Informe prevision
Páginas: 6 (1437 palabras)
Publicado: 29 de febrero de 2012
[pic]
Informe de previsión
De cotizaciones del BBVA.
NELVA NAVARRO LEO
4º CURSO D
1. OBJETIVO:
El objeto de este informe es la previsión de la cotización de la cotización semanal del BBVA.
Debido a la ausencia de modelos extraídos de la teoría económica, crearemos nuestro propio modelo de previsión.
Las variables elegidaspara crear mi modelo son:
- máximo
- mínimo
- apertura
- último
TRANSFORMACIÓN DE SERIES TEMPORALES:
2. PROPIEDADES ESTADISTICAS:
Aplicación previa de logaritmos a todas las variables (Induce normalidad y heterocedasticidad).
Objetivo: trabajar con SERIES ESTACIONARIAS. Los instrumentos de inferencia estadística de los que dispongo me loexigen.
[pic]
Todas las series: MAX, MIN, AP Y ULT presentan una tendencia como podemos observar en el gráfico anterior.
◊ ESTUDIO DEL ORDEN DE INTEGRACIÓN DE LAS VARIABLES:
Ya hemos comprobado que ninguna de las variables. El objetivo siguiente es la transformación de cada una de las series con el fin de convertirlas enestacionarias. Para ello aplicamos diferencias a cada una de las variables.
Es importante conocer cuantas diferencias necesita cada una hasta convertirla en estacionaria para el estudio posterior de las “relaciones de cointegracción”.
Creo nuevas series:
Dlmax = d(lmax,1)
Dlmin = d (lmin, 1)
Dlap = d (lap, 1)
Dlult = d (lult, 1)
[pic]
En el grafico anterior mostramosconjuntamente las 4 series. Hemos conseguido, con una diferencia elimina la tendencia. Por tanto tenemos 4 variables cointegradas de orden 1 (es decir, necesitan una diferencia para convertirse en estacionarias).
◊ ESTUDIO DE LA COINTEGRACIÓN
La siguientes cuestión a plantear es:
¿ En el conjunto de variables estacionarias, existen entre ellas relaciones de cointegración?
Hagamosuna recapitulación:
Todas estas variables tienen el mismo orden de integración. Es posible que entre ellas haya relaciones de cointegración: combinaciones lineales de variables integradas. Para ello tienes que cumplirse la siguiente condición:
“Las relaciones de cointegración solo lo son entre variables no estacionarias, de un orden deintegración inferior que el orden de las variables que lo forman”
Además si queremos establecer relaciones de cointegración en un conjunto de K variables, tendremos un máximo de K-1 relaciones independientes. (Teorema Engle- Granger)
Aplicándolo a nuestro caso, al tener cuatro variables, podremos establecer un máximo de tres relaciones de cointegración.
Si regresamos LMAX con LMIN:(LMAX C LMIN)
Estimation Equation:
LMAX = C(1) + C(2)*LMIN
LMAX = 0.3187784828 + 0.8918341649*LMIN
|Dependent Variable: LMAX |
|Method: Least Squares |
|Date: 01/07/12 Time: 11:25|
|Sample: 5/01/2009 31/10/2011 |
|Included observations: 148 |
|Variable |Coefficient |Std. Error |t-Statistic |Prob. |
|C |0.318778 |0.027142|11.74472 |0.0000 |
|LMIN |0.891834 |0.012688 |70.29091 |0.0000 |
|R-squared |0.971298 | Mean dependent var |2.214477 |
|Adjusted R-squared |0.971102 | S.D. dependent var |0.218929 |
|S.E. of regression |0.037217 | Akaike info...
Informe de previsión
De cotizaciones del BBVA.
NELVA NAVARRO LEO
4º CURSO D
1. OBJETIVO:
El objeto de este informe es la previsión de la cotización de la cotización semanal del BBVA.
Debido a la ausencia de modelos extraídos de la teoría económica, crearemos nuestro propio modelo de previsión.
Las variables elegidaspara crear mi modelo son:
- máximo
- mínimo
- apertura
- último
TRANSFORMACIÓN DE SERIES TEMPORALES:
2. PROPIEDADES ESTADISTICAS:
Aplicación previa de logaritmos a todas las variables (Induce normalidad y heterocedasticidad).
Objetivo: trabajar con SERIES ESTACIONARIAS. Los instrumentos de inferencia estadística de los que dispongo me loexigen.
[pic]
Todas las series: MAX, MIN, AP Y ULT presentan una tendencia como podemos observar en el gráfico anterior.
◊ ESTUDIO DEL ORDEN DE INTEGRACIÓN DE LAS VARIABLES:
Ya hemos comprobado que ninguna de las variables. El objetivo siguiente es la transformación de cada una de las series con el fin de convertirlas enestacionarias. Para ello aplicamos diferencias a cada una de las variables.
Es importante conocer cuantas diferencias necesita cada una hasta convertirla en estacionaria para el estudio posterior de las “relaciones de cointegracción”.
Creo nuevas series:
Dlmax = d(lmax,1)
Dlmin = d (lmin, 1)
Dlap = d (lap, 1)
Dlult = d (lult, 1)
[pic]
En el grafico anterior mostramosconjuntamente las 4 series. Hemos conseguido, con una diferencia elimina la tendencia. Por tanto tenemos 4 variables cointegradas de orden 1 (es decir, necesitan una diferencia para convertirse en estacionarias).
◊ ESTUDIO DE LA COINTEGRACIÓN
La siguientes cuestión a plantear es:
¿ En el conjunto de variables estacionarias, existen entre ellas relaciones de cointegración?
Hagamosuna recapitulación:
Todas estas variables tienen el mismo orden de integración. Es posible que entre ellas haya relaciones de cointegración: combinaciones lineales de variables integradas. Para ello tienes que cumplirse la siguiente condición:
“Las relaciones de cointegración solo lo son entre variables no estacionarias, de un orden deintegración inferior que el orden de las variables que lo forman”
Además si queremos establecer relaciones de cointegración en un conjunto de K variables, tendremos un máximo de K-1 relaciones independientes. (Teorema Engle- Granger)
Aplicándolo a nuestro caso, al tener cuatro variables, podremos establecer un máximo de tres relaciones de cointegración.
Si regresamos LMAX con LMIN:(LMAX C LMIN)
Estimation Equation:
LMAX = C(1) + C(2)*LMIN
LMAX = 0.3187784828 + 0.8918341649*LMIN
|Dependent Variable: LMAX |
|Method: Least Squares |
|Date: 01/07/12 Time: 11:25|
|Sample: 5/01/2009 31/10/2011 |
|Included observations: 148 |
|Variable |Coefficient |Std. Error |t-Statistic |Prob. |
|C |0.318778 |0.027142|11.74472 |0.0000 |
|LMIN |0.891834 |0.012688 |70.29091 |0.0000 |
|R-squared |0.971298 | Mean dependent var |2.214477 |
|Adjusted R-squared |0.971102 | S.D. dependent var |0.218929 |
|S.E. of regression |0.037217 | Akaike info...
Leer documento completo
Regístrate para leer el documento completo.