‘’UNIVERIDAD AGRARIA DEL ECUADOR’’

FACULTAD DE ECONOMIA AGRICOLA

CURSO:

SEXTO SEMESTRE ECONOMIA AGRICOLA

TEMA

INFORME EJECUTIVO DE LOS MODELOS AUTORREGRESIVOS,

AR, MA, ARIMA

DOCENTE

ECO. JORGE OSIRIS GARCÍA REGALADO

ASIGNATURA:

ECONOMETRIA II

ALUMNA:
SAMANTA AVENDAÑO RAMON

AÑO LECTIVO:
2019-2020
El presente trabajo analiza la volatilidad de precios de acciones, mediante el análisis de
gráficos de series de tiempo para estimar parámetros y así obtener una serie estacionaria.
analizamos la serie de tiempo del precio de acciones de Merval 25 desde año 1960 hasta
el 2206 y se ejecuta el modelo autor regresivo. Se utilizó el software de libre distribución
Gretl, que es una aplicación diseñada para el análisis estadístico y la estimación de
modelos, y también aplicamos el modelo ARIMA.

GRAFICO: SERIE MERVAL25

FUENTE: Resultados obtenidos Gretl Base de datos

ELABORADO: Samanta Avendaño Ramón.

Como podemos ver es una serie no estacionaria, en las cuales las tendencias cambian en
el tiempo, la serie Merval25 no oscila alrededor de un valor constante como es la media y
su varianza de la misma manera no es constante. Es necesario realizar una prueba para
demostrar si existe tendencia o no en la serie Merval25 por lo cual aplicamos los modelos
AR1, MA1, ARIMA.
MODELO ARIMA
La serie MERVAL25 presenta un modelo AR (1) y MA (1) por lo que la modelación se
desarrolla de la siguiente forma:

Modelo 1: AR, usando las observaciones 2160-2206 (T = 47)

Variable dependiente: MERVAL25

Coeficiente Desv. Estadístico valor p

Típica t
Const 1932,70 3,75444 514,8 <0,0001 ***
u(-200) −0,764860 0,0217185 -35,2169 <0,0001 ***

Estadísticos basados en los datos rho-diferenciados:

Suma de cuad. residuos 94921,85 D.T. de la regresión 45,42597
R-cuadrado 0,006143 R-cuadrado corregido 0,006143

Estadísticos basados en los datos originales:

Media de la vble. dep. 3410,952 D.T. de la vble. dep. 45,42597

Modelo 2: ARMA, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: MERVAL25
Desviaciones típicas basadas en el Hessiano
Coeficiente Desv. z valor p
Típica
Const 1905,42 14,6691 129,9 <0,0001 ***
theta_1 0,907759 0,0195275 46,49 <0,0001 ***

Media de la vble. dep. 1905,377 D.T. de la vble. dep. 221,1977

Media de innovaciones 0,344251 D.T. innovaciones 121,0778
Log-verosimilitud −1536,066 Criterio de Akaike 3078,131
Criterio de Schwarz 3088,659 Crit. de Hannan-Quinn 3082,370

Real Imaginaria Módulo Frecuencia

MA
Raíz -1,1016 0,0000 1,1016 0,5000
1

Modelo 3: ARMA, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: MERVAL25
Desviaciones típicas basadas en el Hessiano
Coeficiente Desv. Típica z valor p
Const 1925,48 195,691 9,839 <0,0001 ***
phi_1 0,995920 0,00428616 232,4 <0,0001 ***
 theta_1 −0,0648217 0,0603080 −1,075 0,2824

Media de la vble. dep. 1905,377 D.T. de la vble. dep. 221,1977

Media de innovaciones 2,032351 D.T. innovaciones 23,13210
Log-verosimilitud −1128,700 Criterio de Akaike 2265,400
Criterio de Schwarz 2279,438 Crit. de Hannan-Quinn 2271,052

Real Imaginaria Módulo Frecuencia

AR
Raíz 1 1,0041 0,0000 1,0041 0,0000
MA
Raíz 1 15,4269 0,0000 15,4269 0,0000

CORRELOGRAMA
A continuación, presentamos desde el punto de vista gráfico cómo se comportan las series ya
estacionales de la serie MERVAL25.

