Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A"

Transcripción

1 Economería II LADE/LADE-Derecho Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.. Dado los dos siguienes procesos: y = 05, + ε ( + 08, L) y = ε Donde ε y ε son procesos ruido blanco independienes. (a) Tano y como y son esacionarios e inveribles. (b) Sólo y es esacionario e inverible. (c) Sólo y es esacionario e inverible. (d) Sólo y es no esacionario. (e) y iene evolución endencial con crecimieno sisemáico. (f) Ninguna de las aneriores. A.. Las imporaciones mensuales de un deerminado país vienen dadas por el modelo: 04, L + 07, L 4 L L log M = 06, L ε ( )( )( ) ( ) donde ε es ruido blanco. En lo que sigue las asas de variación se definen como las correspondienes diferencias de los logarimos. (a) La asa de variación anual de las imporaciones es esacionaria. (b) La asa de variación mensual de las imporaciones es esacionaria. (c) La ransformación esacionaria de las imporaciones no presena auocorrelación ni en el orden esacional ni en el regular. (d) La ransformación esacionaria de las imporaciones no presena auocorrelación en el orden regular pero si en el esacional. (e) En la ransformación esacionaria de las imporaciones las auocorrelaciones parciales de orden superior a doce son cero. (f) Ninguna de las aneriores.

2 A.3. Dado los dos siguienes procesos: y Economería II LADE/LADE-Derecho ( L) = 0, + 04, ε ( ) + 04, Ly = 0, + ε Donde ε y ε son procesos ruido blanco independienes. (a) Tano y como y son esacionarios pero no inveribles. (b) Los procesos ienen la misma media. (c) Los procesos ienen disina media. (d) Tano y como y son esacionarios e inveribles. (e) Tano la auocorrelación de orden uno de y como la de y es negaiva. (f) y iene evolución endencial con decrecimieno sisemáico. A.4. Los ingresos rimesrales de una deerminada empresa vienen dados por el modelo: 04, L L L 4 log I = 08, L ε ( )( )( ) ( ) donde ε es ruido blanco. En lo que sigue las asas de variación se definen como las correspondienes diferencias de los logarimos. (a) La asa de variación rimesral de los ingresos presena comporamieno esacional. (b) La asa de variación rimesral de los ingresos no presena comporamieno esacional (c) La asa de variación anual de los ingresos es esacionaria. (d) La ransformación esacionaria de los ingresos es ruido blanco. (e) La ransformación esacionaria de los ingresos no presena auocorrelación en el ámbio esacional. (f) Ninguna de las aneriores. A.5. Considere que se dispone de una serie emporal del proceso esocásico x = δ + ϕ x + u. Suponga que se desea conrasar si ϕ =. (a) Esa hipóesis es inconrasable. (b) Esa hipóesis sólo se puede conrasar si u es ruido blanco (c) Esa hipóesis es sólo conrasable si δ = 0. (d) Esa hipóesis se puede conrasar esimando por Mínimos Cuadrados Ordinarios el modelo, calculando el esadísico habiual y empleando la disribución normal esándar. (e) Para conrasar la hipóesis habría que emplear conrases específicos de presencia de raíces uniarias. (f) Ninguna de las aneriores.

3 PARTE B Economería II LADE/LADE-Derecho B.. Dados los siguienes procesos esocásicos univarianes: (a) y = 06. y 03. y + ε 09. ε (b) y = ( + ϕ ) y ϕ y + ε θ ε (c) y = 09. y 07. y + + ε donde ε es un proceso ruido blanco. Se pide: (a) Clasifique dichos modelos denro de la familia ARIMA(p,d,q) y escríbalos en la noación de reardos. (b) Discua las propiedades de esacionariedad e inveribilidad de cada uno de los procesos y en su caso obenga la ransformación esacionaria de la variable original.. Solución: Aparado a) (a) ( ) ( ) y = 06. y 03. y + ε 09. ε 06, L + 03, L y = 09, L ε ARMA(, ) (b) ( ) ( )( ) ( ) y = + ϕ y ϕ y + ε θ ε ϕ L L y = θl ε ARIMA(,,) y = 09. y 07. y + + ε 09, L+ 07, L y = + ε AR( ) (c) ( ) Aparado b) (a) y es esacionario e inverible por cumplir las respecivas condiciones: Esacionariedad: ϕ < 030, < ϕ + ϕ < 06, 030, < ϕ ϕ < 030, 06, < 3

4 Inveribilidad Economería II LADE/LADE-Derecho θ < 09, < (b) y no es esacionario pero y será esacionario e inverible si se cumple: Esacionariedad: ϕ < Inveribilidad: θ < (c) y es inverible por consrucción y esacionario por cumplirse: ϕ < 070, < ϕ + ϕ < 09, 07, < ϕ ϕ < 07, 09, < 4

