Daniel Pefia Analisis de series temporales Alianza EditorialReservados todos los derechos. El contenido de esa obra est protegido por la Ley, que establece _penas de prisin y/o multa,ademés de las correspondientesindemaizaciones por dai y pejuicios, para quienes reprodujeren plagiaren, distribuyereno comunicarenpiblicamente en todo 0 en parte, una obra literaria, arstice 0 ciontfica, o su transformaciéa, interpretacién 0 ejecucién atsica ‘jada en cualquier tipo de soporte o comunicada a través de cualquier medio, sin la preceptiva ‘utorizacion, (© Daniel Peta Sénchez de River, 2008, © Alisnza Editorial, S.A., Madrid, 2005 Calle Juan Ignacio Luca de Tena, 15; 28027 Madrid; tel6t. 91 393 88 88 ‘werwalianzaeditriaLes ISBN: 84-206-9128-3 32.494-2005 Prited in SpainA mis maestros, que me ensefiaron el camino; ‘a mis doctorandos y coautores, con los que ha sido un placer recorrerlo; a Mely, Jorge y Alvaro, con amor, con los que siempre cuento.indice Prefacio.. 2.2.0.0... 1, Introduceién a las series temporales 1.1. Ejemplos de series temporales univariantes 1.2. Bjemplos de series mult 1.3. Contenido del libro 1.4. Un poco de historia 15. Programas de ordenador 1.6. Lecturas complementarias Apbndice Li: Desespcn de a entrada de datos ov con algunos ‘programas de ordenador . 2. Andlisis descriptive de una serie temporal . 2.1. Introduccién . 2.2. Bl antlisis de tendencias determninistes 2.2.1, Tipos de modelos . bu 222. Bstimacién 2.2.3, Limitaciones del ajuste de tendencies deterministas 2.3. Métodos de alisado . . . . ‘i 2.3.1. El modelo de alisado simple » 2.3.2. El método de alisado doble de Holt 2.4, Métodes de descomposicién para series estacionales 25. Estaciooalidad y el ajuste de cicloa . 2.5.1. Definiciones bésicae 2.6.2. Representacién de la estacionalidad por un ciclo 26. Exploracién de miltiples ciclo: el periodograma. 627. 3. 33. 34, 35. 36. Series temporalsy process estocéstioos Conelusiones y lecturas complementarias - ‘Apéndlce 2.1: Regresién milipley la eatimacién del petiodograma, Introduecién. El concapto de proceso estocistico 3:21, Propiedades de las distribuciones margales 3.22. Propiedades de las dsteibuciones condicionadas Procesos eatacionarios 3.8.1. Definicién 3.3.2. Combinaciones de procesos estacionarios (*) Proceso de ruido blanco Extimacign de los momentos de procesos estacionarios 35.1. Estimacién de la media 43.52. Betimacién de las autocovarianzas y autocorrelaciones El eapectzo de un proceso estacionario (+) ‘Apéndice 3.1: Condicion de convergencia - ‘Apéndice 3.2: Diferencia de Martingalas . ‘Apéndice 8.3: es fSrmulas de Bartlett para las eutocovarianaasestimadas - ‘Apéndice 3.4: El espeetro y las autocovarianzas ‘Apéndice 3.5: Generacién de procesos con el ordensdor Procesos autorregresivos 41. 42. 43. 4a, 45. Introduecién El proceso autorrgrasivo de primer orden (AR(1)) 42.1, Beperanza y varianza 42.2. Funcién de autocovasianans y antocorzeladén « 42.21, Puncién de autocorrelacién simple (f00) . 42. Representacién del proceso AR(1) como suma de innovaciones 114 El proeaso AR(2) 49.1. Puncién de antocovesianzas 4.3.2. Runcién de antocorrelacién simple 433. Representacin del AR(2) como suma de innovaciones El proceso autorregresivo general (AR(p)) 44.1, Funcién de antocorrelacién simple 442, Ecuaciones de Yulo-Walker . 44.3, Representacién del AR(p) suma de innovaciones ‘La fneién de autocorrelacién parcial . Apéndice 4.1: Notacién de operadores ‘Apéndice 4.2: Eeuaciones en diferencias... ‘Aptndice 43: Célculo de los coefcientes de autocorrelacién parcial “Apéndice 4.4: Generacién de procesos AR. Procesos de media mévil y ARMA 51. 52. 53. 5A. Introducetén . El proceso de medis mévil de orden wno (MA()) - 5.2.1, Funoién de autocorrelacién simple y parcial EI proceso MA(q) Bl proceso MA(co). La descomposicién de Wold aris Sao us ur 48 9 218 crys 124 128 +126 331 iss 2139 20 . ua 1a a3 144Analisis de series temporales SA om proc AR yMA.y ol promo general... 