Inflacion - Arima

UNIVERSIDAD CATÓLICA DE SANTA DE MARÍA
FACULTAD DE CIENCIAS ECONÓMICO ADMINISTRATIVAS
ESCUELA PROFESIONAL DE INGENIERÍA COMERCIAL
CURSO:
ECONOMETRIA
DOCENTE:
MANUEL EDMUNDO HILLPA ZUÑIGA
TRABAJO:
INFLACION- - ARIMA
PRESENTADO POR:
Retamozo Surco, Stephanie
AREQUIPA - PERÚ
2021
PBI_NOPRI PBI DEL SECTOR NO PRIMARIO
2000M01 8.9 PBI_VAR
2000M02 14.6 0.640449
2000M03 9.5 -0.34932
2000M04 6.7 -0.29474
2000M05 8.9 0.328358
2000M06 3.6 -0.59551
2000M07 3.2 -0.11111
2000M08 8.3 1.59375
2000M09 -2.2 -1.26506
2000M10 2.6 -2.18182
2000M11 -2.1 -1.80769
2000M12 -0.8 -0.61905
2001M01 -0.1 -0.875
2001M02 -4.9 48
2001M03 -0.1 -0.97959
2001M04 0.3 -4
2001M05 3.2 9.666667
2001M06 4 0.25
2001M07 1.7 -0.575
2001M08 -0.9 -1.52941
2001M09 2.7 -4
2001M10 5.1 0.888889
2001M11 3.4 -0.33333
2001M12 1.5 -0.55882
2002M01 5.8 2.866667
2002M02 3 -0.48276
2002M03 -1.9 -1.63333
2002M04 14.8 -8.78947
2002M05 3.6 -0.75676
2002M06 3 -0.16667
2002M07 7.3 1.433333
2002M08 6.2 -0.15068
2002M09 10.1 0.629032
2002M10 4.7 -0.53465
2002M11 5.2 0.106383
2002M12 10.5 1.019231
2003M01 7 -0.33333
2003M02 8.8 0.257143
2003M03 9.4 0.068182
2003M04 -1.8 -1.19149
2003M05 1.8 -2
2003M06 7.7 3.277778
2003M07 2.7 -0.64935
2003M08 2.4 -0.11111
2003M09 3 0.25
2003M10 1.2 -0.6
2003M11 2 0.666667
2003M12 1.5 -0.25
2004M01 3.3 1.2
2004M02 3.9 0.181818
2004M03 9.8 1.512821
2004M04 7.6 -0.22449
2004M05 4.9 -0.35526
2004M06 2.5 -0.4898
2004M07 7.5 2
2004M08 6.9 -0.08
2004M09 7 0.014493
2004M10 8.4 0.2
2004M11 13.1 0.559524
2004M12 12 -0.08397
2005M01 11.3 -0.05833
2005M02 12.4 0.097345
2005M03 4.5 -0.6371
2005M04 8.7 0.933333
2005M05 10.3 0.183908
2005M06 11.6 0.126214
2005M07 9.1 -0.21552
2005M08 11 0.208791
2005M09 6 -0.45455
2005M10 5.8 -0.03333
2005M11 6.1 0.051724
2005M12 6.1 0
2006M01 5.7 -0.06557
2006M02 5.2 -0.08772
2006M03 10.5 1.019231
2006M04 2.8 -0.73333
2006M05 6.1 1.178571
2006M06 6.6 0.081967
2006M07 6.6 0
2006M08 11.5 0.742424
2006M09 10.2 -0.11304
2006M10 12.3 0.205882
2006M11 11.4 -0.07317
2006M12 12 0.052632
2007M01 13.9 0.158333
2007M02 10.5 -0.2446
2007M03 12 0.142857
2007M04 13.8 0.15
2007M05 16.2 0.173913
2007M06 16.5 0.018519
2007M07 18.3 0.109091
2007M08 10.2 -0.44262
2007M09 13.6 0.333333
2007M10 18.8 0.382353
2007M11 14.9 -0.20745
2007M12 9.3 -0.37584
2008M01 11.1 0.193548
2008M02 14.2 0.279279
2008M03 5.9 -0.58451
2008M04 18.8 2.186441
2008M05 9.2 -0.51064
2008M06 9.6 0.043478
2008M07 10 0.041667
2008M08 10.7 0.07
2008M09 12.6 0.17757
2008M10 3.1 -0.75397
2008M11 0.8 -0.74194
2008M12 2.8 2.5