5 B.. En el modelo rimesral: 4 () w = 35+ ( L)( L ) Economería II LADE/LADE-Derecho, α α ε 4 donde ε es un proceso ruido blanco. Se pide: (a) Obenga una formulación adiiva de medias móviles e indique sus caracerísicas. (b) Calcule la media y la varianza de w. (c) Calcule las auocorrelaciones de orden y 6. (d) Suponga que α 4 = 0 y denomine () al modelo obenido. Obenga el modelo () y compare su media y varianza con la del modelo (). (e) Suponga ahora que en el conexo del aparado anerior w = x x. Señale las caracerísicas de x. Solución: Aparado a) w es un proceso MA()x() 4 que en érminos de la formulación adiiva podría escribirse como: 4 5 ( ) w = 35, + αl α4l + αα4l ε o w = , ε α ε α ε α α ε Luego w : º) Puede considerarse un MA(5) º) Es un MA(5) con resricciones de nulidad θ = θ3 = 0 3º) Exise además una resricción sobre θ5 = θθ4 = αα4 Aparado b) Ew ( ) = E( 35, + ε α ε α ε + α α ε ) = 35, ( ) 0 = V( w ) = σ + α + α4 + α α4 siendo V ( ε ) = Aparado c) ε La auocorrelación de orden será r = = 0 pues 0 σ ε [( )( )] = Cww ( ) = Eww ( ~~ ) = E ε αε αε + ααε ε αε αε + ααε = siendo w ~ = w E( w ) 5

6 Economería II LADE/LADE-Derecho 6 Igualmene la de orden 6 será r 6 = = 0 pues 0 [( )( )] = Cww ( ) = Eww ( ~~ ) = E ε αε αε + ααε ε αε αε + ααε = Aparado d) El modelo () será: ( α ) * w = w = 35, + L ε con * Ew ( ) = E( 35, + ε αε ) = 35, * * 0 = V( w ) = σ ( + α ) siendo V ( ε ) = ε σ ε El modelo () respeco al (): º) Ambos modelos ienen la misma media. º) El modelo () iene menos esrucura de auocorrelación. 3º) El modelo () no iene esrucura de dependencia esacional. 4º) La varianza del proceso () es menor. Aparado e) Tenemos ( ) x = x + 35, + α L ε En donde se puede apreciar que: º) x no es esacionario. º) x presenará una paua de crecimieno endencial dado que el modelo para x posee una consane posiiva. 3º) No obsane el proceso w x x x = = si que es esacionario pues sigue una ley MA(), lo que verifica las condiciones de esacionariedad siempre. 6

7 Economería II LADE/LADE-Derecho B.3. En consonancia con el problema de la Hoja de Ejercicios resuelos, considere que con frecuencia las variables económicas son la suma de un dao original o real más un error de medida. Obenga el modelo general que seguirá una variable económica x suponiendo que el dao original es generado por un proceso (y ) que sigue un AR() esacionario y sin consane y el error de medida (u ) un proceso ruido blanco independiene del dao original. Solución Parimos de: x = y + u con y = ϕ y + ε y ε v u procesos ruido blanco independiene Luego dado que y = ϕ y + ε y = ε ϕ L Obenemos x = y + u x = ( ϕ ) ε L u ε Lu + + = ϕ ϕ L [] Que en general es un ARMA(,). Efecivamene en [] se aprecia que hay un componene AR (denominador de la expresión) y un componene MA (numerador de la expresión). Componene AR: ( ϕ Lx ) AR() Componene MA: w = ε + ( ϕ L) u Veamos que presena una esrucura MA(), para ello calculamos la función de auocovarianzas eniendo en cuena que Ew ( ) = 0 y que u y ε son procesos ruido blanco que se disribuyen independienemene. = Cww ( ) = E( ε + u ϕu )( ε + u ϕu ) = = ϕ Eu ( ) = ϕ σ u = Cww ( ) = E( ε + u ϕ u )( ε + u ϕ u ) =

8 Economería II LADE/LADE-Derecho k = Cww ( k) = E( ε + u ϕu )( ε k + u k ϕu k ) = 0 k> Efecivamene presena la esrucura de auocorrelación de un MA(). En definiiva hemos comprobado que x presena una esrucura ARMA(,) 8

9 Economería II LADE/LADE-Derecho B.4. Un invesigador ha esimado para la serie de Mariculación de vehículos ransformada logarímicamene un modelo con esrucura regular pura ARIMA(,,0)x(0,0,0), obeniéndose los resulados presenados a coninuación. Considera que los residuos de dicho modelo son esacionarios? Por qué?. En caso de que no le parezca acerada la idenificación realizada por el invesigador indique en qué senido modificaría la misma. Jusifique siempre sus afirmaciones. Serie Original COCHES Modelo esimado Dependen Variable: DLOG(COCHES,) Mehod: Leas Squares Sample(adjused): 990:0 000:05 Included observaions: 5 afer adjusing endpoins Convergence achieved afer ieraions Variable Coefficien Sd. Error -Saisic Prob. AR() AR() R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood.9840 F-saisic Durbin-Wason sa.8336 Prob(F-saisic) Invered AR Roos i i 9

10 Economería II LADE/LADE-Derecho Residuos del modelo DLOG(COCHES,) Residuals Acf y Pacf 0

11 Economería II LADE/LADE-Derecho Solución La serie original presena una clara paua esacional que no se modeliza, por ello, los residuos presenan ambién una clara paua esacional. Es decir denro de un mismo año los niveles oscilan sisemáicamene con menores valores en unos meses concreos y mayores en oros. Lo cual implica que exisen medias diferenes dependiendo del mes en concreo del que se rae. Esa paua se puede observar ambién con claridad en la función de auocorrelación de dichos residuos. Por lo ano los residuos no serán esacionarios. Habría que reformular el modelo en el senido de modelizar la esacionalidad incluyendo, por ejemplo, una diferencia esacional. Poseriormene habría que analizar si exise algún ipo de correlación en el ámbio esacionario que modelizar ya sea regular o esacional.