162 5.5. El proceso ARMA(1, 1) : + 154 5.6. Procesos ARMA(p, ¢) 156 5.7. Los procesos ARMA y la suma de procesos estacionarios | | 2188 Apéndice 5.1: Funeién de correlacin inverea 162 6. Procesos intogrados y de memoria larga nn - 166 Reirocascioa yp erennee 165 ‘Procesosintegradca 187 El paseo aleatario. PIII ya . EL proceso de alisado exponencal simple nt 176 Procesosintegrados de orden dos : 18 Proceaosintegrades ARIMA 179 . Procesosintagradr y tendencias eee si Procesos de memoria larga (*) = 0... a 184 . Lectures complementarias 189 Apéndice 6.1: La fancién Gamma y los procets de memoria large 191 ‘Apéndice 6.2: Generacién de series no estacionaries 192 7. Procesos ARIMA estacionales 7A. Introduecién 7.2. El concepto de estacionalidad y sus poss. 195 73. El modelo ARIMA estacional ... . <5 199 7.4. Funcién de autocorrelacién simple de un proceso estacional’ | | 204 7.5. Buncién de autocorrelacién parcial . . 210 7.6. Generalizaciones y lecturas complementarias an Apéndice 7.1: Un contraste simple de igualdad de Ja ctrucra e estacional . 213 ‘Apéndice 7.2: Generacién de series estacouales ..... 8 Prediceién con modelos ARIMA. qooceGaooco 8, Introducciéa, 8.2, La ecuacién de prediceién de un modelo ARIMA 82.1. La esperanza condicionada come predictor 6ptime 8.22. ‘Céleulo de las predicoiones 8.3. Interpretacién de las predicciones 8.8.1. Procesos no estacionales 83.2, Procesos estacionales 8.821 modelo de pesejeoe de orn 8.4, Variansa de las predicciones 8.5, Adaptacién de las predicciones 8.6. Medidas de predecibilidad - 8.7. Lectures complementarias - Apéndice 8.1: Predieeién y esperanza condicionada | 9. La identificacién de los posibles modelos ARIMA . 9.1. Introduccién. . - 65 9.2, Determinacién de la transformacién para establizar la varianza 9.3. Determinacién de la transformacién para estabilizar la media . 98.1, Determinar el orden de diferenciacién regular 93.2, Determinar el orden de diferenciacién estacional10. ioe indice 9.3.8, Contrastes de rafees unitarias . ee 256 9.33.1. Contraste de Dickey-Fuller 2. 2ST 9.3.3.2. El contraste de Dickey-Fuller aumentado |... . . 261 94. La identificacién de Is estructura ARMA... . - cos 265; 9.5. Lectures complementarias cis am ‘Apéndice 9.1: La transformacién Box-Cox para estabilizar Ia varianza . 273 “Apéndice 9.2: Programas para la identiicacién . . . . . 2 ate Estimacién y seleccién de modelos ARIMA 10.1. Introduccion . 102. Le funcidn de verosimilitud de wn proceso ARMA 10.3. Procesos AR 10.3.1. Bl proceso AR(I) 103.2. Procesos AR(p) . - 104. Bstimacién de modelos MA y ARMA. 10.4.1, Bstimacién MV condicional. . Beocnqod 104.1.1. Bl algoritmo de Hannan y Risianen .. » 286 10.4.2. Bstimacién MV exacta 287 10.5. Betimacién recursiva con el iltro de Kalman 288 105.1. Modelos en el espacio de los estados . . . 288 405.2. Bl Strode Kalman... . Soebosonos 202 10.6, Propiedades de los estimadores 295 10.7. Criterios de seleccién de modelos 297 10.7.1. Hl criterio AIC de Akaike 298 10.72. Hl riterio BIC . . a =. 300 10.7.3. Comparacién entre criterios eer 300 10.8 Lecturas complementarias . 303 305 Apéndice 10.2: Bl eriterio AIC. 309 Apéndice 10.3: Bl criterio BIC ' eee ee c00) rogramas para la estimacién 32 -Dingnosie del modelo y prediccién ee ls TLL Introduccion fi dec 313 11.2. Contrastes de autocorrelacién fesse Od 11.2.1. Propiedades de las autocorrelaciones estimadas cis. ald 11.2.2. Bl contraste de Ljung-Box sobre las autocorrelaciones 315 11.2.3. Bl contraste del determinante . . 316 A244, Sobreajuste: contrastes con eleriterio BIG. =... 817 11.8, Otvos contrastes 318 11.8.1. Contrastes de media cero 318 113.2. Contrastes de homocedasticidad 319 113.3. Contrastes de normalidad eorerrren 319 11.4, Contraste de estabilidad del modelo 322 11.5. Interpretacién del modelo. Componentes deterministas ........ . 923 11.5.1. Tendencias a0 323 1.5.2. Betacionalidad 335 11.5.8. Caso genecal 328 11.8, Prediceiéa wee 328Andlisis de series temporales 12. 13, 14. 