ECONOMETRÍA DE SERIES DE

TIEMPO
M. EN E. JUAN JOSÉ MENDOZA ALVARADO
 MODELOS DE SERIES DE TIEMPO
MODELOS DE SERIES DE TIEMPO MODELOS DE SERIES DE TIEMPO
UNIVARIADOS MULTIVARIADOS

INTRODUCCIÓN A LA ECONOMETRÍA DE LOS VECTORES AUTO REGRESIVOS

SERIES DE TIEMPO
LA COINTEGRACIÓN Y LOS MODELOS DE
ESTACIONARIEDAD Y MODELOS ARMA Y CORRECCIÓN DE ERROR
ARIMA
LOS MÉTODOS DE SIMULACIÓN
LOS MODELOS DE
HETEROSCEDASTICIDAD CONDICIONAL

LOS MODELOS DE CAMBIO DE RÉGIMEN

PARA RENDIMIENTOS
MODELOS DE SERIES DE TIEMPO
UNIVARIADOS
 INTRODUCCIÓN A LA ECONOMETRÍA DE
SERIES DE TIEMPO

INTRODUCCIÓN A LA DESCOMPOSICIÓN REGRESIÓN Y RECORDATORIO DE

ECONOMETRÍA DE SERIES CLÁSICA DE LAS SERIES PREDICCIÓN CON CONCEPTOS
DE TIEMPO DE TIEMPO SERIES DE TIEMPO RELACIONADOS CON LAS
SERIES DE TIEMPO
 INTRODUCCIÓN A LA ECONOMETRÍA DE SERIES DE TIEMPO
MODELOS DE SERIES DE TIEMPO
UNIVARIADOS
• Las previsiones se realizan con
base en los valores pasados y
presentes de la misma serie.
• Son a-teóricos: su construcción no
resulta de una base teórica. Con
los modelos uni-variados, las
predicciones no se realizan en
función de una supuesta relación
teórica entre diferentes variables,
sino únicamente en el análisis
estadístico del comportamiento
pasado de una serie.
MODELOS DE SERIES DE TIEMPO
MULTIVARIADOS
• Explican los cambios de la serie y
elaboran predicciones a partir de
los valores y los movimientos de
otras series.
• En el clásico análisis de regresión
lineal, se emplea el
conocimiento de la variable
independiente, exógena, X para
predecir la variable dependiente,
endógena Y.
 DESCOMPOSICIÓN CLÁSICA DE LAS SERIES DE TIEMPO

TENDENCIA (Ti)
CICLO (Ci)
VARIACIÓN ESTACIONAL (Si)
COMPONENTE IRREGULAR (Ii)
 MÉTODOS DE DESCOMPOSICIÓN DE UNA SERIE DE TIEMPO

MÉTODO ADITIVO MÉTODO MULTIPLICATIVO

• Xt = Tt + Ct + St + It • Xt = Tt * Ct * St * It
• De acuerdo al método aditivo, el valor de una serie
resulta de la suma de los cuatro componentes. • El valor de la serie es el producto de los cuatro
componentes.
• Se distingue por una variación constante de los
componentes: cada uno es independiente del otro. • Existe una interacción de los componentes: si el
• La amplitud de las variaciones estacionales, por valor de la serie aumenta, los ciclos y la variación
ejemplo, no depende del nivel de la serie. Esta estacional se amplifican igualmente, conforme al
característica puede resultar poco realista, dato que, comportamiento usual de las series financieras.
por ejemplo, un activo financiero con un valor elevado
presenta usualmente en promedio variaciones más
elevadas en valor absoluto que un activo con un valor
más bajo.
 LA TENDENCIA

• DEFINICIÓN DE TENDENCIA
• La tendencia designa un movimiento de largo plazo de una serie de
tiempo.
• CARACTERÍSTICAS
• Hay una tendencia cuando una serie crece o disminuye en promedio
durante un periodo prolongado.
• Las tendencias de largo plazo pueden resultar de fenómenos como el
crecimiento poblacional, la inflación de precios, el cambio tecnológico
o los incrementos en la productividad. (Véase archivo 9.1 de Excel.)
 Evolución del precio de las acciones de TEXACO,
2001-2005
y = 3.1004x + 999.03
1600
Precio

1400
1200
1000
800
600
400
200
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
EL FILTRO HODRICK-PRESCOTT EN EVIEWS
Hodrick-Prescott Filter (lambda=14400)
1,600

