LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
|
|
- Gustavo Vega Ferreyra
- hace 6 años
- Vistas:
Transcripción
1 LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
2 ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos: en un sisema de ecuaciones simuláneas se requiere imponer resricciones sobre los parámeros de las mismas para garanizar la idenificación, y posible esimación, de las ecuaciones que lo conforman. Para ello, además, es indispensable diferenciar enre las variables endógenas y las predeerminadas, es decir, aquéllas cuyos valores no son deerminados por el modelo en el período acual. Esas úlimas pueden ser exógenas o endógenas rezagadas.
3 El VAR presena alernaivamene, un sisema de ecuaciones simuláneas en el que cada una de las variables son explicadas por sus propios rezagos y los del reso de variables del sisema. Es decir, no se admien resricciones a priori y odas las variables son consideradas endógenas. La única información a priori que se incluye esá referida al número de rezagos de las variables explicaivas, que se incorporan en cada ecuación a parir del análisis de la daa. No obsane, en érminos operaivos, una correca especificación del sisema requiere que la deerminación de las variables a ser incluidas en él se base en el conocimieno de un modelo eórico relevane.
4 Un VAR iene, en general, la siguiene especificación: p y = Π y + µ i= 1 i i donde y é y -i son vecores de orden m (m es el número de variables del sisema) y Π i es la mariz (cuadrada de orden m) de coeficienes del rezago i de las variables explicaivas de las m ecuaciones. De esa forma, se puede observar que deberán esimarse anas marices Π i como rezagos se incluyan en el sisema. Maricialmene, y uilizando una especificación de operadores de rezago: (1)
5 y y M y 1 2 m a a L a a L O a = M a 1 L a En ese sisema: 11( L ) 12( L ) 1m( L ) 21( ) 2m( L ) m ( L ) mm( L ) (3) E M [ µ µ ] - j y y M y 1 2 m + µ µ M µ ' = 0 j m (2) (4) [ ] E µ µ ' =
6 es decir, no se iene auocorrelación enre los errores de una misma ecuación pero se observa correlación conemporánea enre los errores de las diferenes ecuaciones. Veamos, por ejemplo, el caso de un VAR(1) con dos variables, de la forma: z y = = β γ z + β y + β z + ε β γ y + β y + β z + ε y z (5)
7 donde y y z son variables endógenas esacionarias, ε y y ε z son ruidos blancos y no esán correlacionados enre sí. La ecuación (5) sería enonces la forma esrucural del sisema ya que se ienen endógenas como explicaivas. Si se quiere obener la forma reducida, es decir, expresar la endógenas en función sólo de predeerminadas (rezagos de las endógenas), se debe resolver:
8 1 γ 21 γ 12 1 y z = β β β β β β y z ε ε y z (6) lo que se puede rescribir en érminos vecoriales como: ΓX = B0 + B1X -1 + ε siendo X un vecor que coniene a y y z X = Γ 1 B 0 + Γ 1 B 1 X -1 + Γ 1 ε
9 X es decir: y z = = 10 A A -1 1 X e a + a y + a z + e = a + a y + a z + e La ecuación 8 es la forma reducida del VAR(1) de la ecuación 5. En ella los errores sí esán correlacionados debido a que recogen la presencia de y y z como explicaivas del VAR original. Así: (7) (8)
10 donde Γ 1 1 γ Γ 12 1 = γ 21 1 = 1 γ 12γ 21 y, ε = e ε = - ε y y γ γ ε + ε z z (10) (9) ya que ε = ε ε y z
11 Ε ( e e ) y z = ε E 2 y γ 21 + ε y ε z + γ 21 2 γ 12 ε y ε z γ 12 ε 2 z (11) Ε ( ) 21 y 12 z e e = 0 y z γ σ 2 γ 2 σ 2 (12) La ecuación anerior no va a ser cero siempre que: γ 21 0, γ 12 es decir, mienras que y y z esén presenes en la forma esrucural del VAR. 0
12 ESTIMACION X Trabajando en general con un VAR(p) de la forma: = A + A X + A X + K se puede observar que: 1º Se iene un problema de sobreparamerización: hay que esimar m 2 p + m parámeros, lo que produce un grave problema de pérdida de grados de liberad. No obsane, el objeivo de un VAR es enconrar la inerrelación enre las variables y no realizar predicciones de coro plazo, lo que reduce la imporancia del problema. A p X -p + e (13)
13 2º Dado que se rabaja con la forma reducida, los errores de cada ecuación no esán auocorrelacionados y ienen varianza consane, el mejor méodo de esimación es aplicar MCO ecuación por ecuación. No obsane, para que sea un esimador eficiene odas las ecuaciones deben ener igual número de rezagos de cada explicaiva.
