andrés eduardo reyes polanco · series de tiempo en el dominio del tiempo, un área de la...
TRANSCRIPT
![Page 1: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/1.jpg)
![Page 2: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/2.jpg)
Andrés Eduardo Reyes Polanco
Prof: Universidad Central de Venezuela
SERIES DE TIEMPO CONCEPTOS BÁSICOS DE ANÁLISIS DE SERIES DE
TIEMPO EN EL DOMINIO DEL TIEMPO
![Page 3: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/3.jpg)
Series de tiempo
2 | COPYRIGHT
COPYRIGHT
Todos los nombres propios de programas y sistemas
operativos, que aparecen en este libro son marcas
registradas de sus respectivas compañías u organizaciones.
Responsable editorial y diseño de cubierta:
Daniel José Reyes Valero
Imagen de cubierta:
Stefan Keller en Pixabay
Autor:
© 2015 – 2020 Andrés Eduardo Reyes Polanco
email: [email protected]
https://estadistica.com.ve
Depósito legal: lfi25220153304011
Madrid, España 2020
ISBN: 978-84-09-17912-1
Reservados todos los derechos. No se permite la
reproducción total o parcial de esta obra, ni su
incorporación a un sistema informático, ni su transmisión
en cualquier forma o por cualquier medio (electrónico,
mecánico, fotocopia, grabación u otros) sin autorización
previa y por escrito de los titulares del copyright. La
infracción de dichos derechos puede constituir un delito
contra la propiedad intelectual.
![Page 4: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/4.jpg)
Andrés Eduardo Reyes Polanco
3
DEDICATORIA
A Letty Margarita, mi esposa, amiga y compañera de mi vida.
A mis hijos los Reyes Valero: Eduardo, Daniel, Benjamín y Ezequiel.
A Luis Antonio Reyes Izquierdo.
Al lector.
![Page 5: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/5.jpg)
Series de tiempo
4 | AGRADECIMIENTO
AGRADECIMIENTO
Quiero expresar mi gratitud con un gran afecto y respeto a mi profesor Dr.
Rafael Orellana que con paciencia leyó el manuscrito original haciéndome
valiosas aportaciones. De la misma forma quiero manifestar mi
agradecimiento a los profesores: Dr. Luis Mata Molleja y Dr. Fernando José
Martínez V que hicieron observaciones importantes a esta obra y que
ayudaron a mejorar la primera versión. Igualmente agradezco a mi amigo y
colega Oswaldo Delgado y a mi hijo Daniel J Reyes V por la revisión final del
manuscrito. Cualquier error que encuentre el lector es de mi entera
responsabilidad.
Andrés E Reyes Polanco.
Profesor Asociado UCV.
San Antonio de Los Altos 9 de Enero del 2013.
![Page 6: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/6.jpg)
Andrés Eduardo Reyes Polanco
5
TABLA DE CONTENIDO
PREFACIO ....................................................................................................... 16
CAPÍTULO I. CONCEPTOS BÁSICOS ................................................................. 21
INTRODUCCIÓN.......................................................................................... 21
Ejemplo 1: Series de tiempos de fenómenos diferentes ........................ 22
Ejemplo 2: Obtención de dos componentes del índice de precios del
subgrupo alimentos ............................................................................... 30
Ejemplo 3: Modelos MA(2), AR(2), ARMA(2,2), ARMAX(0,1,1) .............. 31
Ejemplo 4: Dominio de la frecuencia...................................................... 33
Ejemplo 5: Modelo ARMAX(1,0,2) .......................................................... 34
Ejemplo 6: Modelo VAR(1) ..................................................................... 35
Ejemplo 7: Modelo no lineal .................................................................. 35
Ejemplo 8: Proceso de caminata aleatoria ............................................. 35
Ejemplo 9: Proceso estocástico continuo ............................................... 36
OPERADORES ............................................................................................. 37
Ejemplo 10: Modelo autorregresivo de primer orden diferenciado una
vez .......................................................................................................... 38
Ejemplo 11: Modelos AR(1) y AR(2) ....................................................... 39
Ejemplo 12: Modelos MA(1) y MA(2) ..................................................... 39
![Page 7: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/7.jpg)
Series de tiempo
6 | TABLA DE CONTENIDO
PROPIEDADES ............................................................................................ 40
Estacionariedad ...................................................................................... 41
Ergodicidad ............................................................................................ 42
Teorema de descomposición de Wold ................................................... 44
Invertibilidad .......................................................................................... 46
MÉTODOS DE ESTIMACIÓN ........................................................................ 46
Métodos con base a leyes de probabilidad ............................................ 47
Método de Máxima Verosimilitud (MV)................................................. 48
Método Bayesiano ................................................................................. 50
Métodos No Paramétricos ..................................................................... 52
Métodos con Base a Distancias .............................................................. 55
Mínimos Cuadrados (MC) ...................................................................... 56
Mínimos cuadrados no lineales MCNL ................................................... 58
Norma L1 ............................................................................................... 61
