Los modelos económicos tratan de describir teorías económicas basados en las interrelaciones existentes entre ciertas variables macoeconómicas.
|
|
- Gustavo Ayala Botella
- hace 7 años
- Vistas:
Transcripción
1 MODELOS VAR Y VAR ESTRUCTURAL Los modelos económicos raan de describir eorías económicas basados en las inerrelaciones exisenes enre cieras variables macoeconómicas. Tales inerrelaciones suguieren cieros comporamienos regulares del pasado que afecan a las observaciones presenes*. Sin embargo, dado que el pasado no deermina compleamene el presene, se genera una pare no explicada, la cual esá asociada a un conjuno de: shocks esocásicos Los cuales juegan un papel imporane en relación a las diferenes eorías macroeconómicas *Véase, M. Haanaka, Time-Series based Economerics Uni Roos and Coinegraion, Advanced Tex in Economerics, 996.
2 En algunas ocasiones, las formas funcionales que gobiernan el conjuno de inerrelaciones no son deerminadas de manera específica por la eoría económica La economería adopa al modelo lineal de ecuaciones simuláneas () como méodo de aproximación β X + L+ ε { ε } E[ ε ] E [ ] ' ε ε Ω iid βx + βx () siendo { X },{ ε } procesos esocásicos vecoriales de orden k: observable y no observable. las marices de coeficienes: β,, L β reflejan los posulados de las diferenes eorías económicas sobre las inerrelaciones de las variables bajo esudio.
3 La economería esrucural, especialmene la modelación (), uvo un gran auge enre Bajo ese esquema, el rabajo eórico se concenró en el desarrollo de méodos de esimación que uviesen en cuena el sesgo de simulaneidad: El cual resula de la correlación enre: los érminos de error y algunas variables explicaivas El rabajo prácico giró en orno a la consrucción de grandes y complicados modelos económicos que consideraban un gran número de variables endógenas bajo el enfoque de la Comisión Cowles. Sims 98 muesra como para lograr la fase de idenificación en la aplicación del modelo de ecuaciones simuláneas se requiere de un conjuno de resricciones lineales o de exclusión no necesariamene soporadas por la eoría económica. / Charemza y Deadman, 997, New Direcions in Economeric Pracice. 3
4 Es de mencionar, que ales resricciones presuponen causalidades unidireccionales y definen como equivalenes a los concepos de causalidad y exogeneidad. Una de las mayores objeciones al modelo de ecuaciones simuláneas se desprende de la famosa críica de Lucas. Es decir, no hay razón para pensar que la esrucura de las relaciones económicas permanece invariane ane inervenciones de políica. Sims sugiere como modelo alernaivo el modelo VAR definido como: X + L+ AX + AX { e} iid Ee [ ] e () el cual se considera como un modelo de series de iempo de forma reducida, donde no se considera de manera explícia las relaciones conemporáneas enre las variables bajo análisis dado que odas ienen carácer endógeno.. El inerés inicial sobre la modelación VAR surge de la incapacidad de los economisas para reconocer la verdadera esrucura de la economía 4
5 En ese modelo se evia el problema del manejo de resricciones eóricas para la idenificación. Por consiguiene, ese modelo se conviere en la aníesis de la modelación bajo ecuaciones simuláneas donde el sopore es dado por una eoría económica paricular. Como lo presenan Darnell y Evans, el rabajo de Sims sobre modelación VAR se desarrolla en un momeno caracerizado por: () pronósicos inadecuados de los modelos macroeconómicos, basados en ecuaciones simuláneas, siguiendo la radición de la comisión Cowles. Hechos que Amisano y Giannini asocian con: (i) el colapso del Sisema Breon Woods y (ii) los shocks peroleros. () Gran desarrollo de los modelos de series de iempo. 5
6 Algunas críicas a la Modelación VAR Darnell y Evans (99) () La exigencia de un comporamieno esacionario en las variables puede conducir a ransformaciones que de acuerdo a Plosser y Schwer puden llevar a resulados erróneos () gran sensibilidad de los modelos ane la inclusión de nuevas variables al conjuno inicial de información. (3) el efeco de la selección de la longiud del rezago sobre el desempeño del pronósico (4) la fala de senido económico en el proceso de orogonalización de las innovaciones (5) la reordenación del sisema, mediane el esquema de riangulación inferior, llevada a cabo con el fin de aislar los efecos de las diferenes políicas o shocks aleaorios, presena problemas de inerpreación, ya que por una pare, en la concepción general del modelo VAR no se hace referencia alguna a ecuaciones de ipo esrucural, sin embargo, en el análisis de impulso respuesa ése parece ser un sisema de forma reducida derivado de uno esrucural. / Véase, Darnell y Evans (99), The Limis of Economerics. / Véase, Amisano y Giannini (997), Topics in Srucural VAR Economerics. 3/ Véase, Plosser y Schwer (978) 6
7 (6) Las funciones de impulso-respuesa y de descomposición de varianza que ilusran las caracerísicas dinámicas del modelo empírico son obenidas a ravés de una écnica mecánica que se enendió como no relacionada con la eoría económica. Sin embargo, ésa implica una esrucura económica paricular que en la mayoría de las ocasiones es difícil de reconciliar con la eoría económica. Conexión enre el VAR Esándar y los Sisemas de Ecuaciones Simuláneos La conexión enre el sisema de ecuaciones simuláneas y el modelo VAR esándar se iene algebraicamene, pueso que el modelo () puede obenerse a parir de () premuliplicando por B, así: A A M B B e B ε B B En la prácica, la esimación del sisema se lleva a cabo a ravés del VAR esándar (). Si la mariz B fuese conocida ano los parámeros del modelo esrucural () como como los shocks esrucurales ε podrían ser deerminados. (3) 7
