Econometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
|
|
- Santiago Mendoza Herrera
- hace 7 años
- Vistas:
Transcripción
1 Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. #
2 Índice: Inroducción Concepos básicos Procesos elemenales Idenificación Anexo: Esudio de los procesos más comunes Ver. /6/2003, Pag. # 2
3 Inroducción (I) Diferencias enre el análisis de series emporales y la economería esudiada aneriormene: Los daos esán ordenados. No consideramos, en principio, variables exógenas. Se raa de consruir un modelo sencillo que aproveche la inercia de los daos económicos para predecir uilizando la información pasada. La economería de series emporales conempla res fases de análisis idenificación, esimación (no lineal) y diagnosis, que se recorren ieraivamene. Ver. /6/2003, Pag. # 3
4 Inroducción (II): Ejemplos Miles de personas Pasajeros de líneas aéreas, oal mensual Punos log x Rendimienos (logx00) del índice NIKKEI Número de pasajeros de líneas aéreas. La serie muesra: un perfil creciene (endencia), flucuaciones esacionales y una variabilidad que crece a medida que aumena el nivel de la serie. Rendimienos del índice NIKKEI de la Bolsa de Tokio. Los daos: flucúan esablemene en orno a una media nula, muesran períodos de ala y baja volailidad Los primeros y segundos momenos (media y varianza) de disinas series emporales pueden comporarse de formas muy diferenes Las series emporales de nauraleza similar (p. ej., financieras) a menudo presenan rasgos comunes que son de gran uilidad para analizarlas Ver. /6/2003, Pag. # 4
5 Concepos básicos (I): Definiciones Proceso esocásico es un conjuno de variables aleaorias asociadas a disinos insanes de iempo. Serie emporal, es un conjuno de observaciones o medidas realizadas secuencialmene en inervalos predeerminados y de igual, o aproximadamene igual, duración. La relación enre una serie emporal y el proceso esocásico que la genera es la misma que hay enre una muesra y la variable aleaoria de la que procede. Las peculiaridades de una serie emporal (frene a una muesra) y de un proceso esocásico (frene a una variable aleaoria) son: las series emporales y los procesos esocásicos esán referidos a insanes de iempo concreos, y los daos esán ordenados desde el pasado hasa el presene. El objeivo del análisis de series emporales es inferir la forma del proceso esocásico a parir de las series emporales que genera. Ver. /6/2003, Pag. # 5
6 Concepos básicos (II): Hipóesis simplificaorias En ciencias sociales suele ser imposible obener varias muesras de una serie emporal, por lo que es necesario realizar una serie de supuesos simplificaorios. Los supuesos más comunes son: Linealidad: El valor que oma hoy la serie (o el proceso) depende linealmene de: a) sus valores pasados y b) los valores presenes y pasados de oras series. Esacionariedad (débil): La media y varianza incondicional de una serie (o proceso) son consanes, las auocovarianzas enre dos valores sólo dependen de la disancia emporal que los separa. Formalmene: k, : Ez ( ) = µ = µ z E[( z µ ) ] = σ = σ z E[( z µ )( z µ )] = γ = γ k k, k k Normalidad: El proceso esocásico generador sigue un modelo normal de disribución de probabilidad (proceso gaussiano ). Ver. /6/2003, Pag. # 6
7 Procesos elemenales (I): Ruido blanco. Un proceso de ruido blanco represena una variable que: oscila en orno a una media consane, con una volailidad consane y cuyo pasado no coniene información úil para predecir valores fuuros. Podemos represenar esa variable como z con: = µ z + a 2 Ez ( ) = µ z [ Ea ( ) =0 ] Ez ( 2 2 γk ) = σz = γ0 = σ ρ ; a k = = 0 k γ.4 0 La figura muesra el perfil de 500 observaciones simuladas del proceso de ruido blanco: z = a ; a iid N(0,.0) Ruido blanco Ver. /6/2003, Pag. # 7
8 Procesos elemenales (II): AR(). Un proceso auorregresivo de primer orden, AR(), represena una variable cuyo valor acual esá relacionado con su valor anerior mediane un modelo de regresión. Eso es: z = c+ φz + a ; φ < (esacionariedad) 2 c 2 a con: Ez ( ) = µ z = Ez ( 2 σ k ) = σz = γ0 = ρ ; φ 2 k = φ k 0 φ La figura muesra el perfil de dos series generadas por un AR() sin consane, con disinos valores del parámero φ: AR() phi=.5 AR(), phi=.9 Ver. /6/2003, Pag. # 8
9 Procesos elemenales (III): MA(). Un proceso de medias móviles de primer orden, MA(), represena una variable cuyo valor acual esá correlado con su valor anerior. Eso es: Con: z = µ + a θa ; θ < z 2 Ez ( ) = µ Ez ( ) = σ = γ = ( + θ ) σ z (inveribilidad) z 0 a ρ k θ si k = = + θ 0 si k > 2 La figura muesra el perfil de dos series generadas por un proceso MA() sin consane, con disinos valores de θ : MA(), hea=.5 ma(), hea=.9 Ver. /6/2003, Pag. # 9