Como se observa en el gráfico tenemos un modelo autor regresivo AR (1) y MA (1), el

correlograma indica al parecer que el rezago sale del límite, que son las líneas azules.
También podemos ver que en la función de autocorrelación (FAC) de la serie MERVAL25
presenta que los valores no permanecen dentro de los índices requeridos, es decir si existe
autocorrelación. Según el correlograma de la serie se concluye que la serie es ruido blanco,
ya que presenta que la media no es igual a cero, una varianza constante y tiene
autocorrelación.

MÍNIMOS CUADRADOS ORDINARIOS

Aplicamos mínimos cuadrados ordinarios con corrección de heteroscedastidad a la serie
merval25, para por medio de este modelo llegar al cálculo del modelo AR Y MA.
Modelo 4: MCO, usando las observaciones 1960-2206 (T = 247)
Variable dependiente: MERVAL25

Coeficiente Desv. Estadístico valor p

Típica t
Const 0,287381 0,326526 0,8801 0,3797
MOLINOS 0,0822013 0,0377184 2,179 0,0303 **
COME 0,686227 0,434075 1,581 0,1152
IRSA 0,790470 0,0619954 12,75 <0,0001 ***
MERVAL25 0,00035121 0,00038577 0,9104 0,3635
9 9

Media de la vble. dep. 5,454332 D.T. de la vble. dep. 1,001404

Suma de cuad. residuos 22,37266 D.T. de la regresión 0,304054
R-cuadrado 0,909309 R-cuadrado corregido 0,907810
F(4, 242) 606,6009 Valor p (de F) 8,1e-125
Log-verosimilitud −53,88656 Criterio de Akaike 117,7731
Criterio de Schwarz 135,3201 Crit. de Hannan-Quinn 124,8377
Rho 0,932237 Durbin-Watson 0,137591

Como resultados del cálculo de mínimos cuadrados ordinarios de la serie MERVAL25

obtuvimos un coeficiente positivo, este coeficiente nos muestra la magnitud y sentido de las
variables independientes en las dependientes. Por otro lado, el resultado arrojado para la
desviación típica es un promedio igual a 0., lo que nos indica que tanto se puede mover el
coeficiente. El valor obtenido para el estadístico t positivos mayor a 1.96, y el valor p para
las cuatro variables son muy pequeñas y cercanos a cero, que es un valor significativo, ya
que cumplen con los parámetros en donde el estadístico T debe ser mayor a 1.96 y menor
a -1.96 para de esta forma con un nivel de confianza de 95%, se puede decir que el
coeficiente no es 0.
 GRAFICO SERIE CRESUD

FUENTE: Resultados obtenidos Gretl Base de datos

ELABORADO: Samanta Avendaño Ramón.

La serie Cresud de los precios de cierre de las cotizaciones realizadas desde 1961hasta 2206
presenta una tendencia no estacionaria, ya que en la gráfica podemos observar que los precios en
algunos períodos son muy pronunciados, en este caso en los años 2150 y 2200 son muy
pronunciados hacia arriba seguido de períodos muy bajos hasta obtener el precio más bajo para el
año 2000.
MODELO ARIMA

La serie de Cresud presenta un modelo AR(1) por lo que la modelación se desarrolla de la siguiente
forma:

Modelo 5: AR, usando las observaciones 2160-2206 (T = 47)

Variable dependiente: CRESUD

Coeficiente Desv. Típica Estadístico t valor p

Const 2,97275 2,02205 1,470 0,1490
MOLINOS −0,387470 0,0752333 −5,150 <0,0001 ***
COME −1,28825 2,43663 −0,5287 0,5998
IRSA 0,172003 0,117495 1,464 0,1507
MERVAL25 0,00291737 0,000936423 3,115 0,0033 ***
u(-200) 0,367409 0,00856748 42,8842 <0,0001 ***
 Estadísticos basados en los datos rho-diferenciados:
Suma de cuad. residuos 0,813170 D.T. de la regresión 0,139145
R-cuadrado 0,795237 R-cuadrado corregido 0,775736
F(4, 42) 40,36582 Valor p (de F) 7,20e-14

Estadísticos basados en los datos originales:

Media de la vble. dep. 5,253970 D.T. de la vble. dep. 0,292638

Modelo 7: ARMA, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: CRESUD
Desviaciones típicas basadas en el Hessiano
Coeficiente Desv. Típica z valor p
const −0,423496 0,527966 −0,8021 0,4225
phi_1 0,941545 0,0236982 39,73 <0,0001 ***
theta_1 0,0632490 0,0638461 0,9906 0,3219
MOLINOS 0,0471776 0,0726522 0,6494 0,5161
COME 0,134558 0,448887 0,2998 0,7644
IRSA 0,428765 0,0747303 5,737 <0,0001 ***
MERVAL25 0,00185177 0,000340317 5,441 <0,0001 ***

