Econometria.series Tiemporeales

A. MODELOS ARIMA

 En este acápite abordaremos el estudio de la llamada metodología ARIMA o Box-Jenkins por el nombre de los dos investigadores que sintetizaron y desarrollaron estas técnicas tal y como las conocemos hoy. Se trata de una metodología que ha tenido un indudable éxito en la práctica profesional por varios motivos: En primer lugar por su rotundidad metodológica. Se constituye como una técnica avanzada que hace uso de sofisticados recursos matemático-estadísticos. En segundo lugar, existe una clara y consolidada guía de aplicación empírica de la misma que permite pasar con facilidad de las situaciones de laboratorio que crea la teoría, a la praxis profesional. En tercer lugar y no menos importante, los Modelos ARIMA han demostrado una gran utilidad en la predicción a corto plazo de series de alta frecuencia. Ese es su campo natural de aplicación.

 Desarrollaremos la metodología completa ARIMA a nivel básico haciendo especial hincapié en las posibilidades de aplicación práctica. Por ello, cada concepto se desarrolla oportunamente con un ejemplo de aplicación en EViews.

 En su conjunto, el acápite se desarrolla en 9 apartados. Cuando es oportuno, los conceptos se desarrollan en breves explicaciones adicionales. Se propone y resuelve 1 ejercicio en EViews, con sus correspondientes soluciones ilustradas. Por último, se solicita la realización de una actividad junto con el test y preguntas de autoevaluación. Este acápite le exigirá al usuario la dedicación de unas 28 horas; 13 para el aprendizaje de los conceptos teóricos, 5 para la realización de los 2 ejercicios propuestos, 4 para la realización del caso de aplicación y 6 para las actividades y test de autoevaluación.

A.1. Metodología de Box Jenkins

Resumen:

En Econometría Avanzada se repasan, en las aplicaciones prácticas, los

conceptos de modelos AR, MA y ARMA ya visto en el curso de Econometría.

Box y Jenkins diseñaron una metodología para el tratamiento de la

modelización de series temporales univariantes basada en las siguientes

fases:

1) Recolección de datos. Es conveniente disponer de 50 o más datos, y en el

caso de series mensuales, es habitual trabajar con entre seis y diez años

completos de información.

2) Representación gráfica de la serie. Para decidir sobre la estacionariedad y

estacionalidad de la serie es de gran utilidad disponer de un gráfico de la

misma. Suelen utilizarse medias y desviaciones típicas por subperíodo

para juzgar sobre la estacionariedad de la serie.

3) Transformación previa de la serie y eliminación de la tendencia: La

trasformación logarítmica es necesaria para series no estacionarias en

varianza y es muy frecuente en series con dispersión relativamente

constante en el tiempo. Una posibilidad práctica es

...