8 Las diferenes críicas a la modelación VAR conduce al desarrollo del enfoque VAR esrucural. Técnica que permie al invesigador el uso de la eoría económica para ransformar el modelo VAR de forma reducida en un sisema de ecuaciones esrucurales () Los parámeros son esimados imponiendo resricciones esrucurales conemporáneas o de largo plazo. () El impulso-respuesa y la descomposición de varianza pueden ser inerpreados esrucuralmene. Una alernaiva de VAR Esrucural es el desarrollado por Shapiro y Wason (988), y Blanchard y Quah (989), donde se uilizan resricciones de largo plazo para idenificar la esrucura económica de la forma reducida. Tales modelos ienen caracerísicas de largo plazo que son consisenes con resricciones eóricas usadas para la idenificación de los parámeros. 8
9 SISTEMA DE ECUACIONES SIMULTANEAS O SISTEMA PRIMITIVO En algunas ocasiones las formas funcionales que gobiernan el conjuno de inerrelaciones no son deerminadas de manera específica por la eoría económica. La economería adopa al modelo lineal de ecuaciones simuláneas B { ε} E[ ε ] E B ' [ ε ε ] Y iid BY + BY Ω No singular + L+ ε () 9
10 VAR ESTANDAR Modelo de forma reducida donde no se iene como propósio explicar la relación conemporánea enre las variables del sisema. Y W + Θ Y Θ Y + V p p () EV [ ] EV [ V ' ν ] EV [ V ' s] s θ... θ, i Mi,... Θ i... θ... θ M, i MMi, Vecor ruido blanco W, Θ, Θ,..., Θp y v [ θ, L, θ, L, θ, L ] ' Θm w θ m, m, mm, m, p, mm, p
11 Modelo Esrucural y Modelo de Forma Reducida Sisema bivariado: y z b b b b z y + γ + γ y y + γ + γ y z + ε + ε y z Perurbaciones ruido blanco No correlacionadas enre si Ω σ y σz Shocks esrucurales Esacionarias Sisema que incorpora feedback. y Si b ε iene un efeco conemporáneo indireco z sobre z. Igualmene, b ε iene un efeco conemporáneo indireco sobre y En forma maricial: b b y z b y b + z + γ γ ε z γ γ VAR esrucural o primiivo y ε B X Γ + Γ X - + ε z y ε ε Tal sisema no puede ser esimado ya que esá correlacionado con y y con z
12 A ravés de manejo algebráico maricial se iene: B BX B Γ + B Γ X + B ε X B Γ + B Γ X + B ε El VAR esándar: X A + A X + e y z a a a y e a + a a z + e e e e B ε B y ε z ε VAR esándar e ε y b ε b b z B bb b b e ε z b ε b b y
13 Propiedades esadísicas de e ye [ ] E[ e ], E e VARe ( ) σ y + b σ z ( b b ) [ ] E[ e e ], E e e, VARe ( ) σ z + b σ y ( b b ) [ ] Ee e ( b b ) σy σz + ( b b ) Se define su mariz de VAR-COV: ee VAR COV ( e ) COV( e e ) ( ee ) VAR( e ) 3
14 Sisema Primiivo o de Ecuaciones simuláneas VAR esándar A B B A B B e B M ε Relaciones conemporáneas implícias en la esrucura de la mariz de varianza-covarianza Es la forma primiiva idenificable dadas las esimaciones OLS del modelo VAR esándar? La respuesa es NO a menos de que se impongan resricciones adecuadas al sisema primiivo. La explicación se ve claramene al comparar el número de parámeros del VAR esrucural con el número de parámeros del esándar. 4
15 VAR esándar : { ( ) ( ) ( )} a a a a a a e e ee,,,,,, var, var,cov 9 parámeros VAR esrucural o primiivo: { b b b b },,,, γ, γ, γ, γ, σy, σz parámeros No es posible la idenificación VAR Esrucural Véase, W Enders, (995), Applied Economeric Time Series, Wiley. 5
16 Méodos para llevar a cabo la idenificación: Sisema recursivo Sims (98): b Si sobre el sisema primiivo () se supone que b B VAR esrucural : y b bb z b γ bγ γ bγ y y + ε z + γ γ b ε z εz La esimación OLS del sisema conduce a los parámeros esimados del siguiene VAR esándar: y a a a y e z a a a z e + + De esa forma se iene: a b b b a γ b γ 6
17 a a a a γ b b γ γ γ Dado que: e e ε b y var var ε z ( e ) ( e ) ε z σ + b σ y z σ z Se ienen 9 parámeros ano en el VAR esrucural como en el VAR esándar. Por consiguiene, los parámeros esrucurales pueden ser recuperados al igual que los shocks esrucurales: { ε } { ε } y, z cov ( e e ) b σ z Bajo ese esquema de resricción los dos shocks esrucurales afecan a y en ano que z an solo es afecada por ε z 7
18 Represenación MA* Todo VAR(P) iene una represenación MA. X A + A X + + A X + e p p L, e Represenación VAR ( ) A L X A + e donde A( L) ( I A A ) L p X i µ + Φe i i Represenación MA ( I A ) L p µ A A (, ) Φ I ; Φ AΦ i min pi j j i j Véase, H Lukepohl, (993), Inroducion o Muliple Time Series Analysis, Springer-Verlag 8
19 En general se puede llevar a cabo la siguiene ranformación, la cual evia ener correlación conemporánea enre los residuales del VAR: Dado que es definida posiiva P no singular / P e e p I X µ + ΦiP Pe i i X i µ + Cw ' [ ] E ww I i i Análisis de Impulso - Respuesa: X X M Cw Cw donde: w w o 9
20 Para el ejemplo ya analizado: y z a a a a a a y z e e + + y z a a a a e e y z i i i i + µ µ pero dado que: e e b b b b y z ε ε y z b b a a a a b b y z i i y z i i + µ µ ε ε
21 si definimos C i A i b b b b se iene: y z y µ µ + z i ( ) ( ) ( ) ( ) c i c i c i c i X µ + Ci ( ) i i Los ( ) Ci son uilizados para generar los efecos deε y y { y } y { z }. ε y i ε z ε i ε z sobre los pah de
22
23 3
24 4
25 Modelo A: Lukepohl : Amisano y Giannini y Ay + L+ A p y p + e AR e + φe + φe MA ( L) y Ke KA Ke Ky ε (, Σ KΣ ' ) ε ~ K * * * Ay + L+ Aiy i + L+ Apy p e Una selección adecuada de producirá una mariz de covarianza diagonal K + ε donde A : KA * i i Represenación MA: Asociada a shocks esrucurales y θε + θε + θε +L donde θ j : φ j K Represenan la respuesa del sisema ane Shocks esrucurales Si una forma esrucural es idenificada, el Impulso-Respuesa será único 5