2009M01 -2.5 -1.89286
2009M02 -8.4 2.36
2009M03 -6.2 -0.2619
2009M04 -14.4 1.322581
2009M05 -14.1 -0.02083
2009M06 -14.6 0.035461
2009M07 -13.1 -0.10274
2009M08 -13.5 0.030534
2009M09 -9.7 -0.28148
2009M10 -4.9 -0.49485
2009M11 -2.5 -0.4898
2009M12 3 -2.2
2010M01 3.2 0.066667
2010M02 9.8 2.0625
2010M03 18.4 0.877551
2010M04 20.2 0.097826
2010M05 20.6 0.019802
2010M06 24.7 0.199029
2010M07 18.1 -0.26721
2010M08 23.9 0.320442
2010M09 19.7 -0.17573
2010M10 16.1 -0.18274
2010M11 19.4 0.204969
2010M12 14.5 -0.25258
2011M01 15.2 0.048276
2011M02 11.4 -0.25
2011M03 9.9 -0.13158
2011M04 4.8 -0.51515
2011M05 5.7 0.1875
2011M06 3.9 -0.31579
2011M07 2.7 -0.30769
2011M08 3.1 0.148148
2011M09 0.5 -0.83871
2011M10 -0.4 -1.8
2011M11 -0.1 -0.75
2011M12 -1.2 11
2012M01 -1.3 0.083333
2012M02 2.2 -2.69231
2012M03 -1.6 -1.72727
2012M04 -0.3 -0.8125
2012M05 5.4 -19
2012M06 2.2 -0.59259
2012M07 6.1 1.772727
2012M08 6.1 0
2012M09 2.6 -0.57377
2012M10 4.2 0.615385
2012M11 5.5 0.309524
2012M12 2.1 -0.61818
2013M01 5 1.380952
2013M02 -0.2 -1.04
2013M03 -4.4 21
2013M04 8 -2.81818
2013M05 0.8 -0.9
2013M06 1.2 0.5
2013M07 2 0.666667
2013M08 -1.7 -1.85
I
tiempo INFLA_CHI INFLA_BRAINFLA_CO INFLA_ME INFLA_PERU
2002M01 2.2 7.6 7.4 4.8 -0.8
2002M02 2.5 7.5 6.7 4.8 -1.1
2002M03 2.6 7.8 5.9 4.7 -1.1
2002M04 2.5 8 5.7 4.7 0.1
2002M05 2.1 7.8 5.8 4.7 0.2
2002M06 2 7.7 6.3 4.9 0
2002M07 2.6 7.5 6.2 5.5 -0.1
2002M08 2.2 7.5 6 5.3 0.3
2002M09 2.3 7.9 6 5 0.7
2002M10 3 8.5 6.4 4.9 1.4
2002M11 3 10.9 7.1 5.4 1.5
2002M12 2.8 12.5 7 5.7 1.5
2003M01 3 14.5 7.4 5.2 2.3
2003M02 3.8 15.9 7.2 5.5 2.8
2003M03 4.5 16.6 7.6 5.6 3.4
2003M04 4 16.8 7.9 5.3 2.6
2003M05 3.5 17.2 7.7 4.7 2.4
2003M06 3.6 16.6 7.2 4.3 2.2
2003M07 3.1 15.4 7 4.1 2
2003M08 2.9 15.1 7.3 4 1.9
2003M09 2.2 15.1 7.1 4 2
2003M10 1.2 14 6.6 4 1.3
2003M11 1 11 6.1 4 1.9
2003M12 1.1 9.3 6.5 4 2.5
2004M01 0.8 7.7 6.2 4.2 2.8
2004M02 0 6.7 6.3 4.5 3.4
2004M03 -0.7 5.9 6.2 4.2 2.8
2004M04 -0.3 5.3 5.5 4.2 2.8
2004M05 0.6 5.2 5.4 4.3 3.2
2004M06 1.1 6.1 6.1 4.4 4.3
2004M07 1.4 6.8 6.2 4.5 4.6
2004M08 1.6 7.2 5.9 4.8 4.6
2004M09 1.5 6.7 6 5.1 4
2004M10 1.9 6.9 5.9 5.4 4
2004M11 2.5 7.2 5.8 5.4 4.1
2004M12 2.4 7.6 5.5 5.2 3.5
2005M01 2.3 7.4 5.4 4.5 3
2005M02 2.2 7.4 5.3 4.3 1.7
2005M03 2.4 7.5 5 4.4 1.9
2005M04 2.9 8.1 5 4.6 2
2005M05 2.7 8.1 5 4.6 1.8
2005M06 2.7 7.3 4.8 4.3 1.5
2005M07 3.1 6.6 4.9 4.5 1.4
2005M08 3 6 4.9 4 1.2
2005M09 3.9 6 5 3.5 1.1
2005M10 4.1 6.4 5.3 3.1 1.3
2005M11 3.6 6.2 5.1 2.9 1.1
2005M12 3.7 5.7 4.9 3.3 1.5
2006M01 4.1 5.7 4.6 3.9 1.9