14 En érminos prácicos se recomienda uilizar la siguiene recea: 1º Limpiar cada una de las series de cualquier ipo de no esacionariedad. Es decir: aplicar el ploeo, correlograma (AC y PAC), DFA y el Tes de Zivo y Andrews (Tes de quiebre esrucural). El Tes de Zivo y Andrews deermina en que periodo se debe agregar una variable dummy para corregir el quiebre que puede ser en: inercepo, endencia o ambos.
15 Ese Tes considera res modelos: MODELO A: Quiebre con inercepo. MODELO B: Y = 0 1 β + β Du + ε Quiebre en endencia. Y = β + β + β * Du ε MODELO C: Quiebre en ambos. Y = β + β Du + β + β * Du ε
16 2º Esimar por MCO cada ecuación, individualmene. 3º Deerminar el número de rezagos de las variables explicaivas que deben permanecer en cada ecuación. Para ello se sugieren dos ipos de es: * El es F por bloques, para probar la hipóesis nula de que un número i de rezagos deben incluirse como explicaivas en cada ecuación, versus la alernaiva de que dicho número es i+r>i. Ese es iene el problema de que debe ser aplicado individualmene a cada ecuación, pudiendo llegarse a la conclusión de que el número de rezagos a incluirse en ellas es diferene en cada caso. Eso le resaría eficiencia al esimador de MCO.
17 El Tes de Máxima Verosimiliud (Likelihood Raio Saisic - LR) para el conjuno de ecuaciones. Nos sirve para deerminar el número de rezagos ópimo de un VAR, SIMS (1980). La hipóesis nula de ese es es que el sisema iene un número i de rezagos versus la alernaiva de que ese número es i+r. El esadísico sería: [ ] 2 log logσ χ ( T c)* Σ q (14) i i+ r
18 donde: log Σ a = logarimo naural del deerminane de la mariz de varianzas y covarianzas para el modelo con a rezagos. T = número de observaciones. c = número de parámeros esimados en cada ecuación del sisema no resringido. Es decir: c = m(r+i). q = grados de liberad, número de resricciones en odo el modelo. Es decir: q = m 2 r.
19 Ese es se disribuye χ2 con grados de liberad igual al número de resricciones en el sisema (q=m 2 r). Ese es iene poco poder para rechazar es sucesivos de resricción de rezagos; por ello el rezago referencial debe ser el de mayor valor en el sisema, es decir, cualquier hipóesis nula debe ser conrasada conra el rezago (i+r). Si se acepa la hipóesis nula (H 0 ), procedemos a verificar con un rezago menor.
20 4º No se debe uilizar el es ni dar imporancia a los signos de los coeficienes, ya que exise una gran mulicolinealidad enre las variables de cada ecuación. La magniud de los coeficienes es un indicador relaivo de la significancia de la variable (un coeficiene pequeño generalmene acompaña a una variable poco significaiva).
21 Función Impulso-respuesa Esa función es simplemene la represenación de medias móviles asociada con el modelo esimado y explica la respuesa del sisema a shocks en los componenes del vecor de perurbaciones. La función impulso-respuesa raza la respuesa de las variables endógenas en el sisema ane un shock en los errores. Un cambio en e 1 cambiaría inmediaamene el valor de Y. Ello además cambiaría odos los valores fuuros de las demás variables endógenas del sisema, debido a la esrucura dinámica del sisema.