Otros métodos de estimación ................................................................ 66
EL PRONÓSTICO ......................................................................................... 67
MEDIDAS DE BONDAD DE AJUSTE .............................................................. 69
MODELO DE COMPONENTES INOBSERVADOS ........................................... 73
Ejemplo 21: Modelo de componentes inobservados ............................. 77
![Page 8: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/8.jpg)
Andrés Eduardo Reyes Polanco
7
VALORES ATÍPICOS Y DATOS FALTANTES .................................................. 82
OBSERVACIONES GENERALES .................................................................... 83
Breve Historia......................................................................................... 83
Modelos determinísticos ........................................................................ 85
No normalidad ....................................................................................... 87
PROBLEMAS ........................................................................................... 88
CAPÍTULO II. SERIES DE TIEMPO UNIVARIANTES. ........................................... 94
INTRODUCCIÓN.......................................................................................... 94
Filtro lineal ............................................................................................. 95
Función de autocorrelación simple (FAC) ............................................... 97
Ecuaciones de Yule Walker. ................................................................... 99
Función de autocorrelación parcial (FACP) .......................................... 100
MODELO AR(p) ......................................................................................... 102
AR(1) .................................................................................................... 103
AR(2) .................................................................................................... 105
MODELO MA(q) ....................................................................................... 107
MA(1) ................................................................................................... 108
MA(2) ................................................................................................... 110
MODELO ARMA(p,q) ................................................................................ 111
![Page 9: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/9.jpg)
Series de tiempo
8 | TABLA DE CONTENIDO
Funciones de autocorrelación simple y parcial .................................... 111
ARMA(1,1) ............................................................................................ 113
MODELO ARIMA(p,d,q) ............................................................................ 115
Ejemplo 2: ARIMA (2,2,1) ..................................................................... 116
METODOLOGÍA BOX y JENKINS ................................................................ 117
Identificación ....................................................................................... 117
Ejemplo 3: Ventas mensuales durante 6 años ..................................... 118
Ejemplo 4: Volumen de cotizaciones de Apple .................................... 122
Ejemplo 5: Modelo ARIMA(0,3,2) ........................................................ 123
Ejemplo 6: Principio de parsimonia ...................................................... 125
Ejemplo 7: Cálculo de los cuadrados de correlaciones canónigas usando
la herramienta informática SAS para seleccionar un modelo .............. 128
Estimación ............................................................................................ 131
Validación ............................................................................................ 133
Ejemplo 8: Ljung-Box Chi-cuadrado ..................................................... 136
Ejemplo 9: Modelo AR(3) ..................................................................... 137
Ejemplo 10: Continuación Ejemplo 9 ARIMA ....................................... 138
Ejemplo 11: ARIMA (1,0,0) ................................................................... 139
PRONÓSTICO ............................................................................................ 143
![Page 10: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/10.jpg)
Andrés Eduardo Reyes Polanco
9
AR(1) .................................................................................................... 145
MA(1) ................................................................................................... 145
Ejemplo 12: Modelo ARIMA(1,0,2) ....................................................... 146
INTERVALOS DE CONFIANZA .................................................................... 147
La transformación de Box Cox .............................................................. 147
OBSERVACIONES GENERALES .................................................................. 148
Ejemplo 13: Modelos MA(1) y AR(2) sobre la variación del precio....... 149
Ejemplo 14: Correlación de los parámetros estimados ........................ 155
PROBLEMAS ............................................................................................. 157
CAPÍTULO III. ESTACIONALIDAD, RAIZ UNITARIA Y VALORES ATÍPICOS ........ 162
INTRODUCCIÓN. ....................................................................................... 162
ESTACIONALIDAD ARMA(p,q)(P,Q) .......................................................... 166
Ejemplo 1: ARMA(0,0)(12,0) Estacional ................................................ 166
ESTACIONALIDAD ARIMA (p,d,q)(P,D,Q) .................................................. 167
