos del modelo de ocupados 10 os 00a ey 7 os a TST ere as) = 219 FIGURA 13.37. fos siduosccupades. _~FIGURA 13:38. fp residues ocupados EI signo positivo del coeficiente de L¥ en el polinomio AR (2) estacional sugiere nuevamente una estructura ciclica en esta variable, en coherencia con la idea de que el nimero de ocupados evoluciona con variables del ciclo econdmico, como cl PIB. De acuerdo con nuestras estimaciones, el periodo del ciclo en ocupados es de 5,75 afios, algo por encima del estimado con observaciones anuales para el PIB. PROBLEMAS Problema 13.1. Supongamos que se ha especificado y estimado un modelo ARIMA\(p, d, q) con d = 2, del que se han obtenido unas predicciones para los valo-470. Econometia res futuros de z,, donde z,= A*y,, Probar que las predicciones correspondientes a la variable original y, pueden recuperarse mediante la formula: Er¥ron= Yet kr = Yroa) + kEpzrys + (k= DErinys + + Ereren Problema 13.2. Probar que las predicciones de los valores futuros de una variable y, con estructura ARIMA(I, 1, 0) obedecen fa relacién: Exyrs1 = 3 +(1 + O)yr = O¥r-1 Ex¥re2 =52+ 9+ 046+ yp — G60 + Oye y, en general: Eq Vran= ErYroni + OErtreyn +8 donde z, = Ay, Utlizando este itimo resultado, probar que, segin tiende el horizonte de prediociOn k a infinito se espera que este proceso incremente a una tasa constante 3 ae. 6 Problema 13.3. Obtener las expresiones analiticas para las predicciones 1, 2, 3 y k petiodos hacia adelante en un proceso ARIMA(I, I. 1). Problema 13.4. Demostrar que el valor de $f... que minimiza la funcién objetivo Erlrvs — Srv?) €8 Shas = Erde Problema 13.8. Describir cémo se levaria a cabo la estimacién de un modelo ARMAQ, 1). Explicar la utilizacién de la expansi6n en serie de Taylor en este proceso, las variables auxiliares a construir, y el modelo lineal a estimar. Problema 13.6, Demostrar que la funcién de autocorrelacién de un proceso MA(@) viene dada por: = 94+ 8,0pe1 + + OyasDe a-of TROP BERL 2eoe ° sik>a Problema 13.7. Hallar la funcién de autocorrelacién de un proceso ARMA(2, 1) ‘como funcion de los parémetros de dicho proceso univariante Problema 13.8. Probar que las mismas expresiones para las predicciones de modelos, univariantes que aparecen en la Seccién 13.9 pueden obtenerse si se obtiene primero la «representacion de medias méviles» del modelo univariante: Wt Palins — Valin — Voting = Problema 13.9. Probar que si en la estimacién de un modelo MA(I) para la variable 1 los residuos u, presentan evidencia de seguir, a su vez, un proceso MA(1), el modeic ‘que deberia especificarse para la variable y, deberia ser un modelo MA(2). {Qué re:Modelos de series tomporales 471 lacién existiré entre 1os parimetros de los modelos previos para’y, yu, y el modelo especificado finalmente para y,? Problema 13.10. Explicar en detalle como puede utilizarse la funcién de autocorrela- cién simple para estimar los parimetros de un modelo AR(2), asi como la varianza de su término de error. Problema 13.11. Explicar la utilizacién de la funcién de autocorrelacién simple para estimar el parimetro de un modelo MA(I). {Cual es el rango de valores admisibles de dicho parimetro? Problema 13.12. Probar que si y,= 6+ pyx1 +1, con [pl > 1, entonces y, admite la Problema 13.13. Explicar como estimar el modelo y, = «; ~ 8,1 por minimos cua drados condicionados (0 maxima verosimilitud condicionada). Problema 13.14, I desarrollo dela Section 13,10 aoetea de la estimacion de modelos By univarantes estan slo una aproximacién, puesto que ignora las derivadas = P+ OOD ery tg {Como podria llevarse a cabo la estimacién del modelo MA(2) con esta formula- cin mas completa? Problema 13.18. Probar que la estimacién del modelo ARMA(1, 1), de acuerdo con el desarrollo de la Secci6n 13.10, se reduce a la estimacién del modelo: P+ PV — OPE = Oe — Oa + Problema 13.16. Probar que para llevar a cabo la estimacién de un modelo ARMA(, 1), de acuerdo con el Problema 13.14, seria preciso estimar el modelo: Wy = Ou + OX + donde; Ox ea + Heat 20° x2,1-1 — O° 2, Pt Px + OX, aM tO'Y-2472. Econometia Problema 13.17. Obtener las