26 Ke E ε [ Kee ] [ ] ' K ' Eεε ' KΣ e K ' Σ ε Σε K e K Mariz diagonal ' Σ n( n ) Elemenos por encima de la diagonal iguales a cero Ecuaciones independienes Para resolver de forma única para n elemenos de K se necesian n ecuaciones n Son necesarios ( n+) resricciones adicionales Los elemenos sobre la diagonal de K n ( n+ ) n n ( n ) sobre K Resricciones adicionales sobrek 6
27 K k M M k n k n L L O L Cadena Causal de Wold El impulso-respuesa esá idenificado No necesariamene riangular Los ceros o resricciones pueden aparecer en cualquier pare de la mariz Si se iene exaca idenificación de los shocks I-R esará idenificado Un mayor número de resricciones pueden ser impuesas Tes de compaibilidad Si K es riangular inferior el impulso resulane θj es el mismo que el obenido a ravés de la descomposición de choleski Las resricciones sobre K deben ser adecuadas. Sisema * K ( K) dk R vec R K d K n( n+ ) Xn n( n+ ) X Mariz de selección Sujeas a: ' Σ K Σ K Vecor fijo e ε 7
28 Proposición 9. Lukepohl: Condición necesaria y suficiene para alcanzar idenificación local ( ) Dada Σ una mariz diagonal definida posiiva y una mariz no singular. ε n x n K ( n x n) Se iene que para una mariz simérica y definida posiiva e ( n x n) y una mariz R K r x n y un vecor fijo d K ( n x ) el sisema * iene una única solución para K y los elemenos de la diagonal si y solo si Σ ε Σ ( ) D rango + K + ( Σ K ) D ( K K ) R K e K C σ D K n + n ( n+ ) Donde n x n( n+ ) es una mariz de duplicación D K ( ) + D : K D ' K D K - D ' K C σ n ( n ) x n( n+ ) Mariz de selección de los elemenos de vech( Σ ε ) por debajo de la diagonal principal La solución global única se obiene si los elemenos de la diagonal son resringuidos a Demosración basada en Rohenberg (97) 8
29 Modelo B: Lukepohl : Amisano y Giannini 9
30 n ( n ) Resricciones adicionales sobre Las resricciones para la idenificación ' Sisema **: sujeo a CC Σ e c ( C) dc R vec ( C) dc R vec c Proposición 9. Lukepohl: ( ) ( ) Sea C n x n mariz no singular. Se iene que para una mariz simérica y definida posiiva Σ n n y una mariz R C ( r x n ) el sisema ** iene una única solución local si y solo si: e x D rango + K ( C I ) R C n n 3
31 3
32 Proposición 9.3 Lukepohl: Sean marices no singulares. Enonces para una mariz simérica y definida posiiva, el sisema de ecuaciones (*) iene una solución única si y solo si: B A y n nx Σ e (*) ( ) ( ) rango n R R A B A D A D C K K e K Σ + + 3
33 Son sobre Σ e la idenificación y la esimación FIML de los parámeros de los modelos K, C, y AB se basa en el análisis de funciones de verosimiliud. En general Función de verosimiliud l T c T lnσ r ( Σ Σˆ ) donde ˆ Σ ˆVˆ T V ' Concenrada con respeco a Π Marix Differenial Calculus wih Applicaions in Saisics and Economerics, J. Magnus and H. Neudecker, Wiley,
34 34
35 35
36 36
37 37
38 38
39 Ejemplo: Modelo AB Sean q i m : Produco :Tasa de inerés : Dinero real q i m e : Residuales del VAR de forma reducida ( e, e, e ) ' Modelo de Pagan (995) e e e q i m a e + b ε Curva IS a b 33 ε e i q m a 3 IS e m + b ε LM Regla de ofera monearia Curva inversa LM ε IS LM m ' ( ε, ε, ε ) ~ (, I ) 3 a a a 3 e b b ε b 33 39
40 Conjuno de resricciones en forma implícia: ( ) a a a a a a A vec K ( ) b b b b b b B vec C Son necesarias resricciones ( ) + n n n 3 n 4
41 Conjuno de resricciones en forma explícia: b b b b b b b b b a a a a a a a a a 4
42 Hamilon: 4
43 43
44 44
45 45
46 46
47 La condición de rango se cumple si el número de columnas de la mariz J son linealmene independienes. ( ) Ω w s d vec σ σ σ Ω S Ω w s d σ σ σ γ Ω s x n d n d n x Donde ( ) [ ] [ ] [ ] Ω + + Σ S B B D S B D J n B n ( ) ( ) Σ Σ vec vech D n ( ) ' ' n n n n D D D D
48 Modelo C Amisano y Giannini A L y e Dado el modelo VAR ( ) Sea C mariz ( nxn) inverible e ε C donde E( ε) E ' ( εε) In Generado por una combinación lineal de perurbaciones oronormales. e ε l C E [ ee ] [ ] ' ECε ε ' C ' T ( ) [ ] T ' C c logc r( C CΣˆ ) ' CICΣ n ' CCΣ e e Función de verosimiliud ' Σ e CC Σ e ' ' ( CC ) C C 48 4
49 La condición ' CC Σ e Impone un conjuno de resricciones no lineales sobre el espacio de parámeros Condiciones necesarias y suficienes para idenificación local Con el propósio de ganar idenificación, se supone que los parámeros conenidos en la mariz C saisface el siguiene conjuno de resricciones no lineales, independienes y no conradicorias: rxn Rango fila compleo Esimación F.I.M.L. R vecc d vec C S + s rx γ n xl Rango columna compleo l n r n RS x [ ] Rs d vec C Sγ + s Uilizando la regla de la cadena se encuenra el vecor score del vecor de elemenos libres de γ rxl rx f ' ' ( γ) f ( vecc)s 49 4
50 Condiciones de primer orden para la maximización de la función de verosimiliiud respeco a γ f ' ' ( γ) f ( vecc) S [ ] xl ' ( γ) S f( vecc) [ ] lx f En fila En columna [ ] [ ] ' Dada la mariz de información IT( γ) E f( γ) f ( γ) ' ' S f( vec( C) ) f ( vec( C) ) S I T [ ]S ' ( γ) S I ( vecc) T Uilizando dicha mariz de información I T γ y el vecor Score f( γ) el algorimo score para enconrar un esimador F.I.M.L. de γ ( ) se puede implemenar γ γ [ I ( γ )] f( γ ) n+ n+ ~ γ T n n C ~ vec C ~ S ~ γ + s
51 Condición de orden n( n ) resricciones Necesaria pero no sufuciene Condición de rango Si suponemos que la mariz es inverible, el verdadero vecor vecc * es localmene Idenificado si y solo si: el sisema ( I C) D ~ x [ ] con la mariz una única solución admisible en x C ( ) La mariz RI C D ~ evaluada en * iene rango columna ~ D n : n x n x : nx( n ) / ( ) n n C ( n ) ( n ) / rango columna compleo vecor de elemenos libres R n R( I ) n [ ] C D ~ evaluada en C * iene Permien alcanzar un modelo idenificado o sobre-idenificado Tes validación de las resricciones ( L( Σˆ ) L( Σ ~ )) LR ~ χ ( m) m Número de resricciones de sobre idenificación 5