2006M02 4.1 5.5 4.2 3.8 2.7
2006M03 4 5.3 4.1 3.4 2.5
2006M04 3.8 4.6 4.1 3.2 2.9
2006M05 3.7 4.2 4 3 2.2
2006M06 3.9 4 3.9 3.2 1.8
2006M07 3.8 4 4.3 3.1 1.5
2006M08 3.8 3.8 4.7 3.5 1.9
2006M09 2.8 3.7 4.6 4.1 2
2006M10 2.1 3.3 4.2 4.3 1.9
2006M11 2.1 3 4.3 4.1 1.5
2006M12 2.6 3.1 4.5 4.1 1.1
2007M01 2.8 3 4.7 4 0.6
2007M02 2.7 3 5.3 4.1 0.4
2007M03 2.6 3 5.8 4.2 0.2
2007M04 2.5 3 6.3 4 -0.1
2007M05 2.9 3.2 6.2 4 0.9
2007M06 3.2 3.7 6 4 1.5
2007M07 3.8 3.7 5.8 4.1 2.2
2007M08 4.7 4.2 5.2 4 2.2
2007M09 5.8 4.2 5 3.8 2.8
2007M10 6.5 4.1 5.2 3.7 3.1
2007M11 7.4 4.2 5.4 3.9 3.5
2007M12 7.8 4.5 5.7 3.8 3.9
2008M01 7.5 4.6 6 3.7 4.1
2008M02 8.1 4.6 6.4 3.7 4.8
2008M03 8.5 4.7 5.9 4.3 5.5
2008M04 8.3 5 5.7 4.6 5.5
2008M05 8.9 5.6 6.4 5 5.4
2008M06 9.5 6.1 7.2 5.3 5.7
2008M07 9.5 6.4 7.5 5.4 5.8
2008M08 9.3 6.2 7.9 5.6 6.3
2008M09 9.2 6.3 7.6 5.5 6.2
2008M10 9.9 6.4 7.9 5.8 6.5
2008M11 8.9 6.4 7.7 6.2 6.7
2008M12 7.1 5.9 7.7 6.5 6.7
2009M01 6.3 5.8 7.2 6.3 6.5
2009M02 5.5 5.9 6.5 6.2 5.5
2009M03 5 5.6 6.1 6 4.8
2009M04 4.5 5.5 5.7 6.2 4.6
2009M05 3 5.2 4.8 6 4.2
2009M06 1.9 4.8 3.8 5.7 3.1
2009M07 0.3 4.5 3.3 5.4 2.7
2009M08 -1 4.4 3.1 5.1 1.9
2009M09 -1.1 4.3 3.2 4.9 1.2
2009M10 -1.9 4.2 2.7 4.5 0.7
2009M11 -2.3 4.2 2.4 3.9 0.3
2009M12 -1.4 4.3 2 3.6 0.2
2010M01 -1.3 4.6 2.1 4.5 0.4
2010M02 0.3 4.8 2.1 4.8 0.8
2010M03 0.3 5.2 1.8 5 0.8
2010M04 0.9 5.3 2 4.3 0.8
2010M05 1.5 5.2 2.1 3.9 1
2010M06 1.2 4.8 2.3 3.7 1.6
2010M07 2.3 4.6 2.2 3.6 1.8
2010M08 2.6 4.5 2.3 3.7 2.3
2010M09 1.9 4.7 2.3 3.7 2.4
2010M10 2 5.2 2.3 4 2.1
2010M11 2.5 5.6 2.6 4.3 2.2
2010M12 3 5.9 3.2 4.4 2.1
2011M01 2.7 6 3.4 3.8 2.2
2011M02 2.7 6 3.2 3.6 2.2
2011M03 3.4 6.3 3.2 3 2.7
2011M04 3.2 6.5 2.8 3.4 3.3
2011M05 3.3 6.6 3 3.3 3.1
2011M06 3.4 6.7 3.2 3.3 2.9
2011M07 2.9 6.9 3.4 3.6 3.4
2011M08 3.2 7.2 3.3 3.4 3.3
2011M09 3.3 7.3 3.7 3.1 3.7
2011M10 3.7 7 4 3.2 4.2
2011M11 3.9 6.6 4 3.5 4.6
2011M12 4.4 6.5 3.7 3.8 4.7
2012M01 4.2 6.2 3.5 4.1 4.2
2012M02 4.4 5.8 3.6 3.9 4.2
2012M03 3.8 5.2 3.4 3.7 4.2
2012M04 3.5 5.1 3.4 3.4 4.1
2012M05 3.1 5 3.4 3.9 4.1
2012M06 2.7 4.9 3.2 4.3 4
2012M07 2.5 5.2 3 4.4 3.3
2012M08 2.6 5.2 3.1 4.6 3.5
2012M09 2.8 5.3 3.1 4.8 3.7
2012M10 2.9 5.5 3.1 4.6 3.2
2012M11 2.1 5.5 2.8 4.2 2.7
2012M12 1.5 5.8 2.4 3.6 2.6
2013M01 1.6 6.2 2 3.3 2.9
2013M02 1.3 6.3 1.8 3.6 2.4
2013M03 1.5 6.6 1.9 4.3 2.6
2013M04 1 6.5 2 4.7 2.3
2013M05 0.9 6.5 2 4.6 2.5
2013M06 1.9 6.7 2.2 4.1 2.8
2013M07 2.2 6.3 2.2 3.5 3.2
2013M08 2.2 6.1 2.3 3.5 3.3
2013M09 2 5.9 2.3 3.4 2.8
2013M10 1.5 5.8 1.8 3.4 3