10 1.6.1. Predieciones puntuales cece eens 828 11.6.2, Intervalos de prediccién eee eet 11.6.3 Intervalos de prediccién para muestras grandes | 332 11.644, Intervalos mediante remuestro a6 332 11.65. Prediecién mediante promedio de modelos 334 Apéndice 21.1: Prediccién con incertidumbre de los ads y ¥ del modelo 536 ‘Apéndice 11.2: Programas para Ia diagnosis 338 -Andlisis de intervenci6n 0... eee eee eee es B40 12.1. Introduccién 550 340 12.2, Bfoctos cualitativos: variables impiilo y escalén 342 12.2.1. Variables impulso: funciéa de respuesta e impulses 342 12.2.2. Variables escalén: ganancia, 345 12.2.3, Relscidn entre impulsos y escalones a 8 12.3. Bfectos deterministas genereles oer oe 851 12-4, Construccin de modelos de intervenciéa. «22.0... 356 125, Bstimacién de valores ausentes .... 2... 358 Ap6ndice 12.1: Prediccién de valores ausentes 302 “Apéndice 12.2: Bstimacién de efectos de intervencién 364 Valores atipicos ... 6.2... 5 cere ee «866 13.1, Introducefén oe peer oo) 15.2. Atipicos aditivos .. . . nee : 367 18.2.1, Bfectos en los residuos 308 19.2.2. Biectos en Ia estimacién de los pardmetros 370 1.8. Atipicos innovatives (10) tenes 8 18.3.1, Bfeoto de un IO sobre la eerie ‘i 313 13.32, Bfectos en la estimacién .. : 376 18.4. Cambio de nivel... . ‘i arr 18.41, Bfactos en los resduce «2. Gouge uu) 138.42. Efecto en Ia estimacién ae cee 380 18.5. Cambios transitorios y efecto rampa a fees 880 13.6, Procedimientos de estimacién de atipicos «22... 22... 381 13.6.1. Estimacién del tamatio del atipico . . . 382 19.6.2. El procedimiento general. . 384 18.7. Comentarios al procadimiento de deteccién do sips yy lecturas com- plomentarias : 390 Apéndice 18.1: Bstimacién de los cambios de nivel... 304 space. Después de esto marcar OX y luego abrir. Aparecerén Ins variables en columnas con los nombres C1, O2, en la Current Worksheet. Para hacer un gtéfico temporal de la serie ir al meni superior, marcar Graph~+ ‘Time series plot y dentro de la ventana el nombre de la serie (C1,02,...) que se quiera ibujar. Una ver que aparezce el gréfico, este puede guardarse en ua fichero com. la opcign del ment principal File ~+ Save Graph as..., que permite guardarle en un fichero. SPSS ‘La introduecién de datos en SPSS es similar a Statgraphics y Minitab. Una vee abierto el programa, y suponiendo que existe un fichero nomibre.dat que incluye Jos datos de una serie temporal en columnas, en el menti superior marear: Archivo —+ Abrir datos y se sbre una ventana donde puede seleccionarse el Hombre del fichero y el tipo de fchero. En esa ventana aparece también la, ‘opcién Buscar en... para buscar el fichero dentro del ordenador, y le opeién Tipo donde debe especificarse que el fichero es dat. Una vea especificado el nombre del fchero, se van abriendo ventanas donde debe especificarse el tipo de fichero como sigue: GArchivo con texto predefinido? + No. 406mo estén organizadas las variables? —+ Delimitadas. gBisté incluido el nombre de las variables? + No. A continuaciéa hay que indicar que los datos comienzan en la primera linea y que cada linea representa un caso y que el delimitador de las variables es €l espacio. Como caliicador de texto poner comilles dobles. En la. ventana siguiente podemos dar nombre las variables si lo deseames, en otro caso aparecen con los nombre genéricos VA, V2,..., También debemos asegurarnos ‘que aparecen como numéricas y no como cadena. Pera hacer un gréfico tem- poral de la serie ir al meni superior, marcar Graph + Secuencia y dentro de Ja ventana el nombre de la serie (V1,V2,...) que se quiera dibujar. 381. Introd in a las series temporales EViews La introduccién de datos en este programa es algo distinta que en los tres anteriores. Todos los objetos con los que trabaja deben estar en un fichero de trabajo llamado worldile, por lo que el primer paso en cualquier andliss seré 1a creacién de un nuevo workfle ola apertura de un workfile creado previamente Para definir una variable en un workfile hay que dar tres caracteristicas: nom- bre de la serie, frecuencia y rango. La frecuencia define el intervalo temporal centre observaciones, que en EViews puede ser anual, semestral, trimestral, mensual, semanel y diario, con 