52 Caso Triangular Esa meodología invesiga los efecos dinámicos de perurbaciones o shocks de nauraleza dicóoma sobre un sisema bivariado esacionario bajo el supueso de que: el shock ε METOLOGIA DE BLANCHARD Y QUAH (989): RESTRICCIONES DE LARGO PLAZO no iene efeco de largo plazo sobre el nivel de la variable y en ano que el shock ε si afeca al nivel en el largo plazo. Así, se pare del siguiene sisema bivariado esacionario: X y z ε ε El primer paso consise en esimar un modelo VAR esándar adecuado sobre el sisema bivariado ε X A X + + A X + e L P p Σ e mariz de varianza-covarianza W. Enders, 995. Applied Economeric Time Series, Wiley. 5
53 Dado que el sisema es esacionario, bajo el eorema de descomposición de Wold, se iene la siguiene represenación VMA: X Φ e + Φ e + Φ e + L donde Φ I Igualmene, el sisema puede ser planeado a ravés de shocks esrucurales : X C ε + C ε + C ε + L y z c c c c c c + ε ε c c ε ε + L c k ε no iene efecos sobre el nivel de y k c k es el efeco de ε sobre y k períodos adelane 53
54 de al forma que se puede presenar a ravés de las siguienes ecuaciones: k k y c ε k + c ε k k k k z cε + cε k k k k k donde las perurbaciones ε y ε son independienes y ruido blanco Ω 54
55 De las ecuaciones aneriores se iene: ( ) ( ) Φ L e C L ε Suponiendo que C o es no singular puede ser reescria como sigue: ( ) ( ) Φ L e C L C Cε de donde se deriva: ( ) ( ) Φ L C LC e C ε 55
56 Es decir: e e c c ε c c ε Mariz C del Modelo C De donde se generan las siguienes 3 ecuaciones: V ar e V ar C ov ( ) ( c) + ( c) ( e) ( c) + ( c) ( e e ) + c c c c La resricción adicional se deriva del hecho de que ε no iene efecos de largo plazo sobre y, es decir que: k c k ε k 56
57 ( ) ( ) ( ) ( ) + e e z y L A L A L A L A z y ( ) e LX L A X + ( ) [ ] X e L L A I ( ) [ ] e L L A I X ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) k k k k e e L k a L k a L k a L k a D e e L L A L L A L L A L L A D z y D :deerminane 57
58 Así: ( ) a( k) k+ k+ {[ L ] e + [ a ( k) L ] e } D y ε No iene efecos de largo plazo sobre y k+ { [ L ] c ε } k+ [ a ( k) L ] cε + a( k) Cuara resricción: k+ [ a ( k) L ] c+ a( k) k+ [ L ] c 58
59 V ar e V ar C ov ( ) ( c) + ( c) ( e) ( c) + ( c) ( e e ) + c c c c k+ [ a ( k) L ] c+ a( k) k+ [ L ] c Sisema no lineal 4 ecuaciones y 4 incógnias La solución del sisema de ecuaciones no lineales conformado permie deerminar 4 posibles soluciones para C o. La selección específica de C o se deriva del análisis de impulso-respuesa. Una vez deerminada C o se pueden consruir las marices C i i,,... y recuperarsen los shocks esrucurales. Análisis de impulso respuesa Descomposición de varianza 59
60 Z Blanchard y Quah (989)* invesigan los efecos dinámicos de largo plazo de shocks de ofera y de demanda en un sisema bivariado: X X PIB Tasa de desempleo εs ε εd No iene efecos de largo plazo sobre el produco real Sisema Esacionario Shocks esrucurales Represenacion MA asociada al modelo esrucural: Z Γε +Γε E + LΓ [ ] ' εε I ( L) ε *Blanchard, O and D, Quah, (989) The Dynamics Effecs of Aggregae Demand and Supply Disurbances, American Economic Review 79. 6
61 Represenación VAR esándar Z p i Φ i i + e [ ] ' e Ee Z e Esacionario Teorema de Descomposición de Wold Represenación VMA Z + L e + Ce + Ce C ( L) e Relación enre los shocks esrucurales y las innovaciones de la forma reducida: C ( L) e Γ( L) ε 6
62 e Γ ε C ( L) Γ( L) Γ Relación enre la mariz de efecos de largo plazo de los residuales de la forma reducida y la mariz equivalene de los shocks esrucurales: Γ Γ ( ) C( ) Γ C( ) Γ( ) Mariz de varianza-covarianza de la forma reducida: ' Γ Γ e Sisema de 3 ecuaciones y 4 incógnias 6
63 La idenificación de Γ requiere de la imposición de una resricción adicional La descomposición de Blanchard-Quah consise en la imposición de resricciones sobre la mariz de efecos de largo plazo de los shocks esrucurales Γ Resricciones de neuralidad de largo plazo ( ) F ( ) Σ ( ) ' C C e C ( ) ( I Φ L Φ ) 3 P F ΓΓ ( ) ( ) ' 63
64 donde ( ) Γ Γ j j Γ Γ Γ Γ Γ,,,, j j j j j Por consiguiene puede ser definido como: ( ) Γ ( ) Γ Γ Γ Γ Γ k k k k k k k k j j j j j j j j X lim X lim X lim X lim,,,,,,,, ε ε ε ε La resricción de neuralidad de largo plazo, k k X lim ε 64
65 Por consiguiene Γ( ) es de la forma: Γ ( ) j j Γ Γ j, j, j Γ j, Γ( ) Puede ser esimada mediane la descomposición de Choleski Triangular inferior 65
66 Caso no riangular Recen behavior of oupu, unemploymen, wages and prices in Colombia: wha wen wrong? L. E. Arango, A.M. Iregui y L.F. Melo 66
67 67
68 68
69 69
70 7
71 7
72 7
73 73
74 74
75 75
76 76
77 77
78 78
79 79
LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos:
Más detallesSistemas lineales con ruido blanco
Capíulo 3 Sisemas lineales con ruido blanco 3.1. Ruido Blanco En la prácica se encuenra procesos esocásicos escalares u con media cero y la propiedad de que w( 1 ) y w( 2 ) no esán correlacionados aún
Más detallesEfectos Económicos de la Política Fiscal en el Perú: Una análisis Comparativo y Metodológico de SVAR. (Avance) Subgerencia de Investigación Económica
Efecos Económicos de la Políica Fiscal en el Perú: Una análisis Comparaivo y Meodológico de SVAR Jens Hagen (Universidad de Kiel) Miguel Tam (UNI) (Avance) Subgerencia de Invesigación Económica Moivación
Más detallesCurso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico
Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más detallesMODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO
MODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO VAR: GENERAL Represenación del modelo VAR: () + + = e e A A A A w w c c c c L L L L L L L L ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( Selección:.