12 Economería II LADE/LADE-Derecho B.5. A parir de una serie emporal, un invesigador ha especificado un proceso AR(). Además, las oscilaciones del correlograma indicaban que el componene auorregresivo debería ener raíces complejas. A pesar de la especificación hecha exisían dudas sobre posible esrucura en el correlograma parcial. Tras esimar el modelo AR(), observa que los residuos presenan una esrucura MA(). Cree used que la idenificación inicial del proceso fue correca? En caso de que crea que fue incorreca Cómo reformularía used el modelo inicial?. Jusifique su respuesa. Solución La idenificación inicial no fue correca, de haberlo sido los residuos deberían seguir un proceso ruido blanco y no un proceso MA() como se dice en el enunciado. Para modificar el modelo aplicaríamos la reformulación muliplicaiva, de manera que sugeriríamos un proceso ARMA(,). Efecivamene, el modelo especificado incorrecamene sería: ( ϕ ϕ ) L L y = u esacionario [] con u ( L) = θ ε θ < [] con lo cual a parir de [], obenemos para y una esrucura ARMA(,) ( L L ) y = ( L) ϕ ϕ θ ε

13 Economería II LADE/LADE-Derecho B.6. Considere el siguiene proceso esocásico x = δ + ϕ x + u con u ruido blanco. a) Genere en E-Views una serie emporal de amaño muesral 00 del proceso x = 05, + x + ucon u ruido blanco. Suponga que x 0 = 0 Describa sus caracerísicas. b) Genere en E-Views una serie emporal de amaño muesral 00 del proceso x = x + u con u ruido blanco. Suponga que x 0 = 0. Describa sus caracerísicas. Solución El proceso x = δ + ϕ x + u con u ruido blanco y ϕ = se denomina paseo aleaorio. Ese proceso es un proceso no esacionario y por ano las series que genera presenaran pauas de no esacionariedad, en concreo: - Si δ > 0 observaremos una serie con comporamieno endencial creciene. - Si δ < 0 observaremos una serie con comporamieno endencial decreciene. - Si δ = 0 observaremos una serie con diferenes medias locales pero sin crecimieno o decrecimieno sisemáico. Esas caracerísicas se pueden apreciar claramene en las siguienes series generadas en E-views x=0.5+x(-)+u 3

14 Economería II LADE/LADE-Derecho x=x(-)+u 4

15 Economería II LADE/LADE-Derecho B.7. Considere el siguiene proceso esocásico con daos rimesrales 4 ( θ )( ) 4 log( x ) = L Θ L ε con ε ruido blanco y θ < y Θ <. a) Será x un proceso esacionario?. En caso de no serlo indique cual es su ransformación esacionaria. Jusifique su respuesa. b) Serán las asas rimesrales de variación de x, aproximadas por la primera diferencia del logarimo neperiano de dicha variable, esacionarias?. Jusifique su respuesa. c) Serán las asas anuales de variación de x, aproximadas por la diferencia esacional del logarimo neperiano de dicha variable, esacionarias?. Jusifique su respuesa. Soluciones sugeridas Aparado a) x no es un proceso esacionario. Tal y como señala el modelo presenado, precisa de la ransformación logarímica y de la diferenciación regular y esacional para seguir un MA() doble, que como sabemos es esacionario. Aparado b) Nóese que la ransformación esacionaria de x es 4 log( x ), que sigue un MA() doble. De manera que log( x ) no será esacionario. En concreo el hecho de que log( x ) precise de una diferencia esacional para ser esacionario indica que presenará una clara paua esacional con medias disinas en función de los rimesres. Aparado c) Nóese que la ransformación esacionaria de x es 4 log( x ), que sigue un MA() doble. De manera que 4 log( x ) no será esacionario. En concreo el hecho de que 4 log( x ) precise de una diferencia regular para ser esacionario indica que presenará una paua con diferenes medias locales a lo largo del período considerado. 5

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios 1 Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.1. Se ha modelizado la variable v de dos modos diferenes: (1)

Más detalles

Examen de Econometría II 12 de Enero de 2010

Examen de Econometría II 12 de Enero de 2010 Examen de Economería II 12 de Enero de 2010 ---------------------------------------------------------------------------------------- Apellidos y Nombres: Grupo: ----------------------------------------------------------------------------------------

Más detalles

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes

Más detalles

ECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i.

ECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i. ECONOMETRÍA II CURSO 2008 Segunda evaluación parcial ) Suponga dos procesos diferenes para la variable rimesral donde y son variables arificiales cenradas relaivas al rimesre i. Responda si las siguienes

Más detalles

Hoja de Ejercicios de Econometría: Autocorrelación

Hoja de Ejercicios de Econometría: Autocorrelación Hoja de Ejercicios de Economería: Auocorrelación Ejercicio Un invesigador ha esimado por MCO un modelo de relación enre el consumo ( C ), su pasado y la rena ( R ): () C = β + βc + βr + ε obeniendo los

Más detalles

EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA

EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA Coninuando con la serie de serie de venas de auomóviles (4x4) para Colombia desde el primer rimesre de 1970 hasa el segundo rimesre de 1987. Periodo Y Periodo

Más detalles

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE Examen de Econometría II 20 de septiembre de 2005

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE Examen de Econometría II 20 de septiembre de 2005 Licenciaura de ADE y Licenciaura conjuna Derecho y ADE Examen de Economería II 0 de sepiembre de 005 Apellido y Nombre: Grupo: INFORMACION IMPORTANTE El examen consa de res pares con una valoración oal

Más detalles

Ejercicio sobre el PIB histórico anual español 1

Ejercicio sobre el PIB histórico anual español 1 Ejercicio sobre el PIB hisórico anual español 1 El gráfico adjuno recoge la evolución del PIB anual español (en miles de millones de peseas de 15) de 15 a 2. 6 5 4 3 2 1 PIB Considere ahora la ransformación

Más detalles

Curso 2006/07. Tema 2: El incumplimiento de la hipótesis de estacionariedad. Cómo resolverla. 2. La falta de estacionariedad en varianza

Curso 2006/07. Tema 2: El incumplimiento de la hipótesis de estacionariedad. Cómo resolverla. 2. La falta de estacionariedad en varianza Economería II Tema 2: El incumplimieno de la hipóesis de esacionariedad. Cómo resolverla. Inroducción 2. La fala de esacionariedad en varianza 3. La fala de esacionariedad en media Tema 2 2. Inroducción

Más detalles

TEMA 4: AUTOCORRELACIÓN

TEMA 4: AUTOCORRELACIÓN Economería. Tema 4. Pilar Abad TEMA 4: AUTOCORRELACIÓN Wooldridge: Capíulo Gujarai: Capíulo 4 El análisis aplicado de muchos fenómenos económicos exige relajar el supueso de No Auocorrelación que se hace

Más detalles

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero

D 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 detalles

Curso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico

Curso 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 detalles

Modelos de Ecuaciones Simultáneas. donde R y Y son variables endógenas, y M es determinada exógenamente.

Modelos 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 detalles

EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001

EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 21 CURSO DE TÉCNICAS DE PREVISIÓN DE VARIABLES FINANCIERAS PROGRAMA CITIUS Junio 21

Más detalles

Tema 3. Especificación, estimación y validación de modelos ARIMA

Tema 3. Especificación, estimación y validación de modelos ARIMA Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.

Más detalles

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE. Hoja de ejercicios 3

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE. Hoja de ejercicios 3 Licenciaura de ADE y Licenciaura conjuna Derecho y ADE Hoja de ejercicios 3 Ejercicio 1 El análisis de series emporales puede aplicarse a la resolución de muliud de problemas económicos. Uno de los que

Más detalles

ECONOMETRÍA EMPRESARIAL II ADE

ECONOMETRÍA 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 detalles

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3 Esadísica Indusrial Universidad Carlos III de Madrid Series emporales Prácica 3 Objeivos: Coninuar con la idenificación de procesos auoregresivos (AR) y de media móvil (MA), mediane la función de auocorrelación

Más detalles

Modelos estacionarios de series temporales

Modelos estacionarios de series temporales Modelos esacionarios de series emporales Inroducción En ese capíulo se presena una meodología para analizar una serie emporal X, únicamene en función de los valores pasados de dicha serie. La idea básica

Más detalles

Tema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE

Tema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE Clase de economería 1: Universidad Cenroamericana UCA Tema: Análisis de regresión y análisis de varianza La abla ANOVA iene la siguiene represenación: Fuenes de variación Grados de liberad uma de cuadrados

Más detalles

Análisis estocástico de series temporales

Análisis 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 detalles

Modelización univariante

Modelización univariante Modelización univariane Miguel Jerez Universidad Compluense de Madrid Febrero 5 Slide # Índice Inroducción Procesos esocásicos elemenales Insrumenos de idenificación Idenificación y diagnosis Noación de

Más detalles

Ejercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez

Ejercicios 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 detalles

Sesión 2 Análisis univariado de series de tiempo

Sesión 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 detalles

TODO ECONOMETRÍA. Autocorrelación

TODO 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 detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C

Más detalles

Guía de Ejercicios 2 Econometría II

Guía de Ejercicios 2 Econometría II Gía de Ejercicios Economería II.- Para el sigiene proceso : donde es n rido blanco con ariana. a Calcle la media la ariana marginal condicional del proceso. Compare los alores marginales condicionales.