Ejemplo 2: Modelo estacional .............................................................. 170
EL PROBLEMA DE LA RAIZ UNITARIA. ....................................................... 172
Ejemplo 3: Modelo ARIMA ................................................................... 174
Contrastes para la raíz unitaria ............................................................ 177
Contraste de Dickey-Fuller (DF) ........................................................... 178
![Page 11: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/11.jpg)
Series de tiempo
10 | TABLA DE CONTENIDO
Contraste de Phillps-Perron ................................................................. 185
Ejemplo 4: Prueba aumentada de la raíz unitaria ................................ 186
VARIABLES DE INTERVENCIÓN Y VALORES ATÍPICOS ............................... 187
IMPULSO .............................................................................................. 189
ESCALON .............................................................................................. 191
Ejemplo 5: Variables de Intervención: Impulso y Escalón .................... 193
Valores atípicos .................................................................................... 195
OBSERVACIONES GENERALES .................................................................. 204
Estacionalidad ...................................................................................... 204
Raíz unitaria ......................................................................................... 205
Valores atípicos .................................................................................... 205
PROBLEMAS ............................................................................................. 205
CAPÍTULO IV.-MODELOS DE SERIES DE TIEMPO NO LINEALES EN LA VARIANZA
CONDICIONAL: ARCH. GARCH. ..................................................................... 218
INTRODUCCIÓN........................................................................................ 218
Ejemplo 1: Modelo bilineal .................................................................. 219
Ejemplo 2: Modelo AR con ADE ........................................................... 219
MODELOS ARCH y GARCH ........................................................................ 222
Ejemplo 3: Modelo ARCH(2) ................................................................. 226
![Page 12: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/12.jpg)
Andrés Eduardo Reyes Polanco
11
Ejemplo 4: Modelo ARCH(1)-M ............................................................ 227
Ejemplo 5: Modelo ARCH(q)-M ............................................................ 227
Ejemplo 6: Modelo GARCH(1,2) ........................................................... 227
Ejemplo 7: Modelo GARCH(2,1) ........................................................... 228
Ejemplo 8: Modelo AR(p)-GARCH(p,q) ................................................. 229
MODELO ARCH(q) .................................................................................... 229
Estimación de máxima verosimilitud ................................................... 232
Teorema (R. F. Engle (1982)) ................................................................ 236
Otros métodos de estimación .............................................................. 237
Contraste de hipótesis ......................................................................... 241
Pronóstico ............................................................................................ 242
MODELOS RELACIONADOS: ARCH-M, TARCH, AR-ARCH .......................... 243
Ejemplo 9: Modelo LogIPMG (IPMG índice de precio al por mayor
general) ................................................................................................ 246
MODELO GARCH ...................................................................................... 250
Teorema Bollerslev (1986) ................................................................... 252
Estimación de los parámetros de GARCH-generalización ..................... 253
Contraste de hipótesis de los parámetros de GARCH .......................... 255
Pronóstico ............................................................................................ 257
![Page 13: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/13.jpg)
Series de tiempo
12 | TABLA DE CONTENIDO
MODELOS RELACIONADOS. INGARCH, GARCH-M .................................... 258
Ejemplo 10: Modelo de regresión lineal con heteroscedasticidad ....... 261
MODELO EGARH ...................................................................................... 261
Ejemplo 11: Modelo GARCH ................................................................. 262
CONTRASTES BDS Y RB ............................................................................. 271
CONTRASTE BDS ................................................................................... 272
CONTRASTE RB ..................................................................................... 274
SERIE DE TIEMPO CON MEMORIA LARGA ................................................ 275
COEFICIENTE DE HURST ....................................................................... 276
ARFIMA ................................................................................................ 281
COMENTARIOS GENERALES ..................................................................... 283
Construcción de un modelo no lineal ................................................... 283
Distribución de las innovaciones .......................................................... 284
Otros modelos ..................................................................................... 285