2013M11 2.4 5.8 1.8 3.6 3
2013M12 3 5.9 1.9 4 2.9
2014M01 2.8 5.6 2.1 4.5 3.1
2014M02 3.2 5.7 2.3 4.2 3.8
2014M03 3.5 6.2 2.5 3.8 3.4
2014M04 4.3 6.3 2.7 3.5 3.5
2014M05 4.7 6.4 2.9 3.5 3.6
2014M06 4.3 6.5 2.8 3.8 3.4
2014M07 4.5 6.5 2.9 4.1 3.3
2014M08 4.5 6.5 3 4.2 2.7
2014M09 4.9 6.8 2.9 4.2 2.7
2014M10 5.7 6.6 3.3 4.3 3.1
2014M11 5.5 6.6 3.7 4.2 3.2
2014M12 4.6 6.4 3.7 4.1 3.2
2015M01 4.5 7.1 3.8 3.1 3.1
2015M02 4.4 7.7 4.4 3 2.8
2015M03 4.2 8.1 4.6 3.1 3
2015M04 4.1 8.2 4.6 3.1 3
2015M05 4 8.5 4.4 2.9 3.4
2015M06 4.4 8.9 4.4 2.9 3.5
2015M07 4.6 9.6 4.5 2.7 3.6
2015M08 5 9.5 4.7 2.6 4
2015M09 4.6 9.5 5.4 2.5 3.9
2015M10 4 9.9 5.9 2.5 3.7
2015M11 3.9 10.5 6.4 2.2 4.2
2015M12 4.4 10.7 6.8 2.1 4.4
2016M01 4.8 10.7 7.5 2.6 4.6
2016M02 4.7 10.4 7.6 2.9 4.5
2016M03 4.5 9.4 8 2.6 4.3
2016M04 4.2 9.3 7.9 2.5 3.9
2016M05 4.2 9.3 8.2 2.6 3.5
2016M06 4.2 8.8 8.6 2.5 3.3
2016M07 4 8.7 9 2.7 3
2016M08 3.4 9 8.1 2.7 2.9
2016M09 3.1 8.5 7.3 3 3.1
2016M10 2.8 7.9 6.5 3.1 3.4
2016M11 2.9 7 6 3.3 3.3
2016M12 2.7 6.3 5.8 3.4 3.2
2017M01 2.8 5.4 5.5 4.7 3.1
2017M02 2.7 4.8 5.2 4.9 3.2
2017M03 2.7 4.6 4.7 5.4 4
2017M04 2.7 4.1 4.7 5.8 3.7
2017M05 2.6 3.6 4.4 6.2 3
2017M06 1.7 3 4 6.3 2.7
2017M07 1.7 2.7 3.4 6.4 2.9
2017M08 1.9 2.5 3.9 6.7 3.2
2017M09 1.5 2.5 4 6.4 2.9
2017M10 1.9 2.7 4.1 6.4 2
2017M11 1.9 2.8 4.1 6.6 1.5
2017M12 2.3 3 4.1 6.8 1.4
2018M01 2.2 2.9 3.7 5.6 1.3
2018M02 2 2.8 3.4 5.3 1.2
2018M03 1.8 2.7 3.1 5 0.4
2018M04 1.9 2.8 3.1 4.6 0.5
2018M05
2018M06
2018M07
2018M08
2018M09
2018M10
2018M11
2018M12
2019M01
2019M02
2019M03
2019M04
2019M05
2019M06
2019M07
2019M08
2019M09
2019M10
2019M11
2019M12
#INTERPRETACION:
#1.- ESTACIONARIEDAD: COMO SOBRESALEN DE LA BANDA DE SIGNIFI
#2.- COMPONENTE AR:
#ACF: COMO SOBRESALEN DEMASIADO, SI TIENE COMPONENTE AR. SE
#3.- COMPONENTE MA:
#PACF: COMO SOBRESALE SALE MAS DE LA RIMERA, ENTONCES PAREC
#4.- ESTACIONALIDAD:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y NO SOB
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO N
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO S
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO S
ARIMA
CHILE
BRAZIL
COLOMBIA
MEXICO
PERU
EN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO
TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES UN AR 2
A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2
RA EL PERIODO 12 Y NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD
RA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD
RA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD

RA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALIDAD
RA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALIDAD
CON ESTACIONALIDAD
#AIC= 270.137 #AIC= 214.8704

226.0259
#AIC= 388.1534
#AIC= 108.7218
#AIC= 99.47863
#AIC= 164.2725 #AIC= 353.5547
#AIC= 244.0274
#AIC= 228.5573
AIC= 214.8704
AIC= 388.1534
AIC= 108.7218
AIC= 353.5547
AIC= 228.5573
##### EL MEJOR MODELO ARIMA #####
YT = Yt -1 + Yt -2 + Yt-3
names(datos_tarea1_PBI_NO_PRI)
### SELECCION DE TODAS LAS VARIABLES ###
CHILE <- as.matrix(datos_tarea1_PBI_NO_PRI[,1])

BRAZIL <- as.matrix(datos_tarea1_PBI_NO_PRI[,2])
COLOMBIA <- as.matrix(datos_tarea1_PBI_NO_PRI[,3])
MEXICO <- as.matrix(datos_tarea1_PBI_NO_PRI[,4])
PERU <- as.matrix(datos_tarea1_PBI_NO_PRI[,5])
### DATOS ESTADISTICOS ###
summary(CHILE)
summary(BRAZIL)
summary(COLOMBIA)
summary(MEXICO)
summary(PERU)
### CONVERTIR LAS VARIABLES A SERIES DE TIEMPO ###
CHILE<-ts(CHILE,frequency=12,start=c(2002,1))
BRAZIL<-ts(BRAZIL,frequency=12,start=c(2002,1))
COLOMBIA<-ts(COLOMBIA,frequency=12,start=c(2002,1))
MEXICO<-ts(MEXICO,frequency=12,start=c(2002,1))
PERU<-ts(PERU,frequency=12,start=c(2002,1))
#POR LO QUE GENERA SE TRABAJA CON DATOS DIARIOS, SEMANALES,

#TRIMETRALS(SEMETRAL Y ANUAL NO)
### DETECTAR ESTACIONALIDAD ###
# GRAFICOS DE LAS VARIABLES # 1°
plot(CHILE)
#PARECE SER ESTACIONARIA, PERO NO LO ES, XQ L
plot(BRAZIL)
#NO ES ESTACIONARIA, PERO NO LO ES POR QUE LA MEDIA NO TIENDE A CERO
plot(COLOMBIA)
plot(MEXICO)
plot(PERU)
#PARECE SER ESTACIONARIA, PERO NO LO ES, XQ LA MEDIA NO TIENDE A CERO
### AUTOCORRELOGRAMA ### 2°
ggtsdisplay(CHILE,main="CHILE")
#INTERPRETACION:
#1.- ESTACIONARIEDAD: COMO SOBRESALEN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO
#2.- COMPONENTE AR:
#ACF: COMO SOBRESALEN DEMASIADO, SI TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES
#3.- COMPONENTE MA:
#PACF: COMO SOBRESALE SALE MAS DE LA RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD
ggtsdisplay(BRAZIL,main="BRAZIL")
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACION
ggtsdisplay(COLOMBIA,main="COLOMBIA")
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIO
ggtsdisplay(MEXICO,main="MEXICO")
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALID
ggtsdisplay(PERU,main="PERU")
#INTERPRETACION:
#2.- COMPONENTE AR:
#3.- COMPONENTE MA:
#PACF:COMO LA DATA ES MENSUAL SE MIRA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALID
### GRAFICO DE ESTACIONALIDAD ###

#OPCIONAL DONDE SE APAGUE MAS LA LINEA GEENRA MAS INFLACION
ggseasonplot(CHILE,polar=TRUE,main="INFLACION")
ggseasonplot(BRAZIL,polar=TRUE,main="INFLACION")
ggseasonplot(COLOMBIA,polar=TRUE,main="INFLACION")
ggseasonplot(MEXICO,polar=TRUE,main="INFLACION")
ggseasonplot(PERU,polar=TRUE,main="INFLACION")
### TEST DE ESTACIONARIEDAD ###
# REGLA DE DECISION: P-value< 0.05.... es estacionaria #
#Ho: la serie no es estacionaria.. tiene raiz unitaria

#H1: la serie es estacionaria: ... no tiene raiz estacionaria
### DICKEY Y FULLER ###
adf.test(CHILE, alternative = "stationary")

# P-value= 0.01 ES ESTACIONARIA
adf.test(BRAZIL,alternative = "stationary")
# P-value= 0.07848 NO ES ESTACIONARIA
adf.test(COLOMBIA,alternative = "stationary")
adf.test(MEXICO,alternative = "stationary")
adf.test(PERU,alternative = "stationary")
# P-value= 0.01 ES ESTACIONARIA
### PHILLIP PERRON ###
pp.test(CHILE,alternative="stationary")
pp.test(BRAZIL,alternative="stationary")
pp.test(COLOMBIA,alternative="stationary")
pp.test(MEXICO,alternative="stationary")
pp.test(PERU,alternative="stationary")
#SI NO TIENE ESTACIONARIEDAD HAY Q TRANSFORMAR LA VARIBALE #
### TRANSFORMACION DE LAS SERIES ESTACIONARIAS ###