22 En una función impulso-respuesa, separa los deerminanes de las variables endógenas denro de los shocks o idenifica innovaciones con variables específicas. Enonces, raza el efeco corriene y valores fuuros de las variables endógenas ane un shock de una desviación esándar a las innovaciones (variables esocásicas). Si odos los componenes esocásicos de nuesro sisema VAR son incorrelaivos, la inerpreación es direca, e 1 es la innovación Y, e 2 es la innovación X, y así sucesivamene. Una función impulso-respuesa para e 2 mide el efeco de una desviación esándar ane un shock en X acual y fuuro para las variables endógenas.
23 Por desgracia, ese no es casi nunca el caso pues los errores son oalmene incorrelaivos. Cuando los errores se correlacionan, ellos ienen un componene común el cual no puede ser idenificado con cualquier variable específica. Un méodo algo arbirario de negociación con ese problema es aribuir odo el efeco a cualquier componene común a la variable, aquel que venga primero en el sisema VAR. En nuesro sisema, el componene común de e 1 y e 2 es oalmene aribuido a e 1, porque e 1 precede a e 2 ; e 1 es la innovación Y y e 2 es la innovación X ransformado o removido el componene común.
24 Más écnicamene los errores son orogonalizados por una descomposición Choleski, así la mariz de covarianza resulane es riangular inferior (los elemenos por encima de la diagonal principal son cero). La descomposición Choleski es exensamene usada, es un méodo un poco arbirario de aribución de efecos comunes. Cambiando el orden de las ecuaciones, se puede cambiar dramáicamene las funciones impulso-respuesa, hay que ener cuidado con las inerpreaciones de esas funciones.
25 Descomposición de la Varianza del error de predicción. La descomposición de la varianza de un VAR brinda información acerca de la poencia relaiva de innovaciones aleaorias para cada variable endógena. Ese ejercicio consise en descomponer la varianza de las variables endógenas en componenes que permian aislar el porcenaje de variabilidad de una endógena explicado por una de las innovaciones para disinos horizones predicivos. Tal descomposición se obiene luego de orogonalizar el vecor de perurbaciones, que consise en disribuir la responsabilidad de las correlaciones reflejadas en la mariz de covarianza enre los disinos componenes del vecor de perurbaciones.
26 La inensión al hacer explícia esa conexión enre el modelo originalmene esimado y el obenido, es clarificar que el modelo obenido una vez realizada la orogonalización, no es una forma reducida, sino una forma esrucural; y que por ano, el proceso de orogonalización es de hecho una forma de idenificación. De esa manera se pueden calcular las conribuciones de las innovaciones sobre el error de predicción del período siguiene. Es de esperar que en el coro plazo la propia innovación explique la mayor proporción de ese error.
h + 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 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 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 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 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 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 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 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 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 detallesLos modelos económicos tratan de describir teorías económicas basados en las interrelaciones existentes entre ciertas variables macoeconómicas.
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
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 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 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 detallesCAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.1. Introducción 5.2. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resueltos
CAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.. Inroducción 5.. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resuelos 5.5. Inegración por recurrencia Capíulo 5 Inegración de
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 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 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 detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesEstimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.
Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos de índices bursáiles. Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos
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 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 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 detallesINCERTIDUMBRE EN LA CALIBRACIÓN DE VISCOSÍMETROS CAPILARES
CENTO NACIONAL DE METOLOGÍA INCETIDUMBE EN LA CALIBACIÓN DE VISCOSÍMETOS CAPILAES Wolfgang A. Schmid ubén J. Lazos Marínez Sonia Trujillo Juárez Noa: El presene ejercicio ha sido desarrollado bajo aspecos
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 detallesWilfredo Toledo* Universidad de Puerto Rico, Recinto de Río Piedras. PO BOX UPR Station.