5 0 7 dias a la semana. El rango es un par de fechas o niimeros de observacién que describen el inicio y el fin de los datos. Bl programa utilizar estas dos ceracterfsticas teniendo en cuenta un calendario interno: si un afio es bisiesto y el programa esté disefiado para contener dicha informacién. El programa permite trabajar con datos no fechados, es decir, observaciones que estén simplemente numeradas consecutivamente ‘La manera més sencilla de crear un workfile es seguir el siguiente camino en elmenti principal: File — New —> Workfile. Apareceré un cuadro de diélogo. ‘A continuacién seleccionamos la frecuencia apropiada y posteriormente intro- ucimos la fecha inicial (Start date) y Ia fecha final (End date). Dichas fechas pueden ser posteriormente modificadas, como veremos més adelante. Esto nos permitind trabajar con series con diferentes rangos. Las normes para especificar Jos datos son las siguientes: 1. Datos anuales (Annual): se especifican los afios. Por ejemplo, 1920 y 2003, para una serie cuyo primer dato sea en 1920 y el ultimo sea en 2003. 2, Datos semestrales (Semi-annual), trimestrales (Quarterly) o mensuales (Monthly): se indica primero el iio seguido de dos puntos y el mimero del, semestre/trimestze o mes. Por ejemplo, 1920:1 y 2003:2, para datos que empiezan en el primer semestre de 1920 y acaban en el segundo semestre de 2008, y 1920¢1 y 2003:12 para datos mensuales que comienzan en enero de 1920 y finalizan en diciembre de 2003. 3, Datos semanales (weekly), 0 dinrios (daily, 5 day weeks; daily, 7 day ‘weeks): se especifica el mes, el dia y el afio, cada uno separados por dos puntos. Por ejemplo, con datos semanales 9:1:2003 indica que la fecha es el 1 de septiembre de 2003, que corresponde a la primera semana de septiembre del afio 2003, y con datos diarios 8:10:1997 indica que la. fecha es el 10 de agosto de 1997. Una vee especificadas las fechas marcamos en OK. Por ejemplo, especifi- camos Quarterly, 1955:1 y 1996:4, es decir datos trimestrales entre el primer trimestre de 1958 y el cuarto de 1996. Apareceré el workiile creado, que como indica en su parte superior no tiene nombre (Workfile: UNTITLED). Ve- ‘mos que han aparecida dos iconos, ¢ y resid, que més adelante detallaremos. 39Andlisis de series temporales Aquf vemos la estiucture del worldile. Una linea de comandos, informacién del rango y el contenida del workfile, ‘Empezamos salvando el workdile, 1o que requiere asignarle un nombre. Para ello, en el ment principal: File—» Save as y apareceré una ventana de windows ara asignar un nombre, por ejemplo, practical. El programa crearé un fichero de nombre practical. wfl en el directorio que queramos salvar el worlile, Como ‘tenemos salvado el worktile, podemos csrrarlo: File ~» Close y el workfile desaparecerd. Para abrirlo seguiremos el siguiente camino: File ~+ Open + Workfile + practicai.ujt en el directorio en el que guardamos el archivo. A continuacién pasemos a variar el rango del worlile. Por ejemplo, si te- nemos una serie de datos y queremos obtener predicciones, debemos ampliar el ‘ango para dar cabida a las nuevas observaciones. Para ello, seguimos el camino en el ment del workfile: Procs—+ Change Workfile Range y especificamos las nuevas fechas. Hey dos maneres principales de crear una serie temporal en EViews. La primera es escribiendo los datos directamente: Para crear una serie seguimos el siguiente ment en el workfile: Object + NewObject > Series + Name:serie y marcando en OK, tendremos un nuevo objeto en el workfile con el nombre serie. Haciendo doble click sobre él veremos que todos les datos aparecen con la marca NA (not evailable), es decir, no tenemos datos numéricos en la serie, ara introducir los datos, marcamas la celda: Bait +/- y podemos viajar por todas las celdas e incluir los valores numéricos que queramos. Una vez que hayamos acabado, volvemos a marcar en la celda de Edit y podremos cerrar la serie, que permaneceré en el workéle, ‘La segunda forma es importando um fichero con los datos, que puede ser de texto 0 de