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesEJERCICIOS PROPUESTOS
8 Deerminanes. Ejercicio resuelo. EJERCICIOS PROPUESTOS. Calcula el valor de los siguienes deerminanes. 8 4 5 0 0 6 c) 4 5 4 8 6 4 8 4 5 0 6+ 0 0+ 5 00 5 6 0+ 000 0 48 0 6 ( ) ( ) ( ) ( ) ( ) 4 5 5 + 4
Más detallesSesión 2 Análisis univariado de series de tiempo
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión Análisis univariado de series de iempo 4. Series de iempo esacionarias 4.. Qué enendemos por proceso
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
Más detallesSolución: En ambos casos se observa que los determinantes de las matrices de coeficientes son distintos de cero. Veamos: a)
Resolver el siguiene sisema: 9 Primero hallaremos los rangos de la marices formadas por los coeficienes del sisema de la mari formada por los coeficienes los érminos independienes después. sí: 9 rang Ya
Más detallesComentarios de la Nota Técnica sobre la Determinación del Incremento de la Reserva de Previsión
Comenarios de la Noa Técnica sobre la Deerminación del Incremeno de la Reserva de Previsión Fernando Solís Soberón y Rosa María Alaorre Junio 1992 Serie Documenos de Trabajo Documeno de rabajo No. 3 Índice
Más detallesDeterminación de las garantías para el contrato de futuros de soja en pesos. Value at Risk
Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados
Más detalles= A, entonces A = 0. Y si A es una matriz. y comprobar el resultado. ,, ;,, es el mismo que el generado
EJERCICIOS. APLICACIONES DE LOS DETERMINANTES. 1. Calcular el siguiene deerminane de orden n: 1 n n n n n n n n n n n n n. Demosrar que si A es una mariz al que n n, se verifica lo anerior? A = A, enonces
Más detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detallesEjercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez
Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados
Más detallesSesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría
Más detallesEJERCICIOS DE VECTORES
EJERCICIOS DE ESPACIOS VECTORIALES CURSO 0-0 CONCEPTO DE ESPACIO VECTORIAL EJERCICIOS DE VECTORES. En el conjuno se definen las operaciones siguienes: x y x y x x y y x y x Suma + :, ', ' ', ' Produco
Más detallesh + para cualquier m 1, 5.2. Modelo E-GARCH Introducción
5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor
Más detallesSean A y B dos matrices cuadradas de orden 3 cuyos determinantes son
TEMA : MATRICES Y DETERMINANTES 0.- 0 Dada la mariz A a) Calcula los valores de para los que la mariz A A no iene inversa. b) Para 0, halla la mariz X que verifica la ecuación AX A I, siendo I la mariz
Más detallesSistemas sobredeterminados. Aproximación de cuadrados mínimos. Sistemas subdeterminados. Solución de mínima norma. Aplicaciones.
Méodos Numéricos 0 Prácica 3 Sisemas sobredeerminados. Aproximación de cuadrados mínimos. Sisemas subdeerminados. Solución de mínima norma. Aplicaciones. Resolución de sisemas sobredeerminados por cuadrados
Más detallesMaterial sobre Diagramas de Fase
Maerial sobre Diagramas de Fase Ese maerial esá dedicado a los esudianes de Conrol 1, para inroducirse a los diagramas de fase uilizados para el Análisis de Esabilidad de los punos de equilibrio del sisema
Más detallesEstimación puntual ± Margen de error
Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica
Más detallesMAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis
MAESTRÍA EN ECONOMÍA INTERNACIONAL Tesis Caracerización empírica del ciclo económico en Uruguay Alejandro Pena Sánchez 4 AGRADECIMIENTOS El suscrio agradece especialmene a su uora, Dra, Adriana Cassoni,
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesSERIE CUADERNOS DE INVESTIGACIÓN NÚM. 49 AGOSTO 1999 EL PRODUCTO POTENCIAL EN COLOMBIA: UNA ESTIMACION BAJO VAR ESTRUCTURAL
SERIE CUADERNOS DE INVESTIGACIÓN NÚM. 49 AGOSTO 1999 EL PRODUCTO POTENCIAL EN COLOMBIA: UNA ESTIMACION BAJO VAR ESTRUCTURAL MARTHA MISAS ARANGO ENRIQUE LOPEZ ENCISO En la Serie Cuadernos de Invesigación
Más detallesEQUILIBRIOS Y CONJETURAS Cuadernos del Seminario de Credibilidad Macroeconómica
EQUILIBRIOS Y CONJETURAS Cuadernos del Seminario de Credibilidad Macroeconómica Search ma rkes y su imporancia en la modelación macroeconómic a E.René Narváez Torr es Nobel de Economía 2010: un comenar
Más detallesSeñales Elementales. Dr. Luis Javier Morales Mendoza. FIEC Universidad Veracruzana Poza Rica Tuxpan
Señales Elemenales Dr. Luis Javier Morales Mendoza FIEC Universidad Veracruzana Poza Rica Tuxpan Índice 3.1. Señales elemenales en iempo coninuo: impulso uniario, escalón uniario, rampa uniaria y la señal
Más detallesCapítulo 20. REGRESORES ESTOCASTICOS
Capíulo 20. REGRESORES ESTOCASTICOS 20.. INTRODUCCIÓN... 860 CONSECUENCIAS SOBRE LA ESTIMACIÓN MCO... 862 DISTRIBUCIÓN CONDICIONADA... 866 CASO A. VARIABLE EXPLICATIVA ENDÓGENA CON RETARDO... 868 CASO
Más detalles1. Descripción de modelos desarrollados en el BCN. 2. Comentarios generales a los modelos. 3. Limitaciones para el desarrollo de investigaciones
Siuación del uso de modelos economéricos en Nicaragua Rigobero Casillo C México, 2 y 3 de diciembre del 2004 Esrucura de la presenación. Descripción de modelos desarrollados en el BCN. 2. Comenarios generales
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detalles5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS.