Media de la vble. dep. 5,454332 D.T. de la vble. dep. 1,001404

Media de innovaciones 0,001284 D.T. innovaciones 0,103096
Log-verosimilitud 209,5818 Criterio de Akaike −403,1635
Criterio de Schwarz −375,0884 Crit. de Hannan-Quinn −391,8603

Real Imaginaria Módulo Frecuencia

AR
Raíz 1 1,0621 0,0000 1,0621 0,0000
MA
Raíz 1 -15,8105 0,0000 15,8105 0,5000
MINIMOS CUADRADOS ORDINARIOS
Aplicamos mínimos cuadrados ordinarios a la serie de CRESUD para por medio de este modelo
llegar al cálculo del modelo ARIMA:

Modelo 4: MCO, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: CRESUD

Coeficiente Desv. Estadístico valor p

Típica t
Const 0,287381 0,326526 0,8801 0,3797
MOLINOS 0,0822013 0,0377184 2,179 0,0303 **
COME 0,686227 0,434075 1,581 0,1152
IRSA 0,790470 0,0619954 12,75 <0,0001 ***
MERVAL25 0,00035121 0,00038577 0,9104 0,3635
9 9
 Media de la vble. dep. 5,454332 D.T. de la vble. dep. 1,001404
Suma de cuad. residuos 22,37266 D.T. de la regresión 0,304054
R-cuadrado 0,909309 R-cuadrado corregido 0,907810
F(4, 242) 606,6009 Valor p (de F) 8,1e-125
Log-verosimilitud −53,88656 Criterio de Akaike 117,7731
Criterio de Schwarz 135,3201 Crit. de Hannan-Quinn 124,8377
Rho 0,932237 Durbin-Watson 0,137591

Como resultados del cálculo de mínimos cuadrados ordinarios de la serie CRESUD

obtuvimos un coeficiente positivo, este coeficiente nos muestra la magnitud y sentido de las
variables independientes en las dependientes. Por otro lado, el resultado arrojado para la
desviación típica es un promedio igual a 0.43, lo que nos indica que tanto se puede mover
el coeficiente. El valor obtenido para el estadístico t son positivos que es menor a 1.96, y el
valor p para las cuatro variables son pequeños y cercanos a cero, que es un valor
significativo, ya que cumplen con los parámetros en donde el estadístico T debe ser mayor
a 1.96 y menor a -1.96 para de esta forma con un nivel de confianza de 95%, se puede
decir que el coeficiente no es 0.

Estadísticos principales, usando las observaciones 1 - 247

para la variable MOLINOS (247 observaciones válidas)
Media Mediana Mínimo Máximo
3,9028 3,6500 3,1700 6,5700
Desv. Típica. C.V. Asimetría Exc. de curtosis
0,83021 0,21272 1,8702 2,6771
Porc. 5% Porc. 95% Rango IQ Observaciones
ausentes
3,2240 6,0780 0,65000 0

Modelo 1: MCO, usando las observaciones 1-247

Variable dependiente: MOLINOS

Coeficiente Desv. Típica Estadístico t valor p

const 3,90279 0,0528250 73,88 <0,0001 ***

Media de la vble. dep. 3,902794 D.T. de la vble. dep. 0,830210

Suma de cuad. residuos 169,5550 D.T. de la regresión 0,830210
R-cuadrado 0,000000 R-cuadrado corregido 0,000000
Log-verosimilitud −304,0157 Criterio de Akaike 610,0315
Criterio de Schwarz 613,5409 Crit. de Hannan-Quinn 611,4444
Como resultados del cálculo de mínimos cuadrados ordinarios de la serie MOLINOS
obtuvimos un coeficiente negativo, este coeficiente nos muestra la magnitud y sentido de
las variables independientes en las dependientes. Por otro lado, el resultado arrojado para
la desviación típica es un promedio igual a 0,83 lo que nos indica que tanto se puede mover
el coeficiente. El valor obtenido para el estadístico t son negativos que es menor a 1.96, y
el valor p para las cuatro variables son muy pequeñas y cercanos a cero, que es un valor
significativo, ya que cumplen con los parámetros en donde el estadístico T debe ser mayor
a 1.96 y menor a -1.96 para de esta forma con un nivel de confianza de 95%, se puede
decir que el coeficiente no es 0.

