12/03/2013

Econometra de Series de Tiempo

Sesin 1

Profesor: Csar Carrera

Series de Tiempo - Csar Carrera

Reglas Generales
Puntualidad
Laptops

Econometric Views
No internet en clase

Ruido
Alumnos en su 3ra vez (o cualquier vez)
Control sorpresa (regla)
Intermedios

Series de Tiempo - Csar Carrera

12/03/2013

Acerca del curso

Practicas Dirigidas:

1:30 horas de trabajo

Coordinar tutoras

Dos grandes grupos:

Modelos univariados
Modelos multivariados

2 Practicas Calificadas, Examen Parcial y Final

Muchos controles (definicin, ejercicios, etc.)
Comunicacin a travs del grupo Windows Live

USMP Time Series

Series de Tiempo - Csar Carrera

Comunicaciones
Profesor

Csar Carrera
PHD in International Economics - UCSC
ccarreray@usmp.pe

Jefe de Practicas (JP)

Carmen Armas
Pontificia Universidad Catlica
carmasm@pucp.pe

Alumnos

Correo de la USMP
Alternativa: Correo de Hotmail
Series de Tiempo - Csar Carrera

12/03/2013

I. Introduccin y conceptos bsicos

Kirchgssner y Wolters (2007)
Captulo 1

Series de Tiempo - Csar Carrera

1. Definiciones y algo de historia

Definicin: Una serie de tiempo es un conjunto de
observaciones cuantitativas que se encuentran ordenados
en orden cronolgico.

El orden importa!
Por lo general se asume que las series de tiempo son variables
discretas.
Series de tiempo son empleadas en el campo de la
econometra emprica.

Primer estudios para los EE.UU.: Jan Tinbergen (1939)

Modelo de regresin lineal asume que el residuo son

estocsticamente independientes entre ellas.
En esos tiempos: Corte Transversal y Experimental.
Series de Tiempo - Csar Carrera

12/03/2013

Cochrane y Orcutt (1949):

Si los residuos de una regresin estn positivamente

correlacionados, la varianza de los parmetros estn
subestimados, con lo cual las pruebas t y F estn
sobreestimados.

Durbin y Watson (1950/51)

Desarrollan un procedimiento para identificar el problema de

autocorrelacin de primer orden.

Box y Jenkins (1970)

Introduccin de modelos univariados para series de tiempo

que sistemticamente hace uso de informacin que esta
presente en cada observacin de la serie de tiempo.
Una manera sencilla de predecir el desarrollo futuro de una
variable.
Este procedimiento es conocido como Box-Jenkins Analysis

Series de Tiempo - Csar Carrera

Granger y Newbold (1975):

Proyecciones hechas con series de tiempo uni-ecuacionales

por lo general tienen mejores resultados que las proyecciones
hechas por modelos economtricos grandes (los que
consideraban cientos de ecuaciones)

Las tcnicas no eran nuevas:

La mayora de tcnicas eran usadas en otras ciencias

Algunas partes de las bases teorticas ya eran conocidas por
un buen tiempo

Tcnicas empleadas en economa debido a:

No disponibilidad de datos
Desarrollo tecnolgico (computacional)

Usado para resolver problemas de economa.

Series de Tiempo - Csar Carrera

12/03/2013

2. Representaciones Grficas de ST
Cuando se investiga series de tiempo (en particular, series
de tiempo econmicas) es til empezar con
representaciones grficas que permitan detectar aquellas
propiedades de la serie mediante una simple inspeccin
de la figura.
Es importante considerar diferentes transformaciones de
la serie de tiempo que se desea analizar, por ejemplo, sus
niveles, cambios en los niveles y sus cambios relativos en
niveles.
Cada transformacin nos puede revelar informacin
importante.

Series de Tiempo - Csar Carrera

PBI real de la Repblica Federal de Alemania (niveles)

1960.I 2004.IV (trimestral en precios de 1995)

Aumenta en el largo plazo (tiene tendencia positiva)
Bastante pronunciados movimientos de corto plazo
(movimientos al interior del ao)

Adems:

10

Hay variaciones
estacionales
Cambio fuerte en
1990: Los datos
recogen la unificacin
de las dos Alemania

Series de Tiempo - Csar Carrera

12/03/2013

Anlisis en diferencias (Alemania Occidental 1960-1989)

Cambios de trimestre a trimestre: PBI PBI PBI

Esta transformacin elimina la tendencia, pero la variacin
estacional se mantiene
Las variaciones oscilan alrededor de 0, con magnitud constante
t

t 1

Adems:

El componente
estacional muestra un
quiebre
Hasta 1974 el valor
anual mnimo siempre
estaba en el primer
trimestre.
Desde 1975, es en el
cuarto

11

Series de Tiempo - Csar Carrera

Anlisis en crecimiento trimestral

Problema: asimetra hacia valores positivos.