Wilfredo Toledo* * Universidad de Puero Rico, Recino de Río Piedras. PO BOX 21758 UPR Saion. ISSN 1657-4206 I Vol. 18 I No. 38 I enero-junio 2014 I pp. 5-35 I Medellín-Colombia 6 WIFREDO TOEDO Resumen
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 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 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 detallesCONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N
CONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N Los méodos uilizados para la elaboración del Presupueso General de la Nación es uno de los emas acuales
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 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 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 detallesCONTRASTES DE SIGNIFICATIVIDAD INDIVIDUAL DE LOS PARÁMETROS
ECONOMETRÍA I. LADE Página /8 APUNTES DE CLASE Profesor Rafael de Arce rafael.dearce@uam.es CONTRASTES DE SIGNIFICATIVIDAD INDIVIDUAL DE LOS PARÁMETROS. Inroducción. Inervalo de confianza de los parámeros
Más detallesUnidad 1 Matrices PÁGINA 7 SOLUCIONES. 1. La resolución de los sistemas puede expresarse de la forma siguiente:
Unidad 1 Marices PÁGINA 7 SOLUCIONES 1. La resolución de los sisemas puede expresarse de la forma siguiene: La segunda mariz proporciona la solución x = 5,y = 6. La úlima mariz proporciona la solución
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 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 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 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 de Series Temporales
Inroducción al Análisis de Series Temporales José Albero Mauricio Universidad Compluense de Madrid OBSERVACIONES PRELIMINARES El origen de ese libro es una colección de ransparencias que preparé durane
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesANEXO Las instituciones calcularán mensualmente los puntos en riesgo utilizando el procedimiento que a continuación se detalla:
ANEXO 5 METODOLOGIA A SEGUIR PARA DETERMINAR EL MONTO MÍNIMO DEL FIDEICOMISO, ASÍ COMO EL IMPORTE DE LAS CUOTAS SOBRE LAS CUALES SE CALCULARÁN LAS APORTACIONES A QUE SE REFIERE EL ARTÍCULO 55 BIS DE LA
Más detallesC cos x sen x 0 x sen x x cos x x sen x cos x x C 1 x 0. Calculamos la matriz adjunta de C: sen x 0 cox 0 cos x sen x. sen x x 1 x 1 sen x
Prueba de Acceso a la Universidad. SEPTIEMBRE. Maemáicas II. Insrucciones: Se proponen dos opciones A y B. Debe elegirse una y conesar a sus cuesiones. La punuación de cada cuesión aparece en la misma.
Más detallesNOTA TEORICA SOBRE BURBUJAS
BANCO CENTRAL DE COSTA RCA DVSON ECONOMCA DEPARTAMENTO DE NVESTGACONES ECONOMCAS DE-NT-02-96 NOTA TEORCA SOBRE BURBUJAS Juan E. Muñoz Giró ABRL, 1996 2 NOTA TEÓRCA SOBRE BURBUJAS 1 Una de las curiosidades
Más detallesGRÁFICA DE CURVAS EN FORMA PARAMÉTRICA
GRÁFICA DE CURVAS EN FORMA PARAMÉTRICA Una curva C se dice definida paraméricamene por medio de un parámero, si las coordenadas afines de sus punos M se expresan en función de ese parámero, cuando varía
Más detallesModelos econométricos de predicción macroeconómica en la Argentina. Autores: George McCandless Ma. Florencia Gabrielli Tomás E.