Espacios vesoriales euclídeos. Proyecciones orogonales. Mínimos cuadrados. 5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS. SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.-
Más detallesSERIE DE ECUACIONES DIFERENCIALES
SERIE DE ECUACIONES DIFERENCIALES PROFESOR: PEDRO RAMÍREZ MANNY TEMA ) Clasifique cada una de las ecuaciones diferenciales siguienes indicando orden (O), grado (G) y si es lineal (L) o no (NL). a) ( y)
Más detalles" CONTRASTES DE EXPECTATIVAS RACIONALES Y NEUTRALIDAD DE LA POLITICA MONETARIA A CORTO PLAZO: EL CASO DE ESPAÑA "
" CONTRASTES DE EXPECTATIVAS RACIONALES Y NEUTRALIDAD DE LA POLITICA MONETARIA A CORTO PLAZO: EL CASO DE ESPAÑA " Ignacio Díaz-Emparanza Herrero INDICE [-------------------------------------------------]
Más detalles1. INTRODUCCIÓN. XVI Jornadas ASEPUMA IV Encuentro Internacional Vol Actas_16 Issue 1: 901
Esimación de un nuevo modelo de volailidad esocásica asimérico por umbrales (modelo TA-ARSV). Aplicación a series de rendimieno del precio medio de maerias primas Esimación de un nuevo modelo de volailidad
Más detallesMarch 2, 2009 CAPÍTULO 3: DERIVADAS PARCIALES Y DIFERENCIACIÓN
March 2, 2009 1. Derivadas Parciales y Funciones Diferenciables En ese capíulo, D denoa un subconjuno abiero de R n. Definición 1.1. Consideremos una función f : D R y sea p D, i = 1,, n. Definimos la
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de mari. Una mari de orden m n es un conjuno de m n elemenos perenecienes a un conjuno, que para nosoros endrá esrucura de cuerpo conmuaivo y lo denoaremos por K, dispuesos en m filas
Más detallesIES CASTELAR BADAJOZ Examen Junio de 2011(General) Solución Antonio Mengiano Corbacho
IES CASTELAR BADAJOZ Eamen Junio de (General) Anonio Mengiano Corbacho PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO (GENERAL) MATEMÁTICAS II Tiempo máimo: horas y minuos Conese de manera clara
Más detalles2.2 Redes neuronales artificiales
2.2 Redes neuronales arificiales Los modelos de redes neuronales arificiales inenan reproducir el comporamieno del cerebro (ver figura 2.2), es decir, cada neurona esá caracerizada por enradas de acivación
Más detallesMétodos de Previsión de la Demanda Pronóstico para Series Temporales Niveladas Representación Gráfica
Méodos de Previsión de la Demanda Pronósico para Series Temporales Niveladas Represenación Gráfica REPRESENTACIÓN GRÁFICA DE LA SERIE DE DATOS Período i Demanda Di 25 2 2 3 225 4 24 5 22 Para resolver
Más detallesPolíticas y modelos en Tinbergen y Muth Policies and models Tinbergen and Muth
Políicas y modelos en Tinbergen y Muh Policies and models Tinbergen and Muh Javier Galán Figueroa* Resumen El presene documeno revisa los rabajos de Jan Tinbergen y John Muh, quienes son considerados los
Más detallesECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detalles4. Modelos de series de tiempo
4. Modelos de series de iempo Los modelos comunes para el análisis de series de iempo son los que se basan en modelos auorregresivos y modelos de medias móviles o una combinación de ambos. Es posible realizar
Más detallesConvolución. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. La función dela de Dirac.3. Definición de la convolución.3.. propiedades de la convolución.3.. Méodo Gráfico
Más detallesLa econometría moderna como método de análisis de la estructura económica. Carlos A. Rodríguez Ramos, Ph.D.
La economería moderna como méodo de análisis de la esrucura económica Carlos A. Rodríguez Ramos, Ph.D. Inroducción Para la década de los seena, los modelos economéricos uilizados para analizar la esrucura
Más detallesTEMA 5. CONTROL ADAPTATIVO. CONTROL AVANZADO DE PROCESOS Prof. M.A. Rodrigo TEMA 3. CONTROL ADAPTATIVO
TEMA 5. CONTROL ADAPTATIVO 1 DINÁMICA DE PROCESOS. LINEALIZACIÓN INTRODUCCIÓN ANÁLISIS DINÁMICO Definición: esudio del comporamieno no esacionario de un sisema Objeivo: sisemaizar comporamienos de sisemas
Más detallesTÓPICOS RECIENTES DE SERIES DE TIEMPO MULTIVARIADAS APLICADOS EN LA ECONOMÍA
Novenas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas Esadísica, noviembre de 2004. Blaconá, María Teresa Bussi, Javier Venroni, Nora Belrán, Celina Insiuo de Invesigaciones Teóricas Aplicadas
Más detallesLA BANCA COMERCIAL Y LA COTIZACION DEL DÓLAR EN EL MERCADO PARALELO Rolando Virreira C. 1. INTRODUCCION
LA BANCA COMERCIAL Y LA COTIZACION DEL DÓLAR EN EL MERCADO PARALELO Rolando Virreira C. 1. INTRODUCCION Mucho se ha comenado en los úlimos años, en senido de que la banca privada ha enido y iene una influencia
Más detallesMilagro económico dominicano: buena suerte y buenas políticas (Andújar, 2009)
Comenarios al documeno: Milagro económico dominicano: buena suere y buenas políicas (Andújar 2009) III Foro de invesigadores económicos de los bancos cenrales miembros del CMCA San José Cosa Rica Agoso
Más detallesLecturas de Economía ISSN: Universidad de Antioquia Colombia
Lecuras de Economía ISSN: 2-2596 lecuras@udea.edu.co Universidad de Anioquia Colombia Misas, Marha; López, Enrique; Téllez, Juana; Escobar, José Fernando La inflación subyacene en Colombia: un enfoque
Más detallesEstudio Empírico de la Selección y Estimación de los Modelos de Crecimiento Estadístico
Esudio Empírico de la Selección Esimación de los Modelos de Crecimieno Esadísico S. Amirkhalhali, U.L.G. Rao and S. Amirkhalkhali 1 Resumen: En ese papel se comparan los modelos de crecimieno Lineal Exponencial
Más detallesANÁLISIS DE LAS TASAS DE DESOCUPACIÓN DEL GRAN ROSARIO Y GRAN BUENOS AIRES A TRAVÉS DE MODELOS UNIVARIADOS DE SERIES DE TIEMPO (1º º 2002)