PROBLEMAS ............................................................................................. 286
CAPITULO V: SERIES DE TIEMPO MULTIVARIANTES. .................................... 294
INTRODUCCIÓN........................................................................................ 294
Ejemplo 1: Modelo ARMAX .................................................................. 296
Ejemplo 2: Modelo VARMA(p,q) .......................................................... 298
![Page 14: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/14.jpg)
Andrés Eduardo Reyes Polanco
13
Ejemplo 3: Modelo VAR(p) ................................................................... 299
Ejemplo 4: Modelo VMA(q) .................................................................. 300
Ejemplo 5: Modelo VARMA(p,q) .......................................................... 301
MODELO MAR O ARX. REGRESIÓN DINÁMICA ......................................... 302
Ejemplo 6: IPCG, IPM e IPP ................................................................... 305
Ejemplo 7: Modelo ARX(2,0) ................................................................ 306
COINTEGRACIÓN ...................................................................................... 311
Contraste de cointegración .................................................................. 313
Mecanismo de ajuste del error. Métodos de estimación ..................... 314
MODELO VAR ........................................................................................... 315
Valor esperado, matriz de covarianza y matriz de correlación ............. 318
Estacionariedad en sentido estricto ..................................................... 320
Estacionariedad en sentido débil ......................................................... 320
Filtro lineal para un proceso estacionario multivariante ...................... 321
Matriz de varianza covarianza y de correlación muestral .................... 322
Determinación de la estacionariedad e identificación del VAR(p) ....... 322
Ejemplo 8: Criterio de mínima información ......................................... 324
Estimación parámetros modelo VAR(p) ............................................... 325
Contraste de hipótesis sobre VAR(p) ................................................... 326
![Page 15: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/15.jpg)
Series de tiempo
14 | TABLA DE CONTENIDO
Contraste global ................................................................................... 327
Contraste de normalidad del proceso vectorial de ruido blanco ......... 328
Criterios de selección entre varios modelos ........................................ 329
Ejemplo 9: Criterios de selección ......................................................... 330
Pronósticos .......................................................................................... 332
Ejemplo 10: Modelo VAR(2) ................................................................. 333
Ejemplo 11: Análisis de los residuos ..................................................... 337
Cointegración y raíz unitaria en VAR(p): VECM(p)................................ 339
Ejemplo 12: Modelo VAR(1) ................................................................. 340
Estimadores de Máxima Verosimilitud................................................. 341
Contraste del rango de (Johansen) .................................................. 342
Ejemplo 13: Modelo VAR(2) ................................................................. 344
Ejemplo 14: Mecanismo de ajuste de error ......................................... 360
OBSERVACIONES GENERALES .................................................................. 371
El test de causalidad de Granger .......................................................... 371
Modelos multivariantes no lineales ..................................................... 373
PROBLEMAS ............................................................................................. 373
INDICE ANALITICO ........................................................................................ 385
REFERENCIA BIBLIOGRÁFICA ........................................................................ 390
Π
![Page 16: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/16.jpg)
Andrés Eduardo Reyes Polanco
15
![Page 17: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/17.jpg)
Series de tiempo
16 | PREFACIO
PREFACIO
El siguiente texto tiene por finalidad dar al lector los conceptos básicos de
series de tiempo en el dominio del tiempo, un área de la Estadística
Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta
busca por tanto dar un fundamento a aquellos profesionales que requieren
de la aplicación de estas técnicas y, que posteriormente quieran profundizar
estudiando por textos de un nivel superior. Está dirigido a Ingenieros,
Economistas, Actuarios, Administradores y cualquier otra profesión que
requiere un conocimiento suficiente para aplicar las técnicas de pronósticos
en su campo. Los modelos que se tratan en este texto introductorio son tanto
univariantes como multivariantes en el dominio del tiempo, haciendo énfasis
más en las aplicaciones que en el desarrollo teórico del análisis de series de
tiempo, pero tratando de no descuidar este aspecto. Los pocos teoremas que
se exponen no se demuestran y los conceptos se ilustran con ejemplos. En
todos los temas se analizan casos reales empleando como soporte
computacional: SAS 9.1 y SPSS 19. Así que el texto está orientado a la
aplicación práctica sin olvidar los fundamentos teóricos subyacentes. Su
contenido sirve para una primera aproximación al complicado arte de
pronosticar fenómenos económicos y financieros.
