TOPICOS DE ECONOMETRIA

APLICADA
Series de Tiempo
Introducción

Conceptos
• 1.Procesos estocásticos
• Un proceso estocástico o aleatorio es una
colección de variables aleatorias en el
tiempo
• Cada una de las Yt es una var aleatoria
• Por ejemplo la serie de PBI puede
considerarse un proc. estocastico
• Cada observación es una realización
particular

• La distinción entre proceso estocástico y realización es similar a la idea de población y muestra en cross section .

Proceso Estocástico Estacionario • Si su media y su varianza son constantes en el tiempo y si el valor de la covarianza entre dos períodos depende solamente de la distancia o rezago entre esos dos períodos de tiempo y no del momento en el cual se ha calculado la covarianza • Proceso estocástico débilmente estacionario .2.

var y cov permanecen constantes sin importar el momento en el cual se midan • Una serie de este tipo tenderá a regresar a la media (reversión media) • Las fluctuaciones alrededor de esta media tendrán una amplitud constante (var) y muy amplia .• Propiedades • Es decir que la media.

• Cada conjunto de datos pertenecerá a un episodio particular • No puede generalizarse • Tienen poco valor práctico .• Una serie no estacionaria tendrá media y/o varianza que cambian en el tiempo • Si una serie es no estacionaria se puede estudiar su comportamiento sólo durante el período de observación.

3.Proceso puramente aleatorio o ruido blanco • Media cero. var constante y no está serialmente correlacionado • ui del modelo de regresión clásico .

tipos de cambio Dos tipos: 1)sin variaciones: sin termino constante 2)con variaciones: con término constante . Procesos no estacionarios • • • • • • Modelo de caminata aleatoria Random walk Ej: precios de acciones.4.

Supongamos un ut que es un término de error ruido blanco • El valor presente es el pasado más un shock aleatorio • Una aplicación puede ser la hipótesis de mercados eficientes .• 1.

Es decir que la media es constante pero la varianza se incrementa con t Viola una de las condiciones de estacionariedad .

• Una característica importante es la persistencia de los shocks aleatorios • El impacto de un shock no se desvanece • El random walk tiene una memoria infinita • La primer diferencia de un random walk es estacionaria (es el ut) .

• 2. Random walk con variaciones • La constante se conoce como el parámetro de variación • Si se expresa en diferencias .

• Yt varía dependiendo si d es positiva o negativa • Ahora la media y la var se incrementan con t .

.

.

Proceso estocástico de raíz unitaria Si rho es igual a uno se convierte en un random walk Problema de raíz unitaria (no estacionariedad) Si el valor absoluto de rho es menor a uno la serie es estacionaria Es un AR(1) Los procesos AR(1) son estacionarios .5.

Procesos de tendencia estacionaria y de diferencia estacionaria • Es importante la distinción entre procesos estacionarios y no estacionarios para saber si la tendencia es determínistica o estocástica • Si es determinista es predecible y no variable • Si no es predecible es estocástica • Un random walk puro (sin constante) es estacionario en diferencias .

1) .t + Yt-1 +ut Yt = 0.5. Estocástica Yt = 0.• • • • • • • • Si se diferencia un RW con constante La serie mostrará una tendencia estocástica También es estacionario en diferencias Ejemplo tendencia determinística vs.5 + Yt-1 + ut Y0=1 ut N(0.

.

Procesos estocásticos integrados • El RW es un caso particular de una clase general de procesos • Los procesos integrados • Es estacionario en primeras diferencias • Integrado de orden I • En general si una serie debe diferenciarse d veces para resultar estacionaria: integrada de orden d .

Propiedades de las series integradas .

RW • Si los errores no están ni serialmente ni mutuamente relacionados: el R2 debe tender a cero y no habría correlación entre las series.Regresión Espuria • Si se realiza una regresíon entre dos series no estacionarias: ej. • Sin embargo pueden obtenerse estadísticos t significativos y R2 distintos de cero • Aunque los resultados carecen de sentido .

Regresión Espuria • Patología: R2 alto y DW bajo • Si se hace la regresión en primeras diferencias se soluciona el problema si las series son I(1) • Atención al realizar análisis sobre series que presentan tendencias estocásticas. • Deben realizarse pruebas de estacionariedad .