ANÁLISIS DE DOLARES
nunezsdaniel30 de Noviembre de 2013
622 Palabras (3 Páginas)372 Visitas
Descomposición de series de tiempo para Dólar (pesos)
Modelo multiplicativo
Datos Dólar (pesos)
Longitud 120
NMissing 0
Ecuación de tendencia:
Yt = 9.143 + 0.0276*t
Índices estacionales
Período Índice
1 1.00933
2 1.00747
3 1.00723
4 1.00154
5 0.98709
6 0.98745
7 0.98958
8 0.99539
9 1.00569
10 1.00529
11 1.00013
12 1.00382
Medidas de exactitud
MAPE 5.35471
MAD 0.59814
MSD 0.58896
COMPONENTE DE ANÁLISIS DE DOLARES
Se refiere a los datos originales, comparado con aquellos que se ajusta el componente estacional, lo cual nos sirve para tomar decisiones.
DESCOMPOSICION DE SERIES DE DOLARES.
En esta grafica se muestra la tendencia en color verde, los valores actuales en línea negra, y los ajustes por tendencia en línea roja.
Autocorrelación de ambas series:
Autocorrelacion para Dólares:
En dicha grafica nos damos cuenta que al desfasarse de dos en dos , los datos van disminuyendo en gran medida, observamos que al llegar a 30 casi e nulo.
Autocorrelacion para IPC (puntos): Por otra parte en esta grafica de igual manera disminuye entre desfases pero, la disminución va a un ritmo más corto y al llegar a 30 aun se aprecian datos de .4
METODOLOGIA BOX- JENKINS
La metodología Box Jenkins (ARIMA), este método se utiliza principalmente para analizar y pronosticar las series de tiempo. Los modelos de promedio móvil auto regresivo integrado (ARIMA, por sus siglas en ingles) son una serie de modelos lineales que tienen la capacidad de operar series de tiempo estacionarias o no estacionarias. Los procesos estacionarios varían entorno a un nivel fijo en tanto que los procesos no estacionarios tienen un nivel promedio constante natural.
Los modelos ARIMA no involucran a las variables independientes en su construcción, estos dependen mucho de los patrones de auto correlación que existen entre los datos. Los estadísticos G.E.P Box y G.M. Jenkins lograron grandes avances en la metodología para identificar, ajustar y verificar los modelos ARIMA adecuados, por esto los modelos para producir pronósticos son llamados la metodología Box- Jenkins.
La metodología para generar pronósticos es distinta de la mayoría de los métodos debido a que no supone un patrón particular en los datos históricos de las series que han de pronosticarse. Usa un método iterativo para identificar u modelo posible de una clase general de modelos.
Compara los resultados de la descomposición de series y Box – Jenkins para agosto de 2011. ¿A qué se deben las diferencias?
A que los promedios móviles son diferentes, y también que el margen de error es menor en un método que en el otro.
¿Cuál técnica le recomiendas a Consultorías Financieras de México que utilice para sus pronósticos de IPC? ¿Por qué?
Box – Jenkins porque esta técnica es más completa, además que al comparar los resultados de descomposición tiene menos error
Conclusión:
En el pronóstico de los siguientes 12 meses, se puede observar que no hay tendencia en los datos ni estacionalidad. Según la grafica de la descomposición de la serie de tiempo se observa que es ascendente y los datos oscilan en la recta. Dicha metodología que utilizamos se puede aplicar a cualquier otro campo, al utilizar los programas que se nos proporcionan
...