Modelos economéricos de predicción macroeconómica en la Argenina Auores: George McCandless Ma. Florencia Gabrielli Tomás E. Murphy Gerencia de Invesigaciones Económico Financieras Área de Economía y Finanzas
Más detallesAgregados Monetarios, Inflación y Actividad Económica en México
Agregados Monearios, Inflación y Acividad Económica en México Daniel G. Garcés Díaz * dgarces@banxico.org.mx Abril de 22 Documeno de Invesigación No. 22-7 Dirección General de Invesigación Económica BANCO
Más detalles6.7. ENSAYOS EN FLUJO CONVERGENTE
Clase 6.7 Pág. 1 de 1 6.7. ENSAYOS EN FLUJO CONVERGENTE 6.7.1. Principios Los pasos que deben seguirse para efecuar un ensayo de flujo convergene son: 1. Se bombea en un puno hasa conseguir que las condiciones
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesANALISIS DE SERIES DE TIEMPO MULTIVARIADAS CON MODELOS DE ESPACIO DE ESTADO - UN EJEMPLO: PRODUCTO BRUTO Y DEMANDA GLOBAL DE LA REPÚBLICA ARGENTINA
María Teresa Blaconá Insiuo de Invesigaciones Teóricas y Aplicadas, Escuela de Esadísica ANALISIS DE SERIES DE TIEMPO MULTIVARIADAS CON MODELOS DE ESPACIO DE ESTADO - UN EJEMPLO: PRODUCTO BRUTO Y DEMANDA
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 detallesEconometría. Ejercicios para el tema 7. Profesores: Amparo Sancho Guadalupe Serrano
Economería Ejercicios para el ema 7 Profesores: Amparo Sancho Guadalupe Serrano 1.- Tes de causalidad de Granger enre la demanda de dinero y el ipo de inerés para España, Francia, Japón y USA. Pairwise
Más detallesMATEMÁTICAS I. TEMA 1: ECUACIONES Y SISTEMAS DE ECUACIONES
Cód. 87 Avda. de San Diego, 8 Madrid Tel: 978997 98 Fa: 9789 Email: rldireccion@planalfa.es de No se auoria el uso comercial de ese Documeno. MATEMÁTICAS I. TEMA : ECUACIONES Y SISTEMAS DE ECUACIONES..
Más detallesVOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN
VOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN MARCELA CONSTANZA TECANO MOLANO Direcor Ingeniero DIEGO HERNÁNDEZ
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 detallesTEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA
TEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA 1. CONCEPTO DE MODELO El ermino modelo debe de idenificarse con un esquema menal ya que es una represenación de la realidad. En ese senido, Pulido (1983)
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 detallesSesión 4: Instrumentos y Objetivos del Banco Central
Sesión 4: Insrumenos y Objeivos del Banco Cenral Curso de Conabilidad del Banco Cenral y Análisis Macroeconómico Cenro de Esudios Monearios Lainoamericano México, D.F., del 25 al 29 de junio de 2012 V.
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 detallesModelos estructurales de series de tiempo Est. Laura I. Giménez
Modelos esrucurales de series de iempo Es. Laura I. Giménez Universidad Nacional del Nordese Insiuo Nacional de Tecnología Agropecuaria 1 Programa Jueves, 30 de julio de 009 Inroducción al análisis de
Más detallesLa brecha de producto en Chile: medición y evaluación
La brecha de produco en Chile: medición y evaluación Rodrigo Fuenes, Fabián Gredig y Mauricio Larraín * I. INTRODUCCIÓN La brecha de produco se define como la diferencia enre el nivel efecivo de producción
Más detallesCICLOS ECONOMICOS REALES EN BOLIVIA
CICLOS ECONOMICOS REALES EN BOLIVIA 1. INTRODUCCION Eduardo Anelo Callisperis El érmino ciclos económicos se refiere al comporamieno conjuno de series de iempo de una gran variedad de variables como ser
Más detallesRaúl Ramos Lobo Miquel Clar López Jordi Suriñach Caralt
COMPARACIÓN DE LA CAPACIDAD PREDICTIVA DE LOS MODELOS DE COEFICIENTES FIJOS FRENTE A VARIABLES EN LOS MODELOS ECONOMÉTRICOS REGIONALES: UN ANÁLISIS PARA CATALUÑA Raúl Ramos Lobo Miquel Clar López Jordi
Más detallesUNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA CAPITULO I MODELOS MULTIECUACIONALES. EVALUACIÓN DE MODELOS MULTIECUACIONALES.. EXOGENEIDAD En érminos generales: º
Más detallesPráctico 1. Macro III. FCEA, UdelaR
Prácico 1. Macro III. FCEA, UdelaR Ejercicio 1 Suponga una economía que se compora de acuerdo al modelo de crecimieno de Solow-Swan (1956), se pide: 1. Encuenre la ecuación fundamenal del modelo de Solow-Swan.