excél. El camino es: File + Import -+ Read Text-Lotus-Bzcel y abrimos el fichero anterior. Apareceré un cuadro de diélogo. Marcamos la opcién: Data Order - in columns y le asignamos el nombre de la serie. Marcames OK y veremos cémo en el workfile aparece la serie con el nombre asignado. Haciendo doble click en ella podemos comprobar que hemos importado la serie sin problemas. Salvamos el workdle asignéndole el nombre serie-wl. 1. Podemos generar nuevas series a partir de una dada. Por ejemplo, si en el menti del workdfile, hacemos el camino: Genr ~+ logserie = log(nombre de la serie) 401. Tntroduccién a las series temporales Jo que obtenemos es una nueva serie definida como el logaritmo de la serie original, La serie estaré definida en el mismo rango que la serie original. Igual que la operacién logaritmo podemos utilizar otras muchas ‘operaciones bésicas: sumas, restas, productos, rafces, ete. ... En el workfile creado en el meni podemos observar diferentes celdas. La primera es view, que esta dividida en diferentes opciones. 1. La primera opcién del primer bloque es: View—+SpreadSheet y vemos el fichero con los datos. 2. La segunda opeién es gréfica View—+Line Graph, para ver el gréfico de Inserie. 3, A continuacién View-+Bar Graph para ver los datos por separado, que no se permite en el grafico anterior. 4. Con View-+Descriptive Statistios—Histogram and Stats, vemos el his- tograma y algunos estadisticos descriptivos: la media, mediana, maximo, ‘mfnimo, desviaci6n t{piea (normalizada por T—1, donde T'es el mimero de datos), y coeficientes de asimetria y curtosis. 5. En quinto lugar: View—+ Tests for descriptive stats—>Simple Hypothesis ‘Tests para. contrastar hipétesis respecto a la media de la serie. 6. Finalmente: View -+ Distribution Graphs—>Quantile-Quantile: Normat distributions, proporciona el gréfico de comparacién de cuantiles respecto a la distribucién Normal. Si los datos son normales, observamos aproxi- ‘madamente uns linea recta. Tsw El formato de entrada de este programa exige que en la primera fila del ichero de datos aperezca el nombre de la serie y en la segunda cuatro variables numéri- cas: miimero de datos en In serie, afio inicial de la serie, periodo inicial de la serie y niimero de periodos o datos que forman un afio. A contimuacién vienen los datos de la serie en una columna. Por ejemplo, si tenemos 100 datos de una. ‘serie que comienza en enero de 1980 y los datos son mensuales, ls segunda fila del fichero de datos debe contener las variables: 100 1980 1 12 y si tenemos 28 datos cuatrimestrales comenzado en el tercer cuatrimestre de 1990, escribiremos: 28 1990 3 4 ‘Al iniciar el programa aparece una ventana donde en la parte superior ‘esté un ment de botones y a la derecha ranuras para introdueir informaci6n. 4aAnélisis de series temporales Para cargar los datos hay que seleccionar en el menti Series y entonces se abre una ventana que nos permite seleccionar la serie moviéndonos en las carpetas del PC. Al leer correctamente, el nombre de la serie aparece en la ventana principal central debajo de Series list. Esto confirma que tenemos Ja serie incluida on el programa. Si marcamos la serie aparece el gréfico en Ja pantalla y en la parte derecha su nombre y ciertos atzibutos que podemos cambiar. Por ejemplo, el parémetro Iter, si lo cambiamos a Tter=1, podemos ajustar a la misma serie diferentes modelos. Bs conveniente marcar la opcién tramo/seats, que es la que aparece por defecto en el programa. Matlab Los datos se introdiucen en Matlab eseribiendo la sentencia: load losdatos.dat, donde losdatos es el nombre del fichero que incluye los datos. Matlab lee todas las columnas del fichero y erea con ellos una matriz a la que asigna el nom- bre del fichero. Si la variable de interés es, por ejemplo, la tercera columna, podemos extraerla de la matriz con la sentencia: z=losdatos(:,$), que inter rete como tomar todas las filas de la columna 3 de la matriz losdatos y asignarle a la variable x. Podemos hacer un gréfico temporal oon la sentencia: plot(s). ee 42