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis 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 detalles

Econometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.

Econometría 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 detalles

DETERMINANTES Y VULNERABILIDAD

DETERMINANTES 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 detalles

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESO PURAMENTE ALEATORIO (RB) Es el proceso esacionario puramene aleaorio es concepualmene el más sencillo de odos y ambién en el que se basan

Más detalles

Una estimación de la inflación anual del 2002 para la Argentina sobre la base de la ecuación de Fisher.

Una estimación de la inflación anual del 2002 para la Argentina sobre la base de la ecuación de Fisher. Una esimación de la inflación anual del 2002 para la Argenina sobre la base de la ecuación de Fisher. Pablo Albero Frigolé 1 pablofrigole@uopia.com Febrero de 2002 1 AL momeno de efecuar el rabajo el auor

Más detalles

Análisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada

Análisis 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 detalles

Índice General de Ventas en Grandes Almacenes y su logaritmo

Índice General de Ventas en Grandes Almacenes y su logaritmo En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde

Más detalles

h + para cualquier m 1, 5.2. Modelo E-GARCH Introducción

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 detalles

Series Temporales Univariantes

Series 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 detalles

Sesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media

Sesión 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 detalles

E C O N O M E T R I A

E C O N O M E T R I A UNIVERSIDAD NACIONAL DE PIURA FACULAD DE ECONOMIA DPO. DE ECONOMERIA Y MEODOS CUANIAIVOS E C O N O M E R I A I M. Sc. Eco. LUIS A. ROSALES GARCÍA CASILLA, AGOSO DEL 001 CAPIULO I PERURBACIONES AUOCORRELACIONADAS

Más detalles

R 2 = 0,9945 R 2 = 0,9937

R 2 = 0,9945 R 2 = 0,9937 II EXÁMENES DE ECONOMETRÍA 1 Se han esimado con una muesra de 39 observaciones las siguienes funciones de producción por el méodo de MCO: ˆ 1,3,3,55 O ˆ = α L K e R =,9945 ˆ ˆ 1,41,47 O = β L K R =,9937

Más detalles

de precios entre distintas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (2000), señala que, para que este modelo esté bien

de precios entre distintas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (2000), señala que, para que este modelo esté bien 3. El modelo de convergencia de precios 1, se origina para explicar las diferencias de precios enre disinas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (000), señala que, para

Más detalles

Guía de Ejercicios Econometría II Ayudantía Nº 3

Guía 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 detalles

ECONOMETRÍA APLICADA

ECONOMETRÍA APLICADA Faculad de Ciencias Económicas y Empresariales ANÁLISIS UNIVARIANTE DE SERIES TEMPORALES José Albero Mauricio Deparameno de Fundamenos del Análisis Económico II EcrAp-JAM-TR.pdf COPYRIGHT -6 José Albero

Más detalles

EJEMPLO DE DIAGNÓSTICO Y TRATAMIENTO DE LA AUTOCORRELACIÓN: Introducción al concepto de no estacionariedad y regresión espuria

EJEMPLO DE DIAGNÓSTICO Y TRATAMIENTO DE LA AUTOCORRELACIÓN: Introducción al concepto de no estacionariedad y regresión espuria EJEMPLO DE DIAGNÓSTICO Y TRATAMIENTO DE LA AUTOCORRELACIÓN: Inroducción al concepo de no esacionariedad y regresión espuria Ramón Mahía Marzo 2006 El objeivo de ese documeno es de ilusrar en un conexo

Más detalles

Capítulo 8. Introducción al análisis de series temporales.

Capítulo 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 detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares

Más detalles

Análisis de Series Temporales

Análisis 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 detalles

Análisis de series temporales y. Modelos autoregresivos. Series temporales.

Análisis de series temporales y. Modelos autoregresivos. Series temporales. Análisis de series emporales y Modelos auoregresivos. Series emporales. Una serie emporal es una secuencia ordenada de valores, correspondienes a la magniud de una variable en un deerminado insane en el

Más detalles

Anexo Opinión sobre la determinación del Índice de Revalorización de las Pensiones 2017

Anexo Opinión sobre la determinación del Índice de Revalorización de las Pensiones 2017 13 de julio de 2017 Opinión sobre la deerminación del Índice de Revalorización de las Pensiones 2017 ÍNDICE 1. Meodología de la AIReF para calcular el IRP... 3 2. Méodo de proyección de las alas de pensiones:

Más detalles

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES)

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja

Más detalles

UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMATICA ESCUELA DE MATEMATICA

UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMATICA ESCUELA DE MATEMATICA UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMATICA ESCUELA DE MATEMATICA FACTORES ECONÓMICOS QUE INCIDEN EN LA INVERSIÓN PRIVADA EN EL SALVADOR Trabajo de Graduación presenado por:

Más detalles

Sexta Entrega. = y t +(w 0 + w 1 B w m B m ) I (h) z h = y h + w 0. z h+1 = y h+1 + w 1. z h+2 = y h+2 + w 2

Sexta Entrega. = y t +(w 0 + w 1 B w m B m ) I (h) z h = y h + w 0. z h+1 = y h+1 + w 1. z h+2 = y h+2 + w 2 Prácicas de la asignaura Series Temporales Sexa Enrega 1 Análisis de inervención en series emporales Hasa ahora hemos esudiado modelos para series emporales que únicamene dependían del pasado de la propia

Más detalles

LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)

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 detalles

MODELO ARIMA(p, d, q) (P, D, Q) s

MODELO 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 detalles

CAPÍTULO 10 AUTOCORRELACIÓN. Fichero: capitulo 10.doc 1. INTRODUCCION. CAUSAS DE LA AUTOCORRELACION ENTRE LOS ERRORES.