1,400

1,200

400 1,000

800
200
600
0

-200

-400
I II III IV I II III IV I II III IV I II III IV I II
2001 2002 2003 2004 2005

TEXACO Trend Cycle

 LA VARIACIÓN ESTACIONAL

• DEFINICIÓN
• Las variaciones estacionales designan fluctuaciones periódicas con
frecuencia menor a un año, trimestral, mensual o diaria. Se conocen
como estacionales porque se repiten de manera sistemática cada
intervalo de tiempo, aproximadamente en las mismas fechas y con la
misma intensidad. Resultan de fenómenos como los cambios de
clima, días festivos o la longitud de los meses y las expectativas.
• EJEMPLOS
• El pico de inflación en enero en México, el incremento de las ventas
de productos de consumo en diciembre en México o una menor
cotización de títulos en la BMV antes del cierre de cada día.
 CONSECUENCIAS DE LA PRESENCIA DE
ESTACIONALIDAD EN UN SERIE DE TIEMPO

• Sesgos en el análisis de datos que nos conducen a conclusiones

erróneas.
• Ausencia de precisión especialmente en el cálculo de la pendiente de
la serie de tiempo.
 CÓMO CORREGIR LA ESTACIONALIDAD EN
UNA SERIE DE TIEMPO en EXCEL
• La desestacionalización consiste en remover las variaciones estacionales para analizar
una serie con más precisión.
1. Calcular un promedio móvil para eliminar la variabilidad en cada periodo estacional.
2. Aislar la estacionalidad: se substrae de la serie observada la media móvil (modelo
aditivo) o se divide la serie observada entre la media móvil (modelo multiplicativo).
3. Computación del índice estacional: se calcula el valor promedio de cada periodo
estacional, por ejemplo, de todos los meses de enero. El índice mensual de TEXACO,
indica que el mes de agosto tiene en promedio, el valor más alto del año.
4. Desestacionalizar la serie: dependiendo del método utilizado, se substrae de la serie
original el componente estacional o se divide la serie entre el componente estacional.
Observemos que la serie desestacionalizada Texaco es más regular que la serie
original.
5. ¿Cuándo recomienda comprar o vender acciones de Texaco?
 CÓMO CORREGIR LA ESTACIONALIDAD EN
UNA SERIE DE TIEMPO en E-VIEWS
1. Se abre la base de datos que incluye la serie de tiempo que
queremos desestacionalizar.
2. Dar click en: Quick/Series_estadísticas/Hodrick_Prescott_Filter.
3. En la ventana de diálogo escribir el nombre de la serie que se desea
desestacionalizar: precio ok.
4. En la ventana de parámetros de suavizamiento seleccionamos:
power 2 ok.
5. En la gráfica de Hodrick-Prescott seleccionamos: proc/seasonal
adjustment/census X12 y se abre la siguiente ventana donde
marcamos las siguientes opciones:
Seleccionamos las siguientes series: precio, precio_sa, precio_sf y precio_tc. Las abrimos como grupo y
seleccionamos la siguiente ruta: view, graph, line & simbol, multiple graphs, ok.
 EL COMPONENTE CÍCLICO

• DEFINICIÓN:
• Una variación cíclica es una oscilación en forma de onda o ciclo
alrededor de la curva de tendencia.
• Estas oscilaciones son periódicas o no como se puede observar en la
gráfica anterior.
• Las fluctuaciones cíclicas resultan de movimientos de expansión y
contracción económicas, por ejemplo el “ciclo de negocios”.
• Para obtener el ciclo de una serie, se calcula usualmente el promedio
móvil sobre 6 meses a un año.
 PRECIO_TC
1,250

1,200

1,150

1,100

1,050

1,000

950
I II III IV I II III IV I II III IV I II III IV I II
2001 2002 2003 2004 2005
 EL COMPONENTE ALEATORIO O IRREGULAR
• El componente aleatorio es un
residuo: es lo que queda después de
retirar los otros tres componentes.
• El componente irregular resulta de
la variabilidad ocasionada por
factores imprevistos y no
recurrentes, como un cambio en las
anticipaciones, huelgas, cambios de
clima, catástrofes naturales,
elecciones, conflictos armados, etc.
 FUNCIÓN DE AUTOCORRELACIÓN SIMPLE Y FUNCIÓN DE
AUTOCORRELACIÓN PARCIAL