Mi primera experiencia del estudio y aplicación de técnicas de ajustes y
pronósticos de datos temporales empezó en el Ministerio de Obras Públicas,
cursando apenas el segundo año de carrera en 1967, las herramientas de
análisis de series de tiempo que empleábamos eran las clásicas, el estudio de
![Page 18: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/18.jpg)
Andrés Eduardo Reyes Polanco
17
la tendencia y los índices de estacionalidad, uso de polinomios ortogonales,
regresión etc. Desde aquel entonces es un tema que siempre ha estado
presente en mi ejercicio profesional. He aplicado estas técnicas en problemas
de inventarios, comportamiento de oferta y demanda de diferentes
productos para estudios de mercado, cálculos de tarifas de servicios públicos
entre otros. Últimamente asesoré al Banco Central de Venezuela en estos
tópicos. Con el paso del tiempo dicté varios cursos de técnicas de
pronósticos como materia electiva en la Maestría de Ciencias Administrativas
de la Universidad Central de Venezuela y los cursos de Econometría I y II en la
Maestría de Política y Teoría Económica de esta misma universidad, además
de prestar tutorías de tesis de maestrías donde la metodología de análisis de
datos exige la aplicación de estas técnicas. Para dictar estos cursos fui
preparando diferentes materiales, algunos publicados en mi página
(https://www.estadistica.com.ve/) y otros en el libro Introductorio de
Herramientas Cuantitativas en la Toma de Decisiones (2007), además de los
dos últimos trabajos de ascensos presentados a esta misma Universidad,
sobre todo el último que versó sobre la predicción bajo determinismo, azar y
caos. Han pasado más de cuatro décadas desde que me inicié en el estudio y
aplicación de series de tiempo, creo que es un lapso suficiente para que
dedique parte de mi tiempo a la elaboración de este texto, sin más
pretensión que dejar algo útil a los interesados que se inician en este tema
por razones profesionales y académicas. Empleé, por tanto, la experiencia
profesional y los trabajos escritos como base para hacer este aporte. Este es
un tópico que tiene sus complicaciones sobre todo si se trata de problemas
![Page 19: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/19.jpg)
Series de tiempo
18 | PREFACIO
económicos en estos tiempos de volatilidad. Esto último justificó que en el
capítulo IV le dedique parte del material a la volatilidad en los fenómenos
económicos en momentos de la globalización. Aquí incorporamos los
modelos de series de tiempo no lineales en varianza condicional. Para la lectura del texto se requiere conocer los tópicos relacionados con
cálculo matricial, inferencia estadística y cálculo de probabilidades a un nivel
básico o a lo más intermedio.
El texto contiene los siguientes capítulos: capítulo I: En este capítulo se da la
introducción de los conceptos tales como: definición de una serie de tiempo
univariante y los primeros ejemplos de series de tiempo multivariantes.
Descomposición de una serie de tiempo: tendencia, estacionalidad, ciclo y
error. Operadores más usuales. Propiedades tales como: estacionariedad,
invertibilidad ergodicidad, teorema de Wold. Además, se repasa algunos
métodos de estimación de los parámetros tales como: máxima verosimilitud,
bayesianos, no paramétricos, mínimos cuadrados lineal y no lineal, métodos
exactos y condicionados, norma L1. Además, se da el concepto de pronóstico.