10 Procesos elemenales (IV): Paseo aleaorio. Un paseo aleaorio represena una variable cuyos cambios son ruido blanco y, por ano, imprevisibles. Eso es: y c y a = + + La figura muesra el perfil de dos series generadas por paseos aleaorios con y sin deriva. Como puede observarse, la caracerísica fundamenal de ese proceso es la fala de afinidad de las series a una media esable: Paseo aleaorio sin deriva Paseo aleaorio con deriva Ver. /6/2003, Pag. # 0
11 Idenificación (I): Esadísica descripiva Para conrasar H µ = puede usarse el esadísico: 0 : X 0 Coeficienes de asimería y kurosis: X X = n i CA n i= σ X 3 X = n σ X / n H 0 n Xi X CK = n = σ i X 4 La hipóesis de normalidad puede conrasarse mediane el es de Jarque-Bera: CA ( CK ) JB n 3 = + χ H Series: WNOISE Sample 500 Observaions 500 Mean Median Maximum Minimum Sd. Dev Skewness Kurosis Jarque-Bera Probabiliy El hisograma muesra el perfil de una muesra del proceso: z = a ; a iid N(0,.0) Obsérvese que los momenos muesrales se aproximan a los eóricos y el es de Jarque-Bera no rechaza normalidad. Ver. /6/2003, Pag. #
12 Idenificación (II): Función de auocorrelación simple El coeficiene muesral de auocorrelación simple de orden k ( ρ k ) se define como: n γˆ k ρk = con: γˆ k = zz k ; z = z z, k= 2,, γˆ n 0 = k+ Para hacer inferencia sobre la función de auocorrelación simple (FAS o ACF) pueden usarse los siguienes resulados: / Para muesras suficienemene grandes se..( ρ k ) 2 n K 2 Si es ciero H0 : ρ = ρ2= ρ3= = ρk = 0 enonces QK ( ) = nn ( + 2) ρ k= n k en donde: K es el número de reardos de la ACF H0 p es el número de parámeros esimados, si la serie es de residuos. En la figura se muesra la función de auocorrelación simple de una muesra del proceso: z = a. 5a ; a iid N(0,.0) 2 k χk p... como puede observarse su configuración se parece, sin coincidir exacamene, a la FAS eórica de un proceso MA() Ver. /6/2003, Pag. # 2
13 Idenificación (III): Función de auocorrelación parcial Los procesos MA ienen una FAS finia. Por ano en ese caso la FAS resula muy úil, ano para deecar una esrucura MA como para idenificar su orden. Un insrumeno con propiedades análogas para procesos AR es el coeficiene muesral de auocorrelación parcial de orden k ( φ kk), que se define como el k- ésimo coeficiene de una auorregresión de orden k esimada por MCO: z = φˆ z + φˆ z + + φˆ z + εˆ ; k =,, k k2 2 kk k k 2 al gráfico de barras de los coeficienes φ kk frene a su correspondiene reardo se le llama función de auocorrelación parcial (abreviadamene, FAP o PACF). En la figura se muesran las funciones de auocorrelación de una muesra del proceso: z =. 5z + a ; a iid N(0,.0) como puede observarse, la FAP idenifica con claridad la nauraleza y el orden del proceso generador de los daos. Ver. /6/2003, Pag. # 3
14 Idenificación (IV) Ruido blanco: Ruido blanco AR(): z =. 5z + a ; a iid N(0,.0) z = a ; a iid N(0,.0) Combinando insrumenos gráficos y esadísicos pueden reconocerse de forma aproximada las pauas de auocorrelación caracerísicas de los disinos procesos. En análisis de series emporales, a ese proceso de especificación empírica se le llama idenificación AR() phi=.5 Ver. /6/2003, Pag. # 4
15 Idenificación (V) MA(): z = a. 5a ; a iid N(0,.0) MA(), hea= Paseo aleaorio: y = y + a ; a iid N(0,.0) La idenificación puede esrucurarse como una secuencia de pregunas: Es esacionaria la serie? Tiene una media significaiva? Es finia o infinia la ACF? Es finia o infinia la PACF? Paseo aleaorio sin deriva Ver. /6/2003, Pag. # 5
16 Idenificación (VI) Combinando el análisis de la ACF y la PACF, la idenificación de los procesos esacionarios puede reducirse a decidir: Cuál de las dos funciones es finia? para deerminar la nauraleza del proceso generador: ACF PACF Finia Infinia Finia Ruido blanco AR Infinia MA ARMA A parir de qué reardo muere la ACF o PACF? para deerminar el orden del proceso. Esas écnicas requieren usar esadísicos como la media, la varianza o la covarianza muesrales, que sólo ienen senido si el proceso es esacionario, eso es, si los daos ienen una media y una varianza finias y aproximadamene consanes. Ver. /6/2003, Pag. # 6
17 A.. Esudio de los procesos más comunes: AR() z = c+ φz + a ; φ < c Ez ( ) = µ z = φ 2 2 σa Ez ( 2 ) = σz = γ = φ γk k ρk = = φ ; k 0 γ ACF 0< φ < Reardo PACF Reardo Los procesos AR() se reconocen por una ACF infinia y una PACF que se anula a parir del segundo reardo. Si los daos ienen media, es necesario especificar un érmino consane. - < φ < 0 Reardo - Reardo - - Ver. /6/2003, Pag. # 7
18 A.2. Esudio de los procesos más comunes: MA() z = µ + a θa ; θ < z ACF PACF Ez ( ) = µ z 0< θ < 2 Ez ( ) = σ = γ = ( + θ ) σ z 0 a ρ k γ γ k = = + 0 θ si k = 2 θ 0 si k > Reardo Reardo Los procesos MA() se reconocen por una PACF infinia y una ACF que se anula a parir del segundo reardo. Si los daos ienen media, es necesario especificar un érmino consane. - < θ < 0 Reardo - Reardo - - Ver. /6/2003, Pag. # 8
