lectura
Modelos ARIMA
ISBN: 978-84-692-3814-1
María Pilar González Casimiro
04-09
An´
alisis de Series Temporales: Modelos ARIMA
Pilar Gonz´alez Casimiro
Departamento de Econom´ıa Aplicada III (Econometr´ıa y Estad´ıstica)
Facultad de Ciencias Econ´omicas y Empresariales
Universidad del Pa´ıs Vasco (UPV-EHU)
Contenido
1. Introducci´
on
1
2.Procesos estoc´
asticos
11
2.1. Proceso estoc´astico y serie temporal . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.2. Caracter´ısticas de un proceso estoc´astico . . . . . . . . . . . . . . . . . . . . . . .
12
2.3. Procesos estoc´asticos estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.3.1. Funci´on de autocovarianzas y de autocorrelaci´on . .. . . . . . . . . . . .
14
2.3.2. Estimaci´on de los momentos
. . . . . . . . . . . . . . . . . . . . . . . . .
17
2.4. Proceso Ruido Blanco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3. Modelos lineales estacionarios
19
3.1. Modelo Lineal General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.2. Procesosautorregresivos: AR(p). . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
3.2.1. Proceso AR(1). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
3.2.2. Proceso AR(p). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
3.3. Procesos de Medias M´oviles: MA(q). . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.3.1. Proceso MA(1). . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.3.2. Proceso MA(q). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
3.4. Procesos Autorregresivos de Medias M´oviles: ARMA(p,q). . . . . . . . . . . . . .
38
4. Modelos lineales no estacionarios
43
4.1. No estacionariedad en varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
4.2. No estacionariedad en media. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
4.3. Modelos ARIMA(p,d,q). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
i
SARRIKO-ON 4/09
An´
alisis de Series Temporales: modelos ARIMA
4.3.1. Modelo de paseo aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
4.3.2. Modelo depaseo aleatorio con deriva . . . . . . . . . . . . . . . . . . . . .
48
5. Modelizaci´
on ARIMA
49
5.1. Estrategia de modelizaci´on ARIMA . . . . . . . . . . . . . . . . . . . . . . . . . .
49
5.2. Identificaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
5.2.1. An´alisis de estacionariedad . . . . . . . . . . . . . . . . . . . . . . . .. .
52
5.2.2. Identificaci´on del modelo estacionario . . . . . . . . . . . . . . . . . . . .
61
5.3. Estimaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
5.4. Validaci´on del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
5.4.1. An´alisis de coeficientes estimados . . . . . . . . . . . . . . . . . . . . .. .
73
5.4.2. An´alisis de residuos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
6. Predicci´
on ´
optima con modelos ARIMA(p, d, q)
85
6.1. Predicci´on con modelos estacionarios . . . . . . . . . . . . . . . . . . . . . . . . .
86
6.1.1. Predicci´on con modelos MA(q). . . . . . . . . . . . . . . . . . . . . . . . .
88
6.1.2. Predicci´on conmodelos AR(p) . . . . . . . . . . . . . . . . . . . . . . . .
90
6.1.3. Predicci´on con modelos ARMA(p,q). . . . . . . . . . . . . . . . . . . . . .
92
6.1.4. Predicciones con modelos estacionarios estimados . . . . . . . . . . . . . .
94
6.2. Predicci´on con modelos no estacionarios. . . . . . . . . . . . . . . . . . . . . . . .
97
7. Modelos ARIMA estacionales
101...
Regístrate para leer el documento completo.