CAPÍTULO 10 AUTOCORRELACIÓN. Fichero: capitulo 10.doc 1. INTRODUCCION. CAUSAS DE LA AUTOCORRELACION ENTRE LOS ERRORES. CAPÍLO 0 AOCORRELACIÓN. Fichero: capiulo 0.doc. INRODCCION. CASAS DE LA AOCORRELACION ENRE LOS ERRORES. Como la heerocedasicidad, la auocorrelación es un caso de perurbaciones no esféricas pero a diferencia

Más detalles

Econometría II. Esther Ruiz Dpt. de Estadística Universidad Carlos III de Madrid

Econometría II. Esther Ruiz Dpt. de Estadística Universidad Carlos III de Madrid Economería II Esher Ruiz Dp. de Esadísica Universidad Carlos III de Madrid La economería de series emporales en la empresa. 1. La economería en la profesión económica. 2. Muesras aleaorias y caracerísicas

Más detalles

ECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?

ECONOMETRÍA 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 detalles

Ordenación y análisis de series con tendencia (temporales) José Ángel Fernández UAM Abril 2007

Ordenación y análisis de series con tendencia (temporales) José Ángel Fernández UAM Abril 2007 Ordenación y análisis de series con endencia (emporales) José Ángel Fernández UAM Abril 2007 Caracerísicas de las series emporales Ordenación: Los daos siempre han de esar ordenados. Son dependienes: La

Más detalles

1. INTRODUCCIÓN. XVI Jornadas ASEPUMA IV Encuentro Internacional Vol Actas_16 Issue 1: 901

1. 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 detalles

Estimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.

Estimación 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 detalles

3.8. PROBLEMAS 205. s 1 (t) s 3 (t) Figura 3.43: Señales para el Problema 3.1. b) Obtenga las coordenadas de cada señal en la base correspondiente.

3.8. PROBLEMAS 205. s 1 (t) s 3 (t) Figura 3.43: Señales para el Problema 3.1. b) Obtenga las coordenadas de cada señal en la base correspondiente. 38 PROBLEMAS 5 38 Problemas Problema 3 Para las cuaro señales de la Figura 343: s () s () 3 3 3 s 3 () - s () 3 Figura 343: Señales para el Problema 3 a) Encuenre un conjuno de señales oronormales, que

Más detalles

ECONOMETRIA 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 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 detalles

Análisis clásico de series temporales

Análisis clásico de series temporales Análisis clásico de series emporales Profesor: Anonio Caparrós Ruiz Análisis clásico de series emporales. Inroducción Hasa ahora nos hemos ubicado en el campo de la Economería causal, es decir, una variable

Más detalles

ANÁLISIS DE INTERVENCIÓN

ANÁLISIS DE INTERVENCIÓN ANÁLISIS DE INTERVENCIÓN Dpo. de Esadísica Eca.,Esr.Eca.y O.E.I. Inroducción Análisis de Inervención. Formulación del modelo. Esimación del modelo 3 Aípicos. 3.Tipos de aípicos 3. Efecos 3.3 Deección y

Más detalles

y t = α 0 + α 1t + γ(l)ε (16.1)

y 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 detalles

Metodología de la estimación de los ingresos anuales y mensuales

Metodología de la estimación de los ingresos anuales y mensuales Meodología de la esimación de los ingresos anuales y mensuales En cumplimieno con lo esablecido en la fracción III, inciso a), del Arículo 41 de la Ley Federal de Presupueso y Responsabilidad Hacendaria,

Más detalles

Métodos de Previsión de la Demanda Pronóstico para Series Temporales Niveladas Representación Gráfica

Métodos 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 detalles

Econometría de Series de Tiempo 1

Econometría 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 detalles

Serie Apuntes de Clase ΩΒΓ

Serie 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 detalles

Nombre y Apellidos:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013)

Nombre y Apellidos:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013) Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja de respuesas.