19 A.3. Esudio de los procesos más comunes: AR(2) z = c+ φz + φ z + a 2 2 ACF PACF φ + φ < ; φ φ < ; φ < c Ez ( ) = µ = z φ φ 2 φ > 0 ; φ > 0 2 ρk = φρk + φ2ρk 2; k con : 2 φ φ ρ = ; ρ2 = φ2 + φ φ Reardo - Reardo Los procesos AR(2) se reconocen por una ACF infinia y una PACF que se anula a parir del ercer reardo. Si los daos ienen media, es necesario especificar un érmino consane. φ < 0 ; φ > 0 2 Reardo - Reardo - Ver. /6/2003, Pag. # 9
20 A.4. Esudio de los procesos más comunes: AR(2) ACF φ > 0 ; φ < 0 2 PACF Reardo Reardo - - φ < 0 ; φ < 0 2 Reardo Reardo - - Ver. /6/2003, Pag. # 20
21 A.5. Esudio de los procesos más comunes: MA(2) z = µ + a θa θ a z 2 2 θ2 + θ < ; θ2 θ < ; θ2 < θ > 0 ; θ > 0 Ez ( ) = µ z 2 Ez ( ) = σ = γ = ( + θ + θ ) σ ρ k z 0 2 a θ( θ2) si k = θ + θ2 γ k θ = = 2 si k = γ 0 + θ + θ2 0 si k > 2 Los procesos MA(2) se reconocen por una PACF infinia (no se muesra aquí) y una ACF que se anula a parir del ercer reardo. Si los daos ienen media, es necesario especificar un érmino consane. - θ - ACF 2 < 0 ; θ > 0 2 Reardo Reardo - - θ θ ACF < 0 ; θ < 0 2 > 0 ; θ < 0 2 Reardo Reardo Ver. /6/2003, Pag. # 2
22 Economería II Análisis de series emporales (II): Exensiones y meodología Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Marzo 2004 Ver. 23/3/2003, Pag. #
23 Índice Propiedades ípicas de las series económicas Transformaciones de daos Operadores reardo y diferencia Procesos generalizados Exensiones Meodología Ver. 23/3/2003, Pag. # 2
24 Propiedades ípicas de las series económicas Miles de personas Pasajeros de líneas aéreas, oal mensual Muchas series emporales económicas presenan: endencia, esacionalidad, una variabilidad que crece con su nivel y componenes deerminisas (valores aípicos,...) Sin embargo, los procesos ARMA describen variables puramene esocásicas, no esacionales, con media y varianza consanes. Por ano, para modelizar series económicas es necesario definir: Transformaciones de daos diseñadas para esabilizar la media y la varianza de las series. Exensiones de la familia de procesos ARMA, que permian capar endencias y flucuaciones esacionales. Ver. 23/3/2003, Pag. # 3
25 Transformaciones de daos (I): Box-Cox Muchas series emporales muesran una variabilidad que cambia con su nivel. Para eliminar esa caracerísica se uiliza la ransformación de Box-Cox: σ y λ, m λ ( y + m) si λ 0 = λ ln( y + m) si λ = 0 λ > 0 λ = 0 λ < 0 λ = µ Cada ransformación se caraceriza por un valor del parámero λ. Además, puede aplicarse un cambio de origen (parámero, m) cuando la ransformación requiere valores posiivos. Para elegir la ransformación adecuada puede usarse el gráfico media-desviación ípica muesral de varias submuesras. En la figura se muesran las configuraciones correspondienes a diversos valores de λ. Las series económicas a menudo muesran una variabilidad que crece con la media de forma aproximadamene lineal. En ese caso, la ransformación adecuada es la logarímica (λ=0) Ver. 23/3/2003, Pag. # 4
26 Transformaciones de daos (II): Ejemplo Box-Cox Miles de personas Sandard deviaions Pasajeros de líneas aéreas, oal mensual Sandardized mean/sd. dev. plo of nº de pasajeros de lineas aereas B A F E C D G H J I L M Sandard deviaions LAIR Sandardized mean/sd. dev. plo of log nº de pasajeros de lineas aereas J L M I F G H B E D A C Como muesran los gráficos, la volailidad crece linealmene con el nivel de la serie, ras la ransformación, la volailidad es aproximadamene consane Means Means Ver. 23/3/2003, Pag. # 5
27 Transformaciones de daos (III): Diferencias A menudo la endencia de una serie puede eliminarse diferenciando los daos. Se dice que una serie es inegrada de orden uno si su primera diferencia: z = y y es esacionaria en media. La serie de la primera figura es una muesra del proceso esocásico y = y + a ; a iid N(0,.0). Por ano, z = y y será esacionaria Paseo aleaorio sin deriva Primera diferencia Algunas series económicas necesian una diferencia adicional para conseguir una media incondicional esable. En ese caso se dice que son inegradas de segundo orden. Ver. 23/3/2003, Pag. # 6
28 Transformaciones de daos (IV): Inerpreación La primera diferencia del logarimo de una serie es una asa logarímica en ano por uno, alernaiva a la asa porcenual, ya que si: y = ( + α) y, resula: ln y ln y = ln( + α) α Frene a la asa de variación convencional, la asa logarímica iene la venaja de ser adiiva, eso es: n ( ) ln y ln y = ln y ln y = ln( + α ) n 0 = = En el cuadro se presenan varias ransformaciones comunes y su inerpreación. n Serie ransformada z = y y z = ln y ln y w = z z ; z = y y z = ln y ln y S Inerpreación Cambio en el valor de y Tasa logarímica (en ano por uno) de variación enre un período y el siguiene (indicador de crecimieno ) Cambio en la asa logarímica de variación enre un período y el siguiene (indicador de aceleración en el crecimieno) Tasa logarímica de variación acumulada en S períodos. Indicador de crecimieno acumulado en un ciclo esacional Ver. 23/3/2003, Pag. # 7