# DIFERENCIAS #
CHILE_1d<- diff(CHILE,differences=1)
autoplot(CHILE_1d,frecuency=12,xlab="tiempo",ylab="inflacion de CHILE")
adf.test(CHILE_1d,alternative="stationary")
pp.test(CHILE_1d,alternative="stationary")
BRAZIL_1d<- diff(BRAZIL,differences=1)
autoplot(BRAZIL_1d,frecuency=12,xlab="tiempo",ylab="inflacion de BRAZIL")
adf.test(BRAZIL_1d,alternative="stationary")
pp.test(BRAZIL_1d,alternative="stationary")
COLOMBIA_1d<- diff(COLOMBIA,differences=1)
autoplot(COLOMBIA_1d,frecuency=12,xlab="tiempo",ylab="inflacion de COLOMBIA")
adf.test(COLOMBIA_1d,alternative="stationary")
pp.test(COLOMBIA_1d,alternative="stationary")
MEXICO_1d<- diff(MEXICO,differences=1)
autoplot(MEXICO_1d,frecuency=12,xlab="tiempo",ylab="inflacion de MEXICO")
adf.test(MEXICO_1d,alternative="stationary")
pp.test(MEXICO_1d,alternative="stationary")
PERU_1d<- diff(PERU,differences=1)
autoplot(PERU_1d,frecuency=12,xlab="tiempo",ylab="inflacion de PERU")
adf.test(PERU_1d,alternative="stationary")
pp.test(PERU_1d,alternative="stationary")
# INTERPRETACION: EN SU PRIMERA DIFERENCIA YYA ES ESTACIONARIA
### MODELAMIENTO DEL ARIMA ###
#NOTA DE LOS COMPONENTES DEL MODELO:#

...
AR=AUTORREGRESIVO
MA=MEDIA MOVIL
SAR= AUTORREGRESIVO ESTACIONAL (AR CON ESTACIONALIDAD) ESTACIONALIDAD= ESTACIONES DEL AÑO
SMA= MEDIA MOVIL ESTACIONAL (MA CON ESTACIONALIDAD)
...
# PARA EL CASO DE SAR, SMA: #
SI LA SERIE ES MENSUAL ........ EMPIEZA EN EL MES 12 o 13

SI LA SERIE ES TRIMESTRAL...... EMPIEZA EN EN EL 4 o 5
Y ASI SUCESIVAMENTE
### ARIMA SIN ESTACIONALIDAD: ###
#ARIMAS PARA CHILE#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE
SE BUSCA UN MENOR AKAIKE, A MENOR AKEIKE AUMENTA LA VEROSIMILITUD DEL MODELO
#MODELO PROPIO DE CHILE#
propuestach<- arima(CHILE,order=c(1,2,1), method="ML")
propuestach
coeftest(propuestach)
propuestach$aic
#AIC= 270.137
#ARIMAS PARA BRAZIL#

# MODELO PROPIO DE BRAZIL#
propuestab<- arima(BRAZIL,order=c(1,0,1), method="ML")
propuestab
coeftest(propuestab)
propuestab$aic
#AIC= 226.0259 - LOS COEFICIENTES SON SIGNIFICATIVOS
acf(BRAZIL)
pacf(BRAZIL)
##### ARIMAS PARA COLOMBIA ##########

# MODELO PROPIO DE COLOMBIA#
propuestac <- arima(COLOMBIA,order=c(1,0,2), method="ML")
propuestac
coeftest(propuestac)
propuestac$aic
#AIC= 99.47863
#ARIMAS PARA MEXICO#

# MODELO PROPIO DE MEXICO#
propuestam<- arima(MEXICO,order=c(2,3,1), method="ML")
propuestam
coeftest(propuestam)
propuestam$aic
#AIC= 164.2725
#ARIMAS PARA PERU#

#MODELO PROPIO DE PERU#
propuestap<- arima(PERU,order=c(2,3,1), method="ML")
propuestap
coeftest(propuestap)
propuestap$aic
#AIC= 244.0274
### CON ESTACIONALIDAD ###

### CON ESTACIONALIDAD ###
#ARIMAS PARA CHILE#

#MODELO PROPIO DE CHILE#
propuestach1 <- arima(CHILE, order = c(1,1,0), seasonal = list(order = c(0,0,1), period = 12), method = 'ML')
propuestach1
coeftest(propuestach1)
propuestach1$aic
#AIC= 214.8704
#ARIMAS PARA BRAZIL#

#MODELO PROPIO DE BRAZIL#
propuestab1<- arima(BRAZIL, order = c(1,2,1), seasonal = list(order = c(0,2,1), period = 12), method = 'ML')
propuestab1
coeftest(propuestab1)
propuestab1$aic
#AIC= 388.1534 - LOS COEFICIENTES SON SIGNIFICATIVOS
acf(BRAZIL)
pacf(BRAZIL)
#ARIMAS PARA COLOMBIA#

#MODELO PROPIO DE COLOMBIA#
propuestac1<- arima(COLOMBIA, order = c(1,0,1), seasonal = list(order = c(2,1,1), period = 12), method = 'ML')
propuestac1
coeftest(propuestac1)
propuestac1$aic
#AIC= 108.7218
#ARIMAS PARA MEXICO#

#MODELO PROPIO DE MEXICO#
propuestam1 <- arima(MEXICO, order = c(0,1,2), seasonal = list(order = c(1,2,0), period = 12), method = 'ML')
propuestam1
coeftest(propuestam1)
propuestam1$aic
#AIC= 353.5547
#ARIMAS PARA PERU#

#MODELO PROPIO DE PERU#
propuestap1<- arima(PERU, order = c(1,2,0), seasonal = list(order = c(2,1,1), period = 12), method = 'ML')
propuestap1
coeftest(propuestap1)
propuestap1$aic
#AIC= 228.5573
#FUNCION AUTOARIMA CHILE#
Modeloch <- auto.arima(CHILE,d=1,trace= TRUE)