Ocavas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas y Esadísica, noviembre de 003. Blaconá, María Teresa* Bussi, Javier** Venroni, Nora** *Insiuo de Invesigaciones Teóricas y Aplicadas
Más detallesNotas sobre Análisis de Series de Tiempo: Estacionariedad, Integración y Cointegración
Noes on Time Series Analysis:\Saionariy, Inegraion and Coinegraion hp://www.personal.rdg.ac.uk/~lessda/lecure3.hm Noas sobre Análisis de Series de Tiempo: Esacionariedad, Inegración y Coinegración Generalidades
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
Más detallesEconometría Examen Parcial #1 Cali, Sábado 27 de Febrero de 2010
Economería 0616 Examen Parcial #1 Cali, Sábado 7 de Febrero de 010 Profesores: Julio César Alonso C. Carlos Giovanni González Ana Isabel Gallego L. Esudiane: Código: Insrucciones: 1. Lea cuidadosamene
Más detallesRecursos Naturales No Renovables y posición fiscal en economías en desarrollo: efectos e implicaciones de política
Primer Encuenro de Economisas Bolivianos Recursos Naurales No Renovables y posición fiscal en economías en desarrollo: efecos e implicaciones de políica Fabian Anonio Cain Aoso, 2008 Fabian Anonio Cain
Más detallesGESTIÓN DE INVENTARIOS Código: M. Docente: Julio César Londoño Ortega
GESTIÓN DE INVENTARIOS Código: 760033M Docene: Julio César ondoño Orega 1. Concepos avanzados de pronósicos de demanda 1. CONCEPTOS AVANZADOS DE PRONÓSTICOS DE DEMANDA Medición y análisis de los errores
Más detallesLECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES
LECTURA 7: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES 1 INTRODUCCION El propósio de análisis esadísico es reducir el nivel de inceridumbre en el proceso de decisiones
Más detallesIntroducción a la Representación en Variable de
ELC-3303 Teoría de Conrol Inrodcción a la Represenación en Variable de Esado Prof. Francisco M. Gonzalez-Longa fglonga@ieee.org hp://www.giaelec.org/fglonga/sp.hm Inrodcción a Represenación en Espacio
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesProcesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:
Procesos socásicos Procesos socásicos I Inroducción y concepos básicos sadísicos de un proceso esocásico Referencias: Capíulo 8 de Inroducción a los Sisemas de Comunicación. Sremler, C.G. 993 Apunes de
Más detallesUN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL
UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL Versión preliminar e inconclusa. Derry Quinana Aguilar Absrac Ese documeno presena un modelo en el cual las preferencias del
Más detallesESTIMACIÓN DE LA EVASIÓN EN EL IMPUESTO AL VALOR AGREGADO MEDIANTE EL MÉTODO DEL CONSUMO Asesoría Económica - DGI Mayo 2009
ESTIMACIÓN DE LA EVASIÓN EN EL IMPUESTO AL VALOR AGREGADO MEDIANTE EL MÉTODO DEL CONSUMO 2000-2008 Asesoría Económica - DGI Mayo 2009 1. Jusificación y meodología empleada El objeivo del esudio de la evasión
Más detallesDETERMINANTES Y VULNERABILIDAD
DETERMINANTES Y VULNERABILIDAD DE LA DEUDA PÚBLICA P EN VENEZUELA María a Fernanda Hernández ndez Edgar Rojas Lizbeh Seijas 30 de enero de 2007 Conenido 2 Objeivo Dinámica y deerminanes de la deuda Aspecos
Más detallesCorrelación. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Correlación Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. Correlación Cruzada.. Auocorrelación.4. Calculo de la correlación y de la auocorrelación.5.
Más detallesÁLGEBRA (Selectividad 2014) 1 ALGUNOS PROBLEMAS DE ÁLGEBRA PROPUESTOS EN LAS PRUEBAS DE SELECTIVIDAD DE 2014
ÁLGEBR (Selecividad 04) LGUNOS PROBLEMS DE ÁLGEBR PROPUESTOS EN LS PRUEBS DE SELECTIVIDD DE 04 Casilla y León, junio 4 a a+ a+ Sea la mariz = a a+ 3 a+ 4 a a+ 5 a+ 6 a) Discuir su rango en función de los
Más detallesSerie Apuntes de Clase ΩΒΓ
Serie Apunes de Clase ΩΒΓ N 4 Seiembre del 04 Rafael Busamane Romaní UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Universidad del Perú, DECANA DE AMÉRICA FACULTAD DE CIENCIAS ECONÓMICAS La Serie Apunes de
Más detallesEspecificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso
Especificación y Esimación de los MODELOS ARCH Horacio Caalán Alonso Noviembre de 0 Caracerísicas de las series financieras:. Son lepokuricas (achaadas y con colas más gordas).las relaciones enre ganancia
Más detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesPROYECCIÓN DE LA INFLACIÓN EN CHILE *
VOLUMEN 4, Nº3 / Diciembre 200 PROYECCIÓN DE LA INFLACIÓN EN CHILE * Francisco Nadal De Simone ** Uncerainy over model selecion:... My approach o his problem while on he Federal Reserve Board was relaively
Más detallesTEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE
El modelo de regresión lineal simple EMA VI: EL MODELO DE REGREIÓN LIENAL IMPLE VI..- Inroducción. VI..- El modelo de regresión lineal simple. Propiedades. VI.3.- Obención de los esimadores por mínimos
Más detallesEl tipo de cambio real de equilibrio en Colombia y su desalineamiento: estimación a través de un modelo SVEC
El ipo de cambio real de equilibrio en Colombia y su desalineamieno: esimación a ravés de un modelo SVEC Juan José Echavarría Soo, Enrique López Enciso y Marha Misas Arango I. INTRODUCCIÓN El desalineamieno
Más detallesÁlgebra Manuel Hervás Curso EJERCICIOS DE AUTOVALORES Y AUTOVECTORES. R es
Álgebra Manuel Hervás Curso - EJERCICIOS DE AUTOVALORES Y AUTOVECTORES EJERCICIO. MATRIZ DIAGONAL La mariz de un endomorfismo en R es A. Calcular los auovalores su muliplicidad algebraica. Calcular los
Más detalles4.- Dualidad. Método Dual del Símplex.