29 Operadores reardo y diferencia A menudo resula prácico represenar los procesos esocásicos uilizando el operador reardo, que se define de la siguiene manera: B / i) Bz = z ii) Bk = k ; k :consane iii) B z iv ) B z 0 = z = z l v) z = Bz = B z = B z = = B z ( l > ) l 0 El operador diferencia se define a parir del operador reardo como: / y = ( B) y = y y En series esacionales de período S, a menudo se uiliza una variane de ese operador que se conoce como diferencia esacional: S / y = ( B ) y = y y S S s Ver. 23/3/2003, Pag. # 8
30 Procesos generalizados (I): ARMA(p,q) Los procesos definidos aneriormene pueden escribirse con órdenes generales: AR(p): MA(q): z c z z z a = + φ + φ φp p + z a a a a = µ z + θ θ2 2 θq q ARMA(p,q): z = c+ φz + φ z + + φ z + a θa θ a θ a 2 2 p p 2 2 q q... y expresarse en érminos del operador reardo de la siguiene forma: AR(p): φ ( Bz ) = c+ a p MA(q): z = µ + θ ( B) a z q ARMA(p,q): φ ( Bz ) = c+ θ ( Ba ) p q... en donde: φ ( B) = φb φ B 2 φ B p 2 θ ( B) = θb θ B 2 θ B q 2 q p q p (polinomio AR) (polinomio MA) Ver. 23/3/2003, Pag. # 9
31 Procesos generalizados (II): Esacionariedad Esacionariedad: Se dice que un proceso esocásico es esacionario si odas p las raíces de la ecuación caracerísica φb φ B 2 esán fuera del 2 φpb = 0 círculo de radio unidad del plano complejo. La condición de esacionariedad sólo afeca a la componene AR del proceso ARIMA, ya que la componene MA siempre es esacionaria. Cuando el polinomio AR iene alguna raíz igual a uno, se dice que iene raíces uniarias. Consecuencias del cumplimieno: El proceso iene media y varianza incondicionales finias y esables. El proceso puede escribirse en forma MA equivalene. Consecuencias del no cumplimieno (raíces uniarias): La varianza incondicional diverge a infinio. Si iene deriva, la media incondicional diverge a infinio. El facor AR puede facorizarse separando las raíces uniarias de las raíces esacionarias. 2 Ejemplo. El proceso AR(2) no esacionario: (. 5B+. 5B ) y = a al proceso ARIMA(,,0): (. 5B) y = a es equivalene Ver. 23/3/2003, Pag. # 0
32 Procesos generalizados (III): Inveribilidad Inveribilidad: Se dice que un proceso esocásico es inverible si odas las q raíces de la ecuación caracerísica θb θ B 2 2 θqb = 0esán fuera del círculo de radio unidad del plano complejo. La condición de inveribilidad sólo afeca a la componene MA del proceso ARIMA, ya que la componene AR siempre es inverible. Consecuencias del cumplimieno: El proceso puede escribirse en forma AR equivalene. Consecuencias del no cumplimieno (raíces uniarias): El proceso podría simplificarse, bien eliminando una diferencia, bien represenando la endencia de forma deerminisa. Ejemplos. 2 2 El proceso ARIMA(2,2,) no inverible: (. 5B+. 7B ) y = ( Ba ) 2 al proceso ARIMA(2,,0): (. 5B+. 7B ) y = a Diferenciando el proceso de endencia deerminisa: y = β + a proceso ARIMA(0,,) no inverible: y = β + ( Ba ) es equivalene se obiene el Ver. 23/3/2003, Pag. #
33 Procesos generalizados (IV): ARIMA(p,d,q) La endencia esocásica de las series económicas puede caparse mediane raíces AR uniarias. Por ello iene inerés generalizar la formulación del modelo ARMA admiiendo en él ese ipo de facores. Esa idea da lugar al modelo ARIMA (p,d,q), que se define como: d λ, m φ ( B) y = c+ θ ( B) a en donde: p q p φ ( B) = φb φ B 2 φ B [polinomio AR(p)] p 2 p q θq( B) = θb θ B 2 2 θqb [polinomio MA(q)] ± k B/ B y = y B [operadores reardo y diferencia] y λ, m k λ ( y + m) si λ 0 = λ ln( y + m) si λ = 0 [ransformación de daos (Box-Cox)] Si los polinomios AR y MA ienen sus raíces en o fuera del círculo de radio unidad, el proceso ARIMA puede escribirse de las siguienes formas equivalenes: θ ( ) d, q B λ m y = µ + a φ ( B) z p φp( B) ( θ ( B) q y µ ) = a d λ, m z φp( B) d λ, m y = c + a θ ( B) q Ver. 23/3/2003, Pag. # 2
34 Procesos generalizados (V) Represenaciones alernaivas: Cuando un proceso esocásico no iene raíces AR ni MA denro del círculo de radio unidad, puede escribirse de forma equivalene como AR( ) o MA( ): Ejemplo. Un AR() no explosivo puede escribirse como: o, alernaivamene, como un proceso media móvil infinio: c z = a µ z ( φb φ B ) a φ + φb = ( φb) z = c+ a Ejemplo 2. Un MA() con raíces en o fuera del círculo de radio unidad puede escribirse como: z = µ z + ( θb) a o, alernaivamene, como: µ z z a ;( θb θ B ) z c a θb = θ = + Eso quiere decir que el proceso ARIMA es una aproximación finia a los procesos esocásicos generales: Forma pi : z = c+ z + z + + a π π2 2 Forma psi : z = µ z + a + ψa + ψ a Ver. 23/3/2003, Pag. # 3
35 Exensiones (I): Esacionalidad Miles de personas Pasajeros de líneas aéreas, oal mensual Las series económicas a menudo muesran un comporamieno esacional, eso es, una paua que se repie con una periodicidad fija, a menudo anual. El período esacional (S) se define como el número de observaciones necesarias para recorrer odo el ciclo esacional. Por ejemplo, S=2 para daos mensuales, S=4 para daos rimesrales, ec. Para capar ese comporamieno, se define el modelo ARIMA(p,d,q)x(P,D,Q) S : φ S D d λ, m S p( B) Φ P( B ) S y = c+ θq( B) ΘQ( B ) a... que incluye res nuevos facores: S S S Φ ( B ) = Φ B Φ B 2 P S Φ B [polinomio AR(P) S ] P 2 S S S Θ ( B ) = Θ B Θ B 2 QS Θ B [polinomio MA(Q) S ] Q 2 S S B [operador diferencia esacional] Ese modelo admie relaciones enre un dao y el de S períodos arás. P Q Ver. 23/3/2003, Pag. # 4