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
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 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 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 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 detallesEFECTO DEL SALARIO MÍNIMO REAL EN LA DINÁMICA DE CORTO Y LARGO PLAZO DE LAS REMUNERACIONES MEDIAS NOMINALES EN CHILE
UNIVERSIDAD DE CONCEPCIÓN FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS MAGISTER EN ECONOMÍA DE RECURSOS NATURALES Y DEL MEDIO AMBIENTE EFECTO DEL SALARIO MÍNIMO REAL EN LA DINÁMICA DE CORTO Y LARGO
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 detallesCapítulo 8. Introducción al análisis de series temporales.
5 Capíulo 8. Inroducción al análisis de series emporales. 8..- Caso 5: Análisis de algunas series emporales por la meodología Box-Jenins. Una serie emporal puede definirse como una sucesión ordenada en
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 detallesComo Calcular la Tasa de Crecimiento de los Agregados Macroeconómicos Mediante el Análisis de Regresión
Como Calcular la Tasa de Crecimieno de los Agregados Macroeconómicos Mediane el Análisis de Regresión HL Maa 1 La esadísica ha generado diversos indicadores para medir el crecimieno de los agregados económicos,
Más detallesAPLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD
APLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD RESUMEN Ese arículo raa la aplicación del proceso esocásico de Poisson en esudios de confiabilidad de sisemas elécricos. ABSTRACT CARLOS J. ZAPATA Profesor
Más detallesEL FILTRO DE KALMAN. Álvaro Solera Ramírez
BANCO CENTRAL DE COSTA RICA DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS DIE--3-NT NOTA TÉCNICA JULIO DEL 3 EL FILTRO DE KALMAN Álvaro Solera Ramírez Documeno de rabajo del Banco Cenral
Más detallesBANCO CENTRAL DE COSTA RICA
BANCO CENTRAL DE COSTA RICA Esado acual de la modelación y esraegias fuuras Noviembre del 2004 Por qué esimar modelos macro en un Banco Cenral? Marco analíico para evaluar siuación económica acual y evolución
Más detallesFlujos de Información entre las Principales Áreas Bursátiles. Francisco J. Climent Diranzo Vicente Meneu Ferrer Ángel Pardo Tornero RESUMEN
Flujos de Información enre las Principales Áreas Bursáiles Francisco J. Climen Diranzo Vicene Meneu Ferrer Ángel Pardo Tornero Deparameno de conomía Financiera y Maemáica. Faculad de Ciencias conómicas
Más detallesOPTIMIZACIÓN DE MODELOS GARCH A TRAVÉS DE ALGORITMO GENÉTICO
UNIVERSIDAD DE CHILE FACULTAD DE ECONOMÍA Y NEGOCIOS OPTIMIZACIÓN DE MODELOS GARCH A TRAVÉS DE ALGORITMO GENÉTICO Seminario para opar al íulo de Ingeniero Comercial Mención Economía Profesor guía: Dr.
Más detallesEl Efecto Traspaso de la Tasa de Interés y la Política Monetaria en el Perú:
BANCO CENTRAL DE RESERVA DEL PERÚ El Efeco Traspaso de la Tasa de Inerés y la Políica onearia en el Perú: 995-4. Erick Lahura * * Banco Cenral de Reserva del Perú, Ponificia Universidad Caólica del Perú
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
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 detallesCapítulo 19. MINIMOS CUADRADOS NO LINEALES
Capíulo 9. MINIMOS CUADRADOS NO LINEALES 9. PRUEBA DE LINEALIDAD DEL MODELO... 84 9.. ESPECIFICACIÓN DE MODELOS NO LINEALES... 85 9.3. ESTIMACIÓN POR MCNL... 830 9.4. EVALUACIÓN DE ECUACIONES DE REGRESIÓN
Más detallesEstimación del producto potencial para Costa Rica: período