Se presentan las medidas de bondad de ajuste más usuales. Un primer
modelo que se ilustra mediante el desarrollo de un caso real usando SAS es el
modelo de componentes inobservados. En este mismo capítulo se da una
primera aproximación de los valores atípicos y datos faltantes. Al final de este
capítulo se hace un bosquejo histórico del desarrollo de las series de tiempo y
de los modelos determinísticos. Igualmente se hace un comentario del
supuesto de normalidad. El capítulo termina con problemas propuestos
como ejercicios. El segundo capítulo trata de una introducción de procesos
![Page 20: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/20.jpg)
Andrés Eduardo Reyes Polanco
19
estocásticos lineales. Luego pasa a los conceptos fundamentales tanto
teóricos como prácticos como son: funciones de autocorrelación ordinaria o
simple y parcial. Ecuaciones de Yule Walker. Como veremos en este mismo
capítulo estos conceptos son básicos para identificar el proceso estocástico
no observado que origina la serie de tiempo observada. Modelo AR(p). Se
estudia como casos particulares los modelos AR(1) y AR(2), luego el MA(q), y
en particular los modelos MA(1) y MA(2). Modelo ARMA(p,q) y ARMA(1,1),
modelo ARIMA(p,d,q). Metodología de Box-Jenkins: identificación, estimación
de los parámetros, validación y pronóstico. Todos los tópicos se ilustran con
ejemplos de la vida real y se emplean como herramientas: SAS y SPSS. Al final
del capítulo se dan algunas observaciones producto de la experiencia
profesional desarrollando dos ejemplos reales. Se proponen además varios
problemas reales para ser analizado por el lector. El tercero trata de
Estacionalidad ARIMA(p,d,q)(P,D,Q). El problema de las raíces unitarias, este
último tiene una importancia fundamental en Econometría. Contraste de
Dickey-Fuller y sus aplicaciones. Contraste de Phillips-Perron. Variable de
intervención y valores atípicos. Ejemplos reales desarrollados con SAS y SPSS.
Finalizando el capítulo presentan unos comentarios adicionales sobre los
efectos de la estacionalidad, raíz unitaria y presencia de valores atípicos en la
identificación del modelo y los pronósticos. Por último, se proponen varios
problemas. El cuarto capítulo contiene: modelos de series de tiempo no
lineales, modelo bilineal. Modelos no lineales en media y varianza
condicionales: Modelos ARCH y GARCH. Estimación, Contrastes de hipótesis.
Modelos relacionados ARCH-M, TARCH, AR-ARCH. INGARCH, Contraste: DBS,
![Page 21: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/21.jpg)
Series de tiempo
20 | PREFACIO
Coeficiente de Hurt, modelo ARFIMA. Ejemplo con SAS. Al final se propone
unos problemas relacionados con el tema. El quinto trata muy brevemente
de series de tiempo multivariante, definición de series de tiempo
multivariante uniecuacional: ARMAX, definición de series de tiempo
vectoriales VAR(p). Cointegración, estimación, contraste y Vectores
Autoregresivos VAR: selección, estimación, validación y pronósticos. VECM.
Todos estos puntos son ilustrados con ejemplos reales usando SAS. Se
termina el capítulo con comentarios generales sobre la distribución de las
innovaciones, el test de causalidad de Granger y un conjunto de problemas
prácticos.
![Page 22: Andrés Eduardo Reyes Polanco · series de tiempo en el dominio del tiempo, un área de la Estadística Matemática cuya teoría exige un buen nivel de esta. El texto que se presenta](https://reader030.vdocuments.net/reader030/viewer/2022033119/5e9c8be7a5ddfd1082360a80/html5/thumbnails/22.jpg)
Consigue el libro completo en Amazon:
Tapa blanda
https://www.amazon.com/dp/8409179121
Kindle
https://www.amazon.com/dp/B0842Z88JR