Solucin: Tasa de crecimiento continuo

12

Ejemplo: Tasa de 100 a 125 y de 125 a 100, no son equivalentes en

porcentaje.
Tasa de crecimiento promedio de series de tiempo con fluctuaciones
largas.

ln(.) refiere al logaritmo natural.

Recordar la siguiente aproximacin es valida para valores pequeos
de x:
En este caso, las dos transformaciones son equivalentes.
Para tasas de crecimiento pequeas, la diferencia en las
transformaciones no es relevante.
Series de Tiempo - Csar Carrera

12/03/2013

Anlisis en crecimiento trimestral

13

Series de Tiempo - Csar Carrera

Anlisis en crecimiento anual:

El patrn estacional an persiste.

En 1975, este patrn se rompe. La amplitud de los cambios en
la serie ha disminuido a lo largo del tiempo (al igual que el
patrn estacional.

Para eliminar las variaciones estacionales, los cambios deberan

ser con respecto al mismo trimestre del ao pasado, no el
trimestre anterior.
Las series no presentan variaciones estacionales.
Los cambios son por lo general positivo (negativo en
recesiones)

Anlisis de tasa de crecimiento anual relativo:

14

En porcentaje.
Mejor indicador de expansiones y recesiones.

Series de Tiempo - Csar Carrera

12/03/2013

Anlisis en crecimiento anual y tasa de crecimiento anual

En niveles, se detecta 1967, la primera recesin real despus de

la segunda guerra mundial, y luego las de 1975 y 1981/82.
En tasas, se detecta mejor las variaciones (entre -3.5% y 10%).
La recesin de 1975 es mucho mas clara. Las tasas posteriores
a una recesin son menores.

15

Eliminacin de la variacin estacional sin remover la

tendencia:

Series de Tiempo - Csar Carrera

Promedio mvil simple de orden 4.

Componente suavizado del PBI.

Adems:

16

Claramente indica 4
recesiones: al final de
60s, en el medio de
70s, inicio 80s e inicios
90s.
Muestra el cambio
estructural en 1992
(unificacin)
Series de Tiempo - Csar Carrera

12/03/2013

3. Operador de rezagos: L

Permite simplificar las relaciones entre diferencias y

promedios mviles.
Sea x una serie de tiempo.
Si se aplica el operador, toda la serie se rezaga un
periodo:
Si se aplica a una serie rezagada:
Generalizando:
Para k=0:
Para k>0: Las series se rezagan k periodos
Para k<0: Las series se adelantan k periodos
17

Series de Tiempo - Csar Carrera

Las reglas de potencia se mantienen:

Notacin y operaciones:

Primeras diferencias:
Para diferencias de 4 periodos:
Tasa de crecimiento (mismo trimestre del ao anterior):

Promedio mvil simple de cuarto orden:

Un polinomio de rezagos de orden p puede ser escrito como:

18

Convencin: el sufijo p normalmente es ignorado.

Series de Tiempo - Csar Carrera

12/03/2013

Notacin y operaciones (cont.):

Las constantes no pueden ser rezagadas:

Las transformaciones pueden ser independientemente

representadas por series de tiempo especiales, mediante
el uso de polinomios en el operador de rezagos.
Incluso las operaciones polinmicas comunes pueden ser
representadas con polinomios de rezagos, especialmente
multiplicaciones y divisiones, por ejemplo:
19

Donde:
es una constante.
En este caso, el valor del polinomio es la suma de todos los
coeficientes
El mismo resultado se puede obtener de sustituir L por

Series de Tiempo - Csar Carrera

Los polinomios en el operador de rezagos se conocen

como filtros lineales
Por ejemplo, combinando y multiplicando por 4:

20

Se obtiene:
Es decir:
En tanto que el componente de largo plazo es eliminado por el
filtro de primeras diferencias y el componente estacional es
eliminado por el promedio mvil, los dos componentes son
eliminados de la serie de tiempo por el producto de los dos
filtros, el filtro de cuatro periodos de diferencias.

Series de Tiempo - Csar Carrera

10

12/03/2013

Fin Sesin 1

21

Series de Tiempo - Csar Carrera

11