Esimación del produco poencial para Cosa Rica: período 1991-2006 Manfred Esquivel Monge y Mario Alfredo Rojas Sánchez * 1. INTRODUCCIÓN Una de las labores cruciales en el análisis e implemenación de la
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesAlgunos problemas en el empleo de los métodos econométricos
Algunos problemas en el empleo de los méodos economéricos Angel Vilariño. Los daos En las ciencias físicas es cosumbre presenar los daos juno con una medida del error de observación, mienras que en las
Más detallesUNIDAD V. Levantamiento de Supuestos
UNIDAD V Levanamieno de Supuesos UNIDAD V Qué es levanamieno de supuesos? La Esadísica demuesra que lo bien hecho siempre es mejor que lo bien dicho I Ching Qué es Mulicolinealidad? Cómo se presena? Cuáles
Más detallesECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010. Soluciones Hoja de ejercicios 4
ECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010 Soluciones Hoja de ejercicios 4 A1) Considere el siguiene modelo VAR con mecanismo de corrección del equilibrio (del error) Δy 0.2 0.1 0.3 Δy 1 ε1 = (
Más detallesLA ELASTICIDAD DE SUSTITUCIÓN
LA ELASTICIDAD DE SUSTITUCIÓN INTERTEMPORAL CON PREFERENCIAS NO SEPARABLES INTRATEMPORALMENTE: LOS CASOS DE ALEMANIA, ESPAÑA Y FRANCIA * Elena Márquez de la Cruz Deparameno de Economía Aplicada III Universidad
Más detallesUNIVERSIDAD AUSTRAL DE CHILE. Modelo econométrico de funciones de oferta de Trigo a nivel regional en Chile
UNIVERSIDAD AUSTRAL DE CHILE Faculad de Ciencias Agrarias Escuela de Agronomía Modelo economérico de funciones de ofera de Trigo a nivel regional en Chile Tesis presenada como pare de los requisios para
Más detallesE C O N O M E T R Í A. Guía de trabajos prácticos. Universidad de Buenos Aires Facultad de Ciencias Económicas
E C O N O M E T R Í A Guía de rabajos prácicos Universidad de Buenos Aires Faculad de Ciencias Económicas Cáedra: Economería Profesor iular Dr. Heribero Urbisaia Profesora Asociada Dra. Juana Z. Brufman
Más detallesESTIMACION DEL PRECIO DE MERCADO DE RIESGO INCORPORADO EN CONTRATOS DE CLIENTES LIBRES DEL MERCADO ELÉCTRICO
ESTIMACION DEL PRECIO DE MERCADO DE RIESGO INCORPORADO EN CONTRATOS DE CLIENTES LIBRES DEL MERCADO ELÉCTRICO David Orosco (OSINERG) Gerardo Tirado (UNI) El Proceso de Desregulación del Mercado Elécrico
Más detallesGRADO TURISMO TEMA 6: SERIES TEMPORALES
GRADO TURISMO TEMA 6: SERIES TEMPORALES Prof. Rosario Marínez Verdú 1 TEMA 6: SERIES TEMPORALES 1. Componenes de una serie emporal. 2. Análisis de la Tendencia. 3. Análisis de las Variaciones Esacionales.
Más detallesSeries Temporales Univariantes
Profesoras Carolina García-Maros (garcia.maros@upm.es) María Jesús Sánchez Naranjo (mjsan@esii.upm.es) ÍNDICE Inroducción a las series emporales (objeivos, clasificación de los modelos de series, análisis
Más detallesFigura 1. Coordenadas de un punto
1 Tema 1. Sección 1. Diagramas espacio-iempo. Manuel Guiérrez. Deparameno de Álgebra, Geomería y Topología. Universidad de Málaga. 2971-Málaga. Spain. Marzo de 21. En la mecánica es usual incluir en los
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 detallesCurso Combinado de Predicción y Simulación Edición 2004
Curso Combinado de Predicción y Simulación www.uam.es/predysim Edición 2004 UNIDAD 2: TÉCNICAS ELEENTALES DE PREDICCIÓN CASO DE APLICACIÓN 1.- Predicción y simulación de los coses salariales en España
Más detallesPARIDAD DE PODER DE COMPRA:
ESCUELA DE ECONOMIA Y ADMINISTRACIÓN PARIDAD DE PODER DE COMPRA: UNA REVISIÓN DE LA LITERATURA EMPÍRICA Seminario para opar al íulo de Ingeniero Comercial, Mención Adminisración Auor: Ania Johanna Iribarren
Más detalles