Modeloch #AIC= 216.87
#FUNCION AUTOARIMA BRAZIL#
Modelob <- auto.arima(BRAZIL,d=1,trace= TRUE)

Modelob #AIC=
#FUNCION AUTOARIMA COLOMBIA#
Modeloc <- auto.arima(COLOMBIA,d=1,trace= TRUE)

Modeloc #AIC= 37.54
#FUNCION AUTOARIMA MEXICO#
Modelom <- auto.arima(MEXICO,d=1,trace= TRUE)

Modelom #AIC= 17.98
#FUNCION AUTOARIMA PERU#
Modelop <- auto.arima(PERU,d=1,trace= TRUE)

Modelop #AIC= 103.08
2 PRIMEROS, ENTONCES ES UN AR 2
N COMPONENTE AR 2
E NO TIENE ESTACIONALIDAD
N COMPONENTE AR 2
ECIR QUE NO TIENE ESTACIONALIDAD
N COMPONENTE AR 2
ECIR QUE NO TIENE ESTACIONALIDAD
N COMPONENTE AR 2
QUE SI TIENE ESTACIONALIDAD
N COMPONENTE AR 2
QUE SI TIENE ESTACIONALIDAD

ethod = 'ML')
thod = 'ML')
# Las siguientes dos líneas son guía para el proceso, pues deben de coincidir con lo que genere la consola.
# datos_tarea1 <- read_excel("Intro_Series_de_Tiempo/datos_tarea1.xlsx",
# + sheet = "inflacion", range = "C2:G198")
ls(datos_tarea1_PBI_NO_PRI)
str(datos_tarea1_PBI_NO_PRI)
# Las siguientes lineas tienen por objetivo generar y/o identificar

# una serie estacionaria, una serie estacionaria es "un requisito"
# para posteriormente formular un modelo ARIMA.
# SELECCIONAR LAS VARIABLES

PBI <- as.matrix(datos_tarea1_PBI_NO_PRI[,1])
# ESTADISTICOS
summary(datos_tarea1_PBI_NO_PRI)
# CONVERTIR LA(S) VARIABLE(S) A SERIES DE TIEMPO

PBI <- ts(datos_tarea1_PBI_NO_PRI_1_, frequency = 12, start = c(2000,1)) # Se usa 12, por ser la frecuencia mensual; si fuera t
################# ANÁLISIS DE ESTACIONARIEDAD ################################
# GENERACIÓN DE GRÁFICOS PARA ANALIZAR CARACTERÍSTICAS DE LA SERIE DE TIEMPO
# Gráfico de una serie de tiempo

plot(PBI) # PARECE SER ESTACIONARIA
# GRAFICO de un serie de tiempo con etiquetas y título:

x11()
autoplot(PBI, frequency = 12, xlab = "Tiempo", ylab = "PBI", main = "CRECIMIENTO DEL PBI")
# PARA GRAFICAR la serie de tiempo y autocorrelogramas

# Las barras SOBRESALEN DE LAS BANDAS DE confianza , por lo cual LA SERIE NO ES ESTACIONARIA.
# TESTS/ PRUEBAS DE ESTACIONARIEDAD

# Se utilizarán las pruebas de DICKEY FULLER (DF) y PHILLIPS PERRON (PP)
#----------------- REGLA DE DECISION: P-VALUE (es menor)< 0.05 ... ES ESTACIONARIA ------------------------
#-----------------La regla de decisión aplica para la prueba de DF y la prueba de PP ------------
# Prueba de hipótesis:
#Ho : LA SERIE NO ES ESTACIONARIA: TIENE RAIZ UNITARIA
#H1 : LA SERIE ES ESTACIONARIA: NO TIENE RAIZ UNITARIA
# Para aplicar la prueba de DICKEY FULLER
adf.test(PBI,alternative = "stationary") # p-value = 0.5916 ... ES ESTACIONARIA
# Para aplicar la prueba de PHILLIPS PERRON

pp.test(PBI,alternative = "stationary") # p-value = 0.2116 ... NO ES ESTACIONARIA
## ARIMA
PROPUESTA1= arima(PBI, order = c(1,0,1), seasonal = list(order = c(1,2,1), period = 12), method = 'ML')
coeftest(PROPUESTA1)
PROPUESTA1$aic
PROPUESTA2= arima(PBI, order = c(2,1,1), seasonal = list(order = c(2,1,0), period = 12), method = 'ML')
coeftest(PROPUESTA2)
PROPUESTA2$aic
### AUTO-ARIMA
MODELO1 = auto.arima(PBI, d=1, trace = TRUE)
MODELO1
########VALIDACION
# Revision de los residuos (DIAGNOSTICO VISUAL)
checkresiduals(PROPUESTA1)
tsdiag(PROPUESTA1)
############################## NORMALIDAD #############################
install.packages("normtest")
library(normtest)
### test de Jarque Bera
# Criterio de decisión: si p > 0.05 distribución normal

H0: La muestra proviene de una distribución normal.
H1: La muestra no proviene de una distribución normal.
# En caso una serie de tiempo no sea estacionaria, se procede a