36 Exensiones (II): Modelo RegARIMA Uniendo las ideas aneriores con el análisis de regresión, resula inmediao formular el modelo RegARIMA (modelo de regresión con errores ARIMA) como: con: y λ, m λ,m T = ( x x ) β +ε y y x φ ( B) Φ ( B S ) D d ε = θ ( B) Θ ( B S ) a p P S q Q De manera que los valores de la serie emporal se ponen en relación, no sólo con su pasado, sino ambién con los valores conemporáneos de oras series, que acúan como variables explicaivas o inpus. x λ x,m Las variables x pueden ser series económicas o variables deerminisas diseñadas para modelizar: Efecos calendario, causados por irregularidades en la unidad de iempo como pueden ser: disino número de días laborables y fesivos o celebración de la Semana Sana. Valores aípicos (ouliers) debidos a fenómenos como, p.ej., el spli del nominal de una acción, cambios en ipos imposiivo o fenómenos como inundaciones o erremoos. En ese caso se dice que el modelo es de inervención. Ver. 23/3/2003, Pag. # 5
37 Exensiones (III): Inpus de inervención Impulsos. Producen un cambio en el nivel de una sola observación de la serie. Pueden modelizarse mediane: x i si = = 0 si * * Impulsos compensados. Producen un cambio en el nivel de una observación, seguido por un cambio de nivel compensaorio en la observación siguiene. Pueden modelizarse mediane: * si = IC = * x si = + * * 0 si, + Escalones. Producen un cambio en el nivel de odas las observaciones poseriores a una fecha dada. Pueden modelizarse mediane: x E si = 0 si < * * Ver. 23/3/2003, Pag. # 6
38 Meodología (I) Definir los objeivos del análisis, esudiar la información disponible Idenificación: Seleccionar una especificación enaiva Los méodos de análisis de series emporales combinan los modelos e insrumenos aneriores en una meodología sisemáica para consruir y probar modelos Esimación (Méodos no lineales) Diagnosis: Es válido el modelo para los fines Previsos? no si Uilización del modelo Ver. 23/3/2003, Pag. # 7
39 Meodología (II): Idenificación Parámero Insrumeno de idenificación Observaciones m, λ d, orden de diferenciación Término consane p, orden del érmino AR q, orden del érmino MA Gráfico media-desviación ípica Gráfico de la serie emporal Gráfico de la serie emporal ACF (decrecimieno leno y lineal) Media muesral de la serie diferenciada Desviación ípica de la media PACF de orden p ACF infinia ACF de orden q PACF infinia Se raa de conseguir que la variabilidad de los daos sea independiene de su nivel. En series económicas es habiual λ=0, lo que supone ransformar logarímicamene los daos. Se raa de conseguir que los daos flucúen en orno a una media aproximadamene esable Si la media de la serie ransformada es significaiva, el modelo debe incluir un érmino consane La PACF iene p valores no nulos Un proceso AR finio y esacionario equivale a un MA( ) La ACF iene q valores no nulos Un proceso MA finio e inverible equivale a un AR( ) Ver. 23/3/2003, Pag. # 8
40 Meodología (III): Diagnosis Parámero Insrumeno de idenificación Observaciones d, orden de diferenciación Término consane p y q Raíces de los polinomios AR y MA Gráfico de la serie de residuos Media muesral de los residuos Desviación ípica de la media Conrases de significación de los parámeros esimados ACF y PACF residuales Tes Q Correlaciones elevadas enre parámeros esimados Sobreajuse Una raíz próxima a uno en la pare AR indica que conviene añadir una diferencia Una raíz próxima a uno en la pare MA indica que conviene quiar una diferencia Si muesra rachas largas de residuos posiivos o negaivos, puede ser necesaria una diferencia adicional Si la media de los residuos es significaiva, debe añadirse un érmino consane Permien eliminar parámeros irrelevanes Deecan pauas de auocorrelación no modelizadas Conrasa la hipóesis conjuna de que odos los coeficienes de auocorrelación son nulos Puede ser un sínoma de sobreparamerización Consise en añadir parámeros AR y/o MA, para comprobar si resulan significaivos y mejoran la calidad esadísica del modelo Ver. 23/3/2003, Pag. # 9
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 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 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 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 detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
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 detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesTema 6: Modelización con datos de series temporales. Universidad Complutense de Madrid 2013