Modelo 1: AR, usando las observaciones 2160-2206 (T = 47)

Variable dependiente: MOLINOS

Coeficiente Desv. Típica Estadístico t valor p

COME −28,0094 5,56700 −5,031 <0,0001 ***
u(-200) 1,50949 0,00906514 166,5158 <0,0001 ***

Estadísticos basados en los datos rho-diferenciados:

Suma de cuad. residuos 27,21262 D.T. de la regresión 0,769142
R-cuadrado no centrado 0,243087 R-cuadrado centrado 0,317829
F(1, 46) 21,43179 Valor p (de F) 0,000030

Estadísticos basados en los datos originales:

Media de la vble. dep. 0,221062 D.T. de la vble. dep. 0,931236

Modelo 2: ARMA, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: MOLINOS
Desviaciones típicas basadas en el Hessiano
Coeficiente Desv. Típica z valor p
const 4,07162 1,26684 3,214 0,0013 ***
phi_1 0,997210 0,00339760 293,5 <0,0001 ***
theta_1 0,240500 0,0643995 3,734 0,0002 ***
COME 0,897128 0,325648 2,755 0,0059 ***
IRSA 0,0553574 0,0564448 0,9807 0,3267

Media de la vble. dep. 3,902794 D.T. de la vble. dep. 0,830210

Media de innovaciones 0,007827 D.T. innovaciones 0,084174
Log-verosimilitud 257,9745 Criterio de Akaike −503,9491
Criterio de Schwarz −482,8928 Crit. de Hannan-Quinn −495,4716

Real Imaginaria Módulo Frecuencia

 AR
Raíz 1 1,0028 0,0000 1,0028 0,0000
MA
Raíz 1 -4,1580 0,0000 4,1580 0,5000

Modelo 3: MCO, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: COME

Coeficiente Desv. Típica Estadístico t valor p

IRSA 0,0852518 0,000803000 106,2 <0,0001 ***

Media de la vble. dep. 0,419798 D.T. de la vble. dep. 0,103258

Suma de cuad. residuos 0,985757 D.T. de la regresión 0,063302
R-cuadrado no centrado 0,978641 R-cuadrado centrado 0,624171
F(1, 246) 11271,36 Valor p (de F) 1,8e-207
Log-verosimilitud 331,7032 Criterio de Akaike −661,4065
Criterio de Schwarz −657,8971 Crit. de Hannan-Quinn −659,9936
Rho 0,966020 Durbin-Watson 0,066884

GRAFICO DE SERIE IRSA

 Modelo 5: AR, usando las observaciones 2160-2206 (T = 47)
Variable dependiente: IRSA

Coeficiente Desv. Típica Estadístico t valor p

COME 13,9132 0,103033 135,0 <0,0001 ***
u(-200) 0,462376 0,0353669 13,0737 <0,0001 ***

Estadísticos basados en los datos rho-diferenciados:

Suma de cuad. residuos 2,494191 D.T. de la regresión 0,232855
R-cuadrado no centrado 0,151585 R-cuadrado centrado -0,060391
F(1, 46) −2,619795 Valor p (de F) NA

Estadísticos basados en los datos originales:

Media de la vble. dep. 4,586889 D.T. de la vble. dep. 0,226127

Modelo 6: ARMA, usando las observaciones 1960-2206 (T = 247)

Variable dependiente: IRSA
Desviaciones típicas basadas en el Hessiano
Coeficiente Desv. Típica z valor p
Const 4,31474 0,843606 5,115 <0,0001 ***
phi_1 0,995903 0,00433599 229,7 <0,0001 ***
theta_1 −0,0106863 0,0679529 −0,1573 0,8750
COME 0,917324 0,383450 2,392 0,0167 **

Media de la vble. dep. 4,919676 D.T. de la vble. dep. 0,980024

Media de innovaciones 0,009331 D.T. innovaciones 0,092636
Log-verosimilitud 234,7618 Criterio de Akaike −459,5236
Criterio de Schwarz −441,9767 Crit. de Hannan-Quinn −452,4591

Real Imaginaria Módulo Frecuencia

AR
Raíz 1 1,0041 0,0000 1,0041 0,0000
MA
Raíz 1 93,5778 0,0000 93,5778 0,0000