expresiones para los errores de prediccién y sus varian- zas, que aparecen en la Seccién 13.9. Problema 13.18. Explique cémo obtendria sus previsiones a partir de modelos univa- riantes que han precisado de dos diferencias de orden rogular (no estacional). En ef anilisis empirico de Ia relacién entre dos series temporales (B)x, + N;, se han obtenido los siguientes resultados numéricos: Problema 13.1 estacionarias, y, y= (1-031), (1 031)x, = 4, donde &, = (1 -O,SL)dy dy = 0.04, G4, = 0.03, 6, = 0,001 y a= 0,0 4) . Caleule la funcién de respuesta al impulso, la funcidn de correlacién eruzada y la ganancia correspondiente a (L). ) De haber conocido previamente la funcién de correlacién eruzada que ha obte- nido en a), {qué funcién de transferencia habia especificado y qué preestimaciones hhabria dado a sus parimetros? 1) {Qué proceso seguird N,? Caleule una medida de la bondad de ajuste del modelo de funcion de transferencia, d) A la vista de los resultados anteriores, jrelacionaria tas variables y, y x; en niveles? ;Cémo cambiaria la especificacion del modelo para lograr una mayor eficiencia, cen Ia estimacion? Problema 13.20, Tras estimar los siguientes modelos univariantes con observaciones anuales del IPC y los ALP: a) VIPC, =(1 —0,45L)a, 6) (1 ~0,80L—0,6017)VALP, = (I ~ 0,60L)a, Se utilizé el modelo 6) para preblanguear tanto la serie del IPC como la de los ALP. A continuacién se estimé la funcion de correlacion cruzada entre las series tranformadas, obteniéndose: Correlaci6n entre IPC? y ALP? fp on eo te Gv 0. 0 03 0.80 083 0,60 0,35 0,20. 0,10 0,02. 0,01. 0,03 0,02 Especificar posibles modelos de funcién de transferencia entre IPC y ALP (incluido el modelo det ruido), Problema 13.21. Con objeto de prever el nivel de la Formacién Bruta de Capital Fijo. (1,). se ha identificado el siguiente modelo de transferencia, que incluye como input la tasa de variacion del stock nominal de ALP(M,) In I= (@ ~ @L)V In My + Ny WN, = (1 = 6b) taModelos de series tamporales 473 1. Deseriba, con todo detalle, las expresiones analiticas que conducirian a la cestimacién de maxima verosimilitud de dicho modelo, mediante el algoritmo de Gauss-Newton. Si se define Ia siguiente transformacion de variables: (1—0,11)¥" In M, DV! In My = (0.5 + 0,2E)V? In My se obtienen, a partir de Ia informacion muestral, los siguientes valores: 100; x;=x="5= Exh=2; Exel; Exd, Eryn = Dxaeke Eri do = 25; EXay Bai, = 4,75 2. Obtenga estimaciones consistentes y eficientes de los pardmetros «5, oy, ody Re 3. Contraste la hipétesis de Superneutralidad Monetaria: g = 0. 4 Discuta el efecto que sobre In J, tendra un cambio permanente unitario sobre el nivel de In M,. Problema 13.22. a) Explique cémo pueden utilizarse Jos das primeros valores esti- ‘mados de la funcién de autocortelacién simple para obtener estimaciones de y $s en el modelo de AR(2): = Ort OM +e donde ¢, ¢s ruido blanco. b) Obtenga la expresién analitica de 6? como funcin de los parimetros $y, 2 ¥ 02 en cl modelo anterior. ©) ‘Obtenga las expresiones analiticas que sirven para la prediccidn, varios perio- dos hacia el futuro, en un modelo ARMA(1, 1) con término constante. Halle una expresion genérica para Eryrsa. k > 0 4) Suponga que para analizar la serie temporal y, se ha estimado un modelo ARIMA\(p, d, q) con d = 2. De dicho modelo se han obtenido predicciones: Epzp., Eyre. Eyzps.. donde z,= Vy, Obtenga expresiones para Epyrsy. Exyres Eyres como funcién tinicamente de Exp. i= 1, 2, 3 y de la informacion muestral acerca de la variable y, €)Obienga los cuatro primeros términos de la representacién AR de un modelo MAQ) invertible, f). {Por qué es interesante que un modelo MA(@) sea invertible? {Cuales son las condiciones de invertibilidad de un modelo MA(Q)? {Cuales son las condiciones de estacionariedad de dicho modelo?414 Econometria Problema 13.23. Para llevar a cabo el seguimiento mensual de las Disponibilidades Liquidas (M3) en Espafia, se ha especificado 1 modelo: My 6 06-1 = O22 donde y, denota el logaritmo de M3 y se han obtenido las estimaciones: 6, =0,60; 8; = 0,30 4) Utilizando este