Tema 6: Modelización con daos de series emporales Universidad Compluense de Madrid 23 Inroducción (I) Una caracerísica que disingue los daos de series emporales de los daos de sección cruzada, es que los
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
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 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 detallesY 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 detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
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 detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
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 detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesTÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES
TÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES UPAE - Mayo de 2004 Plan del curso Una sesión de eoría Dos sesiones de aplicaciones (aller) Curso Técnicas Economéricas
Más detallesEstimación de modelos de volatilidad estocástica
Esimación de modelos de volailidad esocásica García Ceneno, Mª Carmen; Ibar Alonso, Raquel Deparameno Méodos Cuaniaivos para la Economía Faculad de Ciencias Económicas y Empresariales Universidad San Pablo-CEU
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesMedición del tiempo de alza y de estabilización.
PRÁCTICA # 2 FORMAS DE ONDA 1. Finalidad Esudiar la respuesa de configuraciones circuiales simples a diferenes formas de exciación. Medición del iempo de alza y de esabilización. Medición del reardo. Medición
Más detallesTENDENCIAS Y SERIES DE TIEMPO
Curso Andino en Clima y Salud Uso de Información de Clima para la Salud Pública. TENDENCIAS SERIES DE TIEMPO Hugo Oliveros C. InvesigadorAdjuno, IRI Colombia Universiy TENDENCIAS SERIES DE TIEMPO Agenda:
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesGUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME
INSTITUTO NACIONAL Deparameno de Física Coordinación Segundo Medio 06. GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME NOMBRE: CURSO: Caracerísica general de M.R.U: Si una parícula se mueve en la dirección del
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 detallesPREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS. Autora Joanna Verónica Collantes Duarte
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES INSTITUTO DE ESTADÍSTICA APLICADA Y COMPUTACIÓN PREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS Auora
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
EREHOS ÁSIOS E PRENIZJE Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7+ 7 7 7 7 7 0 Realiza conversiones de unidades de una magniud
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesESTIMACIÓN DE MODELOS DE VOLATILIDAD ESTOCÁSTICA EN SERIES DE RENDIMIENTOS BURSÁTILES
Esimación de modelos de volailidad esocásica en series de rendimienos bursáiles ESTIMACIÓN DE MODELOS DE VOLATILIDAD ESTOCÁSTICA EN SERIES DE RENDIMIENTOS BURSÁTILES García Ceneno, Mª del Carmen * ; Calvo
Más detallesCAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesCARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 1988-2000 JUAN BYRON CORREA FONNEGRA *
CARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 988 - JUAN BYRON CORREA FONNEGRA * Inroducción En las úlimas dos décadas en Colombia se ha presenado un aumeno en los esudios sobre economía
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesCómo se debe contabilizar la deuda de pensiones en el sector público? 1/
ISSN 02-6375 Boleín 259, junio de 2007 Álvaro rigueros Argüello Cómo se debe conabilizar la deuda de pensiones en el secor público? /. Inroducción En 200 y 2003 Fusades publicó dos esudios sobre la sosenibilidad
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 detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesObservatorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS **
Revisa de Economía Aplicada E Número 53 (vol. XVIII), 2010, págs. 163 a 183 A Observaorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS ** GONZALO FERNÁNDEZ-DE-CÓRDOBA Universidad
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesCORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN
CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
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 detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesPg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES
Pg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES Ramón Mahía Abril de 2001 Pg. 2 OBJETIVO DEL DOCUMENTO Cualquier ejercicio de análisis económico simple requerirá el manejo de la
Más detallesDescomposición de series temporales
Noas del Curso Series de Tiempo I. Licenciaura de Esadísica Descomposición de series emporales Inroducción De acuerdo a Fischer (995) el precursor de los méodos modernos de descomposición fue Macauley
Más detallesLÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.
LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesTendencia y Ciclos en el Producto Interno Bruto de Cuba: Estimación con un Modelo Estructural Univariante de Series Temporales. 1
Tendencia y Ciclos en el Produco Inerno Bruo de Cuba: Esimación con un Modelo Esrucural Univariane de Series Temporales. 1 Pavel Vidal Alejandro * Annia Fundora Fernández ** Noviembre del 2004 Resumen:
Más detallesAnálisis empírico de la duración del ciclo del Indice de Producción Industrial (IPI)
Insiuo Nacional de Esadísica Boleín Trimesral de Coyunura, n. 83 Marzo 2002 Análisis empírico de la duración del ciclo del Indice de Producción Indusrial (IPI) Juan Bógalo Román 1 Subdirección General
Más detallesECONOMETRÍA PRÁCTICA: Fundamentos de Series de Tiempo. Versión Preliminar. Agradecemos de Antemano Comentarios. Ramón A.
ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo Versión Preliminar Agradecemos de Anemano Comenarios Ramón A. Casillo Ponce Rogelio Varela Llamas ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo
Más detallesNota técnica del Indicador CF
Noa écnica del Indicador CF 1. Inroducción El ciclo económico es un concepo que la mayoría de los economisas hemos ineriorizado de al manera que a veces pensamos que hace referencia a un hecho observable
Más detallesConceptos básicos y aspectos matemáticos sobre el análisis de raíces unitarias y cointegración. Carlos A. Rodríguez Ramos, Ph.D.
Concepos básicos y aspecos maemáicos sobre el análisis de raíces uniarias y coinegración Carlos A. Rodríguez Ramos, Ph.D. I. Inroducción: La unidad de la eoría y la prácica no se da sólo en la eoría, sino
Más detallesModelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley
Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical
Más detallesControl de un péndulo invertido usando métodos de diseño no lineales
Conrol de un péndulo inverido usando méodos de diseño no lineales F. Salas salas@caruja.us.es J.Aracil aracil@esi.us.es F. Gordillo gordillo@esi.us.es Depo de Ingeniería de Sisemas y Auomáica.Escuela Superior
Más detallesLas señales pueden ser también, señales continuas o señales alternas.
INSIUO ÉCNICO SLESINO LORENZO MSS ema 1: CONCEPOS PRELIMINRES LLER DE MEDICIONES Conenido: Concepo de señal elécrica. Valores caracerísicos de las señales elécricas: Frecuencia (período, Fase, Valor de
Más detallesLos datos fueron obtenidos de una publicación del Golden Gate Bridge.
Pronósicos Resumen El procedimieno Pronósicos esa diseñado para pronosicar valores fuuros de daos de series de iempo. Una serie de iempo consise de un conjuno secuencial de daos numéricos omados en inervalos
Más detallesMATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.
Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d
Más detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detallesAPROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR
APROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR Federico Palacios González - fpalacio@ugr.es Eduardo Pérez Rodríguez - eperezr@ugr.es José Mª Herrerías Velasco - jmherrer@lainmail.com
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesPREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN
PREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN Paula Odee Fernandes* - e-mail: pof@ipb.p Luis Borges González** - e-mail: borge@eco.uva.es Francisco José Terroso Cepeda* - e-mail:
Más detallesCircuitos para observar la descarga y carga de un capacitor.