# "transformar" los datos
# para "generar" una serie estacionaria.
# test de Jarque Bera

error1 <- residuals(PROPUESTA1)
hist(error1)
jb.norm.test(error1) # p-value = 0.6115 Los datos se distribuyen de forma normal.
# Test de Shapiro-Wilk
# Criterio de decisión: si p-value > 0.05 Los datos se distribuyen de forma independiente
H0: Los datos se distribuyen normalmente
H1: Los datos no se distribuyen normalmente
qqnorm(PROPUESTA1$residuals);qqline(PROPUESTA1$residuals)
normalidad <-shapiro.test(PROPUESTA1$residuals)
normalidad
########## Heterocedasticidad
# Test de Ljung-Box
# Criterio de decisión: si p-value > 0.05 Los datos se distribuyen de forma independiente
H0: Los residuos se distribuyen de forma independiente
H1: Los residuos no se distribuyen de forma independiente
independencia_propuesta1<- Box.test(PROPUESTA1$residuals, type="Ljung-Box")
independencia_propuesta1 # p-value = 0.5916 Los datos se distribuyen de forma independiente
# independencia_Propuesta1$p.value
######################### Pronostico ##########################
prediccion1 <- predict(PROPUESTA1,n.ahead = 12)

upper <- prediccion1$pred + 1.96*prediccion1$se
lower <- prediccion1$pred - 1.96*prediccion1$se
ts.plot(PBI, prediccion1$pred, col=c("black","red"), main='FORECAST PBI')
lines(upper, col="blue", lty="solid")
lines(lower, col="blue", lty="solid")
frecuencia mensual; si fuera trimestral sería 4.

Inflacion - Arima

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Inflacion - Arima

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD CATÓLICA DE SANTA DE MARÍA

FACULTAD DE CIENCIAS ECONÓMICO ADMINISTRATIVAS

ESCUELA PROFESIONAL DE INGENIERÍA COMERCIAL

Retamozo Surco, Stephanie

TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES UN AR 2

A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2

RA EL PERIODO 12 Y NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD

EN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO

TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES UN AR 2

A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2

RA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD

EN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO

TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES UN AR 2

A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2

RA EL PERIODO 12 Y COMO NO SOBRESALE QUIERE DECIR QUE NO TIENE ESTACIONALIDAD

EN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO

A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2

RA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALIDAD

EN DE LA BANDA DE SIGNIFICANCIA NO TIENDEN A CERO

TIENE COMPONENTE AR. SE DEBE FIJAR SOLO EN LOS 2 PRIMEROS, ENTONCES ES UN AR 2

A RIMERA, ENTONCES PARECE SER MA 1 Y UN TIENE UN COMPONENTE AR 2

RA EL PERIODO 12 Y COMO SOBRESALE QUIERE DECIR QUE SI TIENE ESTACIONALIDAD

#AIC= 270.137 #AIC= 214.8704

### SELECCION DE TODAS LAS VARIABLES ###

CHILE <- as.matrix(datos_tarea1_PBI_NO_PRI[,1])

### DATOS ESTADISTICOS ###

### CONVERTIR LAS VARIABLES A SERIES DE TIEMPO ###

#POR LO QUE GENERA SE TRABAJA CON DATOS DIARIOS, SEMANALES,

### DETECTAR ESTACIONALIDAD ###

# GRAFICOS DE LAS VARIABLES # 1°

### AUTOCORRELOGRAMA ### 2°

### GRAFICO DE ESTACIONALIDAD ###

### TEST DE ESTACIONARIEDAD ###

# REGLA DE DECISION: P-value< 0.05.... es estacionaria #

#Ho: la serie no es estacionaria.. tiene raiz unitaria

### DICKEY Y FULLER ###

adf.test(CHILE, alternative = "stationary")

### PHILLIP PERRON ###

#SI NO TIENE ESTACIONARIEDAD HAY Q TRANSFORMAR LA VARIBALE #

### TRANSFORMACION DE LAS SERIES ESTACIONARIAS ###

# INTERPRETACION: EN SU PRIMERA DIFERENCIA YYA ES ESTACIONARIA

### MODELAMIENTO DEL ARIMA ###

#NOTA DE LOS COMPONENTES DEL MODELO:#

# PARA EL CASO DE SAR, SMA: #

SI LA SERIE ES MENSUAL ........ EMPIEZA EN EL MES 12 o 13

### ARIMA SIN ESTACIONALIDAD: ###

#ARIMAS PARA CHILE#

#ARIMAS PARA BRAZIL#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

##### ARIMAS PARA COLOMBIA ##########

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

#ARIMAS PARA MEXICO#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

#ARIMAS PARA PERU#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

### CON ESTACIONALIDAD ###

#ARIMAS PARA CHILE#

#ARIMAS PARA BRAZIL#

#ARIMAS PARA COLOMBIA#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

#ARIMAS PARA MEXICO#

SE BUSCA UE SEA SIGNIFICATIVO, Y TENGA MENOR AKAIKE

#ARIMAS PARA PERU#