ensayo

El próximo día nos reunimos directamente en el AULA de Laboratorio. Está reservado como si fuera un Jueves.

Haremos tres cosas: (podéis conocer su contenido)

1) Terminar la estimación del modelo ARIMA de la serie individual.
2) Hacer el Forecast (manualmente).
3) Comprobar dicho ajuste y predicción manual con el automatismo de Eviews. Census X12 (sa, sf, tc) y Tramo Seats con forecasthorizon. Ambos métodos se encuentran dentro del botón “Proc” de una serie activada y en el submenú de “Seasonal Adjustment”.

3.1. Realizar este mismo ejercicio en el programa TSW (TramoSeats) del Banco de España.
http://www.bde.es/servicio/software/tsw.htm


Pasos del procedimiento-método ARIMA. Modelos ARIMA.

Por supuesto, en este punto, el alumno ya sabe la teoría básica pararealizar un modelo ARIMA. Este contenido solo ayuda/apoya a la realización práctica del trabajo o tarea.

El alumno debe conocer los botones clave de Eviews para el procedimiento manual y para el procedimiento automático (revisar botón “Proc” de una serie y sus opciones del menú “Seasonal adjustment” y “Exponential Smoothing”).

Insistimos, estos pasos se realizan después de manejar correctamenteel concepto de “estacionariedad”, la visualización gráfica de la serie y los análisis estadísticos básicos.

Pues bien, veamos un ejemplo del procedimiento manual: (también hay un ejemplo en la página 265, 272 y 287 del libro “Predicción y simulación aplicada a la economía y gestión de empresas” y en la página 645 del libro “Modelos econométricos”).

1. Especificación del modelo oidentificación de los órdenes p,d,q (y P,D,Q si es estacional).
ARIMA (p,d,q) SARIMA (P,D,Q)

2. Estimación de los parámetros del modelo y contraste de validez del mismo
3. Predicción de los valores de la serie original para el periodo N + L.


El bloque 1. es el más laborioso.
1.- Observar el gráfico de la serie. Comprobación de estacionariedad en media y en varianza mediante estadísticos.2.- Transformación previa de la serie tomando Logaritmos.

Genr LY = log(Y); corrige la estacionariedad en varianza, se debe realizar antes del paso siguiente para evitar logaritmos de valores negativos. Es necesaria en caso de heterocedasticidad. Permite disponer de valores más constantes en la varianza de la serie. Si es innecesario es que la dispersión de la serie es parecida.

Unabuena elección, conforme a la experiencia, es hacer una transformación logaritmica cuando una varianza (o rango) creciente con relación a la media para segmentos sucesivos de la serie.

3.- Eliminación de la Tendencia mediante diferenciación regular (y/o en la parte estacional).

Genr DLY = LY - LY(-1); una serie con tendencia lineal será corregida simplemente con primeras diferencias. Una seriecon tendencia no lineal exigirá una segunda diferencia. Adicionalmente, si se observa una tendencia en la parte estacional exigirá alguna diferencia (D=1) en la parte estacional (12 ó 4, mensual o trimestral, respectivamente).

Si la serie tiene tendencia, d no podrá ser = 0, seguramente d = 1, ya que normalmente no hacen falta más de dos diferencias (d=2). Si existe una tendencia aparte deestos valores, a veces presente en series mensuales (12) o trimestrales (4) habrá también que considerar D = 1.

4.- Observar nuevamente/graficamente la serie original Y, la serie LY y la serie DLY.

5.- Identificación del modelo: procesos AR(p, P) y MA (q, Q)

Es decir, determinar el orden de los procesos autorregresivos y de medias móviles de los componentes regular y estacional.

Estadecisión se toma técnicamente de las funciones de autocorrelación total y parcial (FAC y FAP).

Se ha puesto un link online a disposición del alumno para saber interpretar los correlogramas.

6.- Decidido el modelo, se procede a la Estimación de los coeficientes del modelo mediante MCO (Mínimos Cuadrados Ordinarios). Ya estamos en el Bloque o Parte 2.

7.- Contraste de Validez conjunta...