Más detalles

UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA

UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA. CAPITULO I MODELOS DINÁMICOS 1. INTRODUCCIÓN 1.1. JUSTIFICACIÓN La necesidad de incluir la dinámica emporal en los

Más detalles

MATEMÁTICAS II. Examen del 11/09/2006 Soluciones. Importante

MATEMÁTICAS II. Examen del 11/09/2006 Soluciones. Importante MATEMÁTICAS II Examen del /09/006 Soluciones Imporane Las calificaciones se harán públicas en la página web de la asignaura y en el ablón de anuncios del Dpo. de Méodos Cuaniaivos en Economía y Gesión,

Más detalles

UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA- LEÓN FACULTAD DE CIENCIA Y TECNOLOGIA. DEPARTAMENTO DE MATEMATICA Y ESTADISTICA

UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA- LEÓN FACULTAD DE CIENCIA Y TECNOLOGIA. DEPARTAMENTO DE MATEMATICA Y ESTADISTICA UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA- LEÓN FACULTAD DE CIENCIA TECNOLOGIA. DEPARTAMENTO DE MATEMATICA ESTADISTICA APLICACIÓN DE MODELOS DE SERIES DE TIEMPO PARA LA PREDICCIÓN A CORTO PLAZO DE LA

Más detalles

ECONOMETRÍA EMPRESARIAL II ADE

ECONOMETRÍA EMPRESARIAL II ADE 004 Bernardí Cabrer Economería Empresarial II Tema 9 ECONOMETRÍA EMPRESARIAL II ADE TEMA 9 MODELOS LINEALES SIN ESTACIONALIDAD II ( Modelos regulares) 004 Bernardí Cabrer Economería Empresarial II Tema

Más detalles

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES EMPRESARIALES Lección 3: Heeroscedasicidad. S jm1 Diaposiiva 1 jm1 Se agradece la conribución de los profesores Arranz, Suárez y Zamora, cuyos maeriales de

Más detalles

UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA

UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO ACADEMICO DE ECONOMIA UNIVERSIDAD NACIONAL DE PIURA FACULAD DE ECONOMIA DEPARAMENO ACADEMICO DE ECONOMIA CAPIULO I MODELOS DINÁMICOS. INRODUCCIÓN.. JUSIFICACIÓN La necesidad de incluir la dinámica emporal en los modelos es:

Más detalles

MODELOS DE VOLATILIDAD DEL FUTURO SOBRE EL BONO NOCIONAL A 10 AÑOS ABSTRACT

MODELOS DE VOLATILIDAD DEL FUTURO SOBRE EL BONO NOCIONAL A 10 AÑOS ABSTRACT MODELOS DE VOLATILIDAD DEL FUTURO SOBRE EL BONO NOCIONAL A 10 AÑOS Ricardo Gimeno a (Universidad Ponificia Comillas) y Eduardo Morales b (Universidad San Pablo CEU) ABSTRACT La información proporcionada

Más detalles

Especificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso

Especificación 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 detalles

CAPITULO 15 SERIES DE TIEMPO ESTACIONARIAS

CAPITULO 15 SERIES DE TIEMPO ESTACIONARIAS CAPITULO 5 SERIES DE TIEMPO ESTACIONARIAS 5.. INTRODUCCIÓN Una serie de iempo es una secuencia de daos numéricos, cada uno de los cuales se asocia con un insane específico del iempo. Podemos ciar como

Más detalles

José Luis Maia y Mercedes Kweitel 1. Dirección Nacional de Coordinación de Política Macreoeconomica 31 de Agosto de INTRODUCCIÓN.

José Luis Maia y Mercedes Kweitel 1. Dirección Nacional de Coordinación de Política Macreoeconomica 31 de Agosto de INTRODUCCIÓN. LA RELACIÓN ENTRE EL RIESGO PAÍS Y EL CRECIMIENTO ECONÓMICO EN LA ARGENTINA. José Luis Maia y Mercedes Kweiel 1 Dirección Nacional de Coordinación de Políica Macreoeconomica 31 de Agoso de 2000 1. INTRODUCCIÓN.

Más detalles

Econometría. Ejercicios para el tema 7. Profesores: Amparo Sancho Guadalupe Serrano

Econometría. 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 detalles

ECONOMETRÍA II 1. La Econometría de Series de Tiempo

ECONOMETRÍA II 1. La Econometría de Series de Tiempo ECONOMETRÍA II. La Economería de Series de Tiempo Economería II Noas de clase.. Análisis Univariado de Series de Tiempo... Series de Tiempo Esacionarias Análisis univariado: se idenifica cada variable

Más detalles

Índice Mensual de Actividad de la Construcción: Un Estimador en Frecuencias Mixtas

Índice Mensual de Actividad de la Construcción: Un Estimador en Frecuencias Mixtas Índice Mensual de Acividad de la Consrucción: Un Esimador en Frecuencias Mixas Mauricio Tejada G. Abril 2006 Resumen No hay duda de que como medida agregada del esado de la acividad del secor consrucción,

Más detalles

Modelos de Heteroscedasticidad Condicional

Modelos 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 detalles

4. SERIES TEMPORALES Y

4. SERIES TEMPORALES Y 4. SERIES TEMPORALES Y NÚMEROS ÍNDICE Objeivo Esudiar la evolución de una variable en el iempo. Bibliografia recomendada Peña y Romo (1997). Capíulos 11 y 12. Índice 1. Represenación gráfica de una serie

Más detalles

Modelo 2 OPCIÓN A. A y B AB se puede realizar porqueel n decolumnas de Aesigual al n de filas de B AB. t t t