• Una función de autocorrelación simple (FACS) mide la correlación entre los

valores de una misma serie distanciados por un lapso de tiempo “k”.
• Su ecuación se escribe como:

𝑎𝑢𝑡𝑜−𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 ത
𝐸(𝑌𝑖−𝑘 −𝑌)(𝑌 ത
𝑖 −𝑌) σ𝑛 ത ത
𝑖=𝑘+1(𝑌𝑖−𝑘 −𝑌)(𝑌𝑖 −𝑌)
• 𝜌𝑘 = = ത 2
= σ𝑛 ത 2
𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝐸(𝑌𝑖 −𝑌) 𝑖=1(𝑌𝑖 −𝑌)

• En cambio, una función de autocorrelación parcial (FACP) de orden “k” calcula la

correlación entre parejas de valores separadas por una distancia “k”, pero elimina
el efecto debido a la correlación producida por retardos inferiores a “k”. Una FACP
con un retardo de 3 mide la correlación entre Yi y Yi-3 pero eliminando los efectos
de correlación de Yi-1 y Yi-2
 Date: 10/01/18 Time: 10:39
Sample: 1993Q1 2018Q2
Included observations: 102
CORRELOGRAMA DEL
PRODUCTO INTERNO Autocorrelation Partial Correlation AC PAC Q-Sta... Prob

BRUTO DE LA ECONOMÍA 1 0.950 0.950 94.794 0.000

2 0.929 0.272 186.36 0.000
MEXICANA EN VALORES 3 0.879 -0.24... 269.22 0.000
4 0.863 0.213 349.78 0.000
REALES, 1993-2018 5 0.815 -0.17... 422.51 0.000
6 0.796 0.088 492.56 0.000
7 0.750 -0.09... 555.39 0.000
8 0.735 0.110 616.36 0.000
9 0.686 -0.17... 670.08 0.000
1... 0.660 -0.02... 720.35 0.000
1... 0.609 -0.04... 763.64 0.000
1... 0.588 0.060 804.43 0.000
1... 0.543 -0.03... 839.58 0.000
1... 0.523 0.024 872.59 0.000
1... 0.479 -0.05... 900.52 0.000
1... 0.464 0.073 927.08 0.000
1... 0.423 -0.06... 949.36 0.000
1... 0.408 0.041 970.37 0.000
1... 0.369 -0.01... 987.81 0.000
2... 0.359 0.040 1004.5 0.000
2... 0.326 -0.02... 1018.4 0.000
2... 0.316 -0.00... 1031.6 0.000
2... 0.281 -0.03... 1042.3 0.000
2... 0.271 -0.01... 1052.3 0.000
2... 0.239 -0.00... 1060.1 0.000
2... 0.226 -0.04... 1067.3 0.000
2... 0.194 0.001 1072.6 0.000
2... 0.185 0.007 1077.5 0.000
2... 0.158 0.023 1081.1 0.000
3... 0.152 -0.00... 1084.5 0.000
3... 0.126 -0.01... 1086.9 0.000
3... 0.121 0.020 1089.1 0.000
3... 0.095 -0.03... 1090.5 0.000
3... 0.089 -0.00... 1091.7 0.000
3... 0.062 -0.01... 1092.3 0.000
3... 0.058 0.014 1092.9 0.000
 LA NOCIÓN DE RUIDO BLANCO
• Un ruido blanco es un
proceso completamente
aleatorio.
• Se caracteriza por un
promedio de 0, una varianza
constante y una auto-
correlación nula.
 ACTIVIDADES INTEGRADORAS

1. Utilizando el archivo 9.2 calcular la tendencia y representarla junto

con la serie original, desestacionalizándola utilizando el método del
Bureau Census de USA (X12).
2. Utilizando el modelo multiplicativo, remover la tendencia de la serie
original para aislar el componente cíclico y representar la serie sin
tendencia.
Bibliografía complementaria
1. Desestacionalización de series de tiempo económicas
• Dirección electrónica:
http://proyectos.inei.gob.pe/web/biblioineipub/bancopub/Est/Lib009
4/Libro.htm
2. Análisis de series de tiempo en el pronóstico de la demanda de
almacenamiento de productos perecederos
• Dirección electrónica:
https://www.sciencedirect.com/science/article/pii/S0123592316300754