modelo, obtener previsiones para el logaritmo de M3 para los meses de junio a diciembre de 1988, si se dispone de Ia siguiente historia acerca de la realizacién de la serie y su prediccion hecha con un mes de antelacién: Valor real Prediccion hecha Mes de M3 el mes anterior 5/87 22.913 2.881 6/87 22.434 261s 7/87 23852 33.450 3/87 23.686 23.782 9/87 23.932 23.901 10/87 23.153 23.842 11/87 23.787 23.810 12/87 24.781 24.805 1/88 24.255 24.310 2/88 24.357 24.342 3/88 24.918 24.902 4/88 24.936 24.950 5/88 25.115 25.164 }) {Como cambiaria su respuesta si el modelo especificado hubiese sido wy, con las mismas estimaciones y datos anteriores? Problema 13.24. Para estimar el modelo ARIMA siguiente: (1-6, L)VZ,= (1 O,L)a, se dispone de la siguiente informacién muestral: ' vz, 1986 1 1987 o 1988 -I 1989 0 1990 -1 191 1Modelos de series temporales 475 tomindose como condiciones iniciles: ayes = 0 Vasoe4'= Vso: @) (%) a). -(g) -° (3). G9). Bo = (; = 0.8, 8, = 0,5) 1, Complete la primera iteracin del algoritmo de Gauss-Newton, Calcule la matriz de varianzas y covarianzas de las estimaciones y su R?. 2. Calcule previsiones para 1 = 1993 y 1994 y los riesgos asociados. Problema 13.28. Derive las condiciones de optimalidad necesarias para obtener el estimador de maxima yerosimilitud del modelo: WX B+ = Phan thy EET Zooey Problema 13.26. Pruebe que el modelo Wade Be Bes + Bras + B= Bate onde ¢, ny §, son ruidos blancos independientes entre si, puede formularse como una ARIMA(, 2, 2. Problema 13.27. Igualando las funciones de autocovarianza de ambos procesos, halle cl valor del parametro 0 de modo que el proceso estocistico 2, = 7 + &— & 1, donde my & i id, NO, 62) y & es i, id., N(O, 02), admita la representacién MA(1): = G~ Ue 4, donde £681, id, NOG, 02). Halle asimismo la varianza de Problema 13.28. Describa la aplicacién del algoritmo Gauss-Newton a la estimacién del modelo de funcién de transferencia: Oo + ob+ OL = ORE OE 3Ly6 Problema 13.29, Suponga que se ha estimado un modelo ARIMA(0, 2, 1) con para- metro 0,30 para representar la serie trimestral de poblacion activa espafiola, cuyos valores durante el aio. 1992 fueron: Trimestre (1992, 1) (1992, H) (1992, IM) (1992, IV) Poblacién activa 14.000 14.150 14.200 14350 (Miles de personas)476 Econometria Elabore previsiones para la poblacién activa durante los cuatro trimestres de 1993, sabiendo que la prevision que se habia hecho en (1992, III) para (1992, IV) era de 14.500. Problema 13.30. Tras estimar cl modelo econométrico y; = x;B + 4, con veinte afios de observaciones trimestrales, por minimos cuadrados, se calcularon las funciones de autocorrelacién simple y parcial de los residuos, obteniéndose: 12 3 4 3 6 7 8 0,50 0,20 0,08 0,15 021 0,14 0,12 0,10 0,50 0,45 0,15 0,18 0,12 0.21 0,10 0,05 42) Qué indican estas funciones acerca de la estructura estocistica del termino de error? Obtenga estimaciones pura los pardmetros de dicha estructura 'b) _;Como deberia estimarse eficientemente ef modelo anterior con esta informa- cin adicional? ©) {Qué relacion existe entre el estimador que de mixima verosimilitud? 4) {Como puede calcularse una estimacién para la varianza 027 saba de proponer y el estimador Problema 13.31. Tras estimar el modelo y, = lo + Psy + B2X2x + ty 8¢ ha identifi- cado una estructura ARMA(I, 1) para los residuos MCO: 8, = phn +e — Oe y, como consecuencia, se decide estimar simultineamente et sistema: Ye= Bo + Bixie + Bakar + Me Pros + 5 — Bors Describa, en todo detalle, como podria obtener estimadores eficientes de flo, B, Ba, py 8. {Como utilizaria sus series temporales para poner en prictica dicho procedimiento? ¢Podria pensarse que un procedimiento que estimase primero [os coeficientes f y después p y # conjuntamente pudiera ser totalmente eficiente? {Cual seria la matriz de covarianzas de sus estimaciones en el procedimiento eficiente que ha ropuesto? Problema 13.32, Explique los detalles de la utilizacién prictica del método de «scoring» para la estimacion del modelo = Oa th donde u, €s i. i., N(0, 02). (Cua sera la matriz de covarianzas de los estimadores ya