Modelo 2 OPCIÓN A. A y B AB se puede realizar porqueel n decolumnas de Aesigual al n de filas de B AB. t t t Insrucciones: a) Duración: 1 hora y 3 minuos. b) Elija una de las dos opciones propuesas y conese los ejercicios de la opción elegida. c) En cada ejercicio, pare o aparado se indica la punuación máxima

Más detalles

III EXÁMENES DE ECONOMETRÍA EMPRESARIAL

III EXÁMENES DE ECONOMETRÍA EMPRESARIAL III EXÁMENES DE ECONOMETRÍA EMPRESARIAL 1* a) Indique razonadamene las hipóesis sobre el érmino de perurbación en el modelo lineal básico. b) Suponiendo las hipóesis básicas del aparado a), los residuos

Más detalles

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES ECONOMERÍA APLICADA A LA OMA DE DECIIONE EMPREARIALE Lección 4: Auocorrelación. jm Diaposiiva jm e agradece la conribución de los profesores Arranz, uárez y Zamora, cuyos maeriales de clase se han uilizado

Más detalles

representando la relación existente entre los datos observados en un instante y los observados en el instante anterior.

representando la relación existente entre los datos observados en un instante y los observados en el instante anterior. ALISADO SERIES EMPORALES Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández ANÁLISIS DE AUOCORRELACIÓN Dada la serie emporal ( X ) ( X,X,,X

Más detalles

Ejemplos de estudios de series de tiempo

Ejemplos de estudios de series de tiempo 1 Ejemplos de estudios de series de tiempo Ejemplo 1 Pasajeros Aerolíneas Internacionales (PAI) Este estudio está realizado sobre un famoso conjunto de datos mensuales, el número de pasajeros de aerolíneas

Más detalles

Trabajo Fin de Grado

Trabajo Fin de Grado Trabajo Fin de Grado Los deerminanes de la Función de Consumo: Teoría económica y demosración empírica. Auor: Borja Miguel Gambau Suelves Direcores: María Isabel Ayuda Bosque Javier Nievas López Faculad

Más detalles

ANDALUCÍA JUNIO 2004

ANDALUCÍA JUNIO 2004 ANDALUCÍA JUNIO 004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Insrucciones: a) Duración: 1 hora y 0 minuos. b) Elija una de las dos opciones propuesas y conese los ejercicios de la opción elegida.

Más detalles

ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO

ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO Scienia e Technica Año IX, No, Diciembre 00. UTP. ISSN 0-70 7 ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO RESUMEN El presene ariculo describe un pronosico

Más detalles

DESESTACIONALIZACIÓN DE LA PRODUCCIÓN INDUSTRIAL CON LA METODOLOGÍA X-12 ARIMA

DESESTACIONALIZACIÓN DE LA PRODUCCIÓN INDUSTRIAL CON LA METODOLOGÍA X-12 ARIMA DESESTACIONALIZACIÓN DE LA PRODUCCIÓN INDUSTRIAL CON LA INTRODUCCIÓN Álvaro Hernando Chaves Casro La publicación oficial de esadísicas debe garanizar la calidad, la oporunidad y la coberura. En el caso

Más detalles

El precio del m² en España ( ): un análisis con modelos ARIMA

El precio del m² en España ( ): un análisis con modelos ARIMA El precio del m² en España (1995-2014): un análisis con modelos ARIMA Auora 1: Paola Casaño Bravo Auora 2: Noelia Fernández Gómez Tuor del Trabajo: José Ángel Roldán Casas Resumen. La excelene expansión

Más detalles

GRADO TURISMO TEMA 6: SERIES TEMPORALES

GRADO 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 detalles

Subdirección General de Estadística. Proyecciones de Población de la ciudad de Madrid y sus distritos

Subdirección General de Estadística. Proyecciones de Población de la ciudad de Madrid y sus distritos Subdirección General de Esadísica Proyecciones de Población de la ciudad de Madrid y sus disrios 2018-2031 SERVICIO DE ESTADISTICA MUNICIPAL. MARZO 2018 Subdirección General de Esadísica Inroducción Las

Más detalles

CENTRO DE ESTUDIOS MONETARIOS LATINOAMERICANOS -CEMLA- VIII REUNIÓN DE LA RED DE INVESTIGADORES DE BANCOS CENTRALES DEL CONTINENTE AMERICANO

CENTRO DE ESTUDIOS MONETARIOS LATINOAMERICANOS -CEMLA- VIII REUNIÓN DE LA RED DE INVESTIGADORES DE BANCOS CENTRALES DEL CONTINENTE AMERICANO CENTRO DE ESTUDIOS MONETARIOS LATINOAMERICANOS -CEMLA- VIII REUNIÓN DE LA RED DE INVESTIGADORES DE BANCOS CENTRALES DEL CONTINENTE AMERICANO ESTIMACIÓN Y EVALUACIÓN DE MODELOS ALTERNATIVOS DE PRONÓSTICOS

Más detalles

Y t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.

Y t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables. ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés

Más detalles