Programación Maemáica para Economisas 132 4.- Dualidad. Méodo Dual del Símplex. Como ya vimos en el capíulo primero, dado un problema de programación no lineal, donde su lagrangiana oma la forma: se denomina
Más detallesTema 10 La economía de las ideas. El modelo de aumento en el número de inputs de Romer (1990)
Tema 0 La economía de las ideas. El modelo de aumeno en el número de inpus de Romer (990) 0. Endogeneización de la ecnología: un doble enfoque. 0.2 El secor producor de bienes finales. 0.3 Las empresas
Más detallesSOSTENIBILIDAD FISCAL EN URUGUAY EN UN CONTEXTO DE CRISIS INTERNACIONAL
SOSTENIBILIDAD FISCAL EN URUGUAY EN UN CONTEXTO DE CRISIS INTERNACIONAL Guillermo Carlomagno, Daniel Egger, Gabriela Sicilia Noviembre 2009 INSTITUTO DE ECONOMIA Documenos basados en monografías de grado
Más detallesTEMA 2: CINETICA DE LA TRASLACIÓN
TEMA 2: CINETICA DE LA TRASLACIÓN 1.1. Inroducción. Para ener caracerizado un movimieno mecánico cualquiera, hay que esablecer primero respeco a que cuerpo (s) se va a considerar dicho movimieno. Ese cuerpo
Más detallesEconometría de Series de Tiempo 1
Economería de Series de Tiempo Economería II Prof. Arlee Belran Barco En esa sección, se desarrollará un análisis de la economería de series de iempo que abarcará res grandes emas: el análisis univariado,
Más detallesMODELO JUNIO 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Modelo de eamen Junio MODELO JUNIO MTEMÁTICS PLICDS LS CIENCIS SOCILES II OPCIÓN. (Punuación máima: punos) Se dice que una mari cuadrada es orogonal si T I: Noa: La noación T significa mari ranspuesa de.
Más detallesReducción de matrices. Caso no diagonalizable
Tema 5 Reducción de marices. Caso no diagonaliable Ejemplo inroducorio. El siguiene es un ejemplo de lo que se llama una recurrencia vecorial. Un curso de Algebra Ecuaciones Diferenciales se impare en
Más detallesProyección de Tráficos Mediante un Modelo Microeconómico
Proyección de Tráficos Mediane un Modelo Microeconómico Ing. Germán E. Valverde González, M.B.A., M.Sc. Direcor del Deparameno de Ingeniería de Transpore Escuela de Ingeniería Civil, Universidad de Cosa
Más detallesSolución de la ecuación homogénea
Solución de la ecuación de esado en modelos lineales Solución de la ecuación homogénea Mariz de ransición Propiedades de la mariz de ransición Solución de la ecuación complea Cálculo de la mariz de ransición
Más detallesCONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez
CONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez El presene rabajo muesra de manera sisemáica el desarrollo de una abla acuarial para la población
Más detallesy t = α 0 + α 1t + γ(l)ε (16.1)
CAPITULO 6 MODELOS DE SERIES DE TIEMPO NO ESTACIONARIAS 6.. INTRODUCCIÓN El análisis esadísico radicional de series de iempo, presenado en capíulo anerior, supone la exisencia de la propiedad esadísica
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA - FACULTAD DE ARQUITECTURA Y URBANISMO. Cátedra: ESTRUCTURAS NIVEL 1 Taller: VERTICAL III DELALOYE - NICO - CLIVIO
UNIVERSIDAD NACIONAL DE LA PLATA - FACULTAD DE ARQUITECTURA Y URBANISMO DNC TP3 Cáedra: ESTRUCTURAS NIVEL 1 Taller: VERTICAL III DELALOYE - NICO - CLIVIO Trabajo Prácico Nº 3: Esfuerzos inernos Diagramas
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesIDENTIFICACIÓN EN LÍNEA DE LA FUNCIÓN DE TRANSFERENCIA DE UNA MÁQUINA SÍNCRONA
Scienia e echnica Año XI No 28 Ocubre de 2005 UP. ISSN 0122-1701 31 IDENIFICACIÓN EN LÍNEA DE LA FUNCIÓN DE RANSFERENCIA DE UNA MÁQUINA SÍNCRONA RESUMEN Se presena el uso del algorimo de proyección como
Más detallesEcuaciones integrales fraccionarias: su solución mediante la transformación de Laplace.
Ecuaciones inegrales fraccionarias: su solución mediane la ransformación de Laplace. Cerui, Rubén A. Deparameno de Maemáica Faculad de Ciencias Exacas y Naurales y Agrimensura Universidad Nacional del
Más detallesOctubre 2003 nº 03. Reyna Vergara González
LA POLÍTICA MONETARIA BAJO EL ENFOQUE IS-MP Ocubre 2003 nº 03 Reyna Vergara González En ese documeno se analiza la forma en que la esraegia monearia aplicada por el Banco de México, a parir de 1995, responde
Más detallesModelos de Heteroscedasticidad Condicional
Modelos de Heeroscedasicidad Condicional El objeivo de ese ema es esudiar algunos méodos esadísicos y modelos economéricos disponibles en la lieraura para modelizar la volailidad del rendimieno de un acivo.
Más detallesModelos de Ecuaciones Simultáneas. donde R y Y son variables endógenas, y M es determinada exógenamente.
1 Modelos de Ecuaciones Simuláneas Considere el siguiene modelo: R = β + β M + β Y + u (1) 0 1 2 1 Y = α + α R + u (2) 0 1 2 donde R y Y son variables endógenas, y M es deerminada exógenamene. La información
Más detallesProgramación y políticas financieras con metas de inflación: El caso de Colombia. Capítulo 5: Modelos de metas de inflación
Programación y políicas financieras con meas de inflación: El caso de Colombia Capíulo 5: Modelos de meas de inflación Preparado por V. Hugo Juan-Ramón Ocubre 2008 2 Conenido I. Inroducción II. III. IV.
Más detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
Más detallesProcesamiento Digital de Señal
Procesamieno Digial de Señal Tema : Análisis de Señal e Inroducción a los Sisemas Definición de señal sisema Señales coninuas discreas Transformaciones elemenales Funciones elemenales coninuas discreas
Más detallesUniversidad de Montevideo Macroeconomia II. Money-In-the-Utility Function (MIU)
Universidad de Monevideo Macroeconomia II Danilo R. Trupkin Class Noes (very preliminar Money-In-he-Uiliy Funcion (MIU Inroduccion En lo que va del curso hemos viso modelos reales donde las ransacciones
Más detallesOPCIÓN A MATEMÁTICAS 2º BACHILLERATO B
MTEMÁTICS º BCHILLERTO B -5-11 OPCIÓN 1.- 1 Dadas las funciones f( x) = x x+, gx ( ) = x+ 1 a) Esboza sus gráficas y calcula su puno de core b) Señala el recino limiado por las gráficas de ambas funciones
Más detallesCOBERTURA DE CARTERAS ÍNDICE DE RENTA VARIABLE CON FUTUROS SOBRE EL IBEX 35
UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES Deparameno de Economía Financiera y Conabilidad III (Economía y Adminisración Financiera de la Empresa) COBERTURA DE CARTERAS
Más detalles