IUITO Objeivo Enconrar el comporamieno de la diferencia de poencial en función del iempo, (), enre los exremos de un capacior cuando en un circuio se carga y cuando se descarga el capacior. INTODUION onsidere
Más detallesESCUELA POLITÉCNICA NACIONAL
ESCUELA POLIÉCNICA NACIONAL ESCUELA DE CIENCIAS DAOS AÍPICOS Y FALANES, ANÁLISIS DE INERVENCIÓN Y DESESACIONALIZACIÓN DE SERIES CRONOLÓGICAS. APLICACIONES A DAOS DE UNA EMPRESA DE VENA DIRECA PROYECO PREVIO
Más detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
Más detallesMODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes
MODELOS DE REGIMENES CAMBIANES ESOCÁSICOS Markov wiching regime Comporamieno dinámico de la variable dependen del eado de la economía Modelo AR y SAR: vario regímene en función del valor de una variable
Más detallesConsorcio de Investigación Económica y Social (CIES) Concurso de Investigación CIES - IDRC - Fundación M.J. Bustamante 2012. Informe Técnico Final
Consorcio de Invesigación Económica y Social (CIES) Concurso de Invesigación CIES - IDRC - Fundación M.J. Busamane 2012 Informe Técnico Final (Agoso 2013) Creación y Desrucción de Empleos en Economías
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detallesDepartamento de Ingeniería Hidráulica y M.A. de la U.P.V HIDROGRAMA UNITARIO
Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 6 6.- HIDROGRAMA UNITARIO Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 63 PROBLEMA RESUELTO 1 El HU de una cuenca para una lluvia de 1
Más detallesIGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas.
IGEP Tema 2. Leyas financieras básicas: esudio usando aplicaciones informáicas. onenido. apial financiero... 2. Leyes financieras: capialización y descueno...4 2. Leyes de capialización...4 2.2 Leyes de
Más detallesÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS)
ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS) Anexo VI Prácicas de Sismología e Ingeniería Sísmica PRACTICA 5. TRATAMIENTO DE ACELEROGRAMAS. 1. OBJETIVO Aprender a llevar a cabo
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesFactores Cíclicos y Estructurales en la Evolución de la Tasa de Desempleo *
Facores Cíclicos y Esrucurales en la Evolución de la Tasa de Desempleo * Nikia Céspedes Reynaga 1. Inroducción El esudio de la relación enre los agregados económicos iene una imporancia vial para quienes
Más detalles1-Características generales del movimiento
1-Caracerísicas generales del movimieno La pare de la física que se encarga de esudiar los movimienos de los cuerpos se llama Cinemáica. 1.1-Sisema de referencia, posición y rayecoria. Decimos que un cuerpo
Más detallesTEMA 11 HACIA LA AUTOMATIZACIÓN DE LA MODELIZACIÓN DE LAS SERIES TEMPORALES TRAMO / SEATS
TEMA 11 HACIA LA AUTOMATIZACIÓN DE LA MODELIZACIÓN DE LAS SERIES TEMPORALES TRAMO / SEATS Valencia, mayo 25 Bernardí Cabrer Borrás (Análisis Económico) 1 1. HACIA LA MODELIZACIÓN AUTOMÁTICA DE LAS SERIES
Más detallesDemografía, Mercado de Trabajo y Tecnología: el Patrón de Crecimiento de Cataluña, 1978-2018
Demografía, Mercado de Trabajo y Tecnología: el Parón de Crecimieno de Caaluña, 1978-2018 Economic Research Deparmen Nº 10/04 El crecimieno poencial de Caaluña, 1978-2018 Demografía, Mercado de Trabajo
Más detallesAPUNTES DE CINETICA QUIMICA
PUNTES DE CINETIC QUIMIC POYO L CURSO DE DE FISICOQUIMIC NDRES SOTO BUBE. SEPTIEMBRE 00 (VERSION.0) Cinéica Química. Por medio de la ermodinámica es posible predecir la ocurrencia de reacciones, pero no
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 detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesEl Riesgo Cambiario y el Efecto Euro en los Tipos de Cambio de Contado.
El Riesgo Cambiario y el Efeco Euro en los Tipos de Cambio de Conado. Yolanda Sanana Jiménez Jorge V. Pérez-Rodríguez Deparameno de Méodos Cuaniaivos Universidad de Las Palmas de G.C. Resumen: En ese rabajo
Más detallesPREDICCIÓN DE LA VOLATILIDAD DE LOS RENDIMIENTOS DEL ÍNDICE GENERAL DE LA BOLSA DE MADRID: EL PAPEL DE LAS ASIMETRÍAS
PREDICCIÓN DE LA VOLATILIDAD DE LOS RENDIMIENTOS DEL ÍNDICE GENERAL DE LA BOLSA DE MADRID: EL PAPEL DE LAS ASIMETRÍAS Israel Senra Díaz * Deparameno de Esadísica, Esrucura Económica y O.E.I. Universidad
Más detallesESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA RESUMEN
ESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA Segundo Fabián Vilema Escudero 1, Francisco Xavier Marrio García. 2 RESUMEN Esa esis esablece la uilización
Más detallesDISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS EN WHIRLPOOL ARGENTINA
DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS EN WHIRLPOOL ARGENTINA Enrique Yacuzzi (Universidad del CEMA) Guillermo Paggi (Whirlpool Argenina) i RESUMEN La nueva siuación compeiiva de
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 detalles