modelos arima

Prof. Adrián Fernández – Análisis de Series de Tiempo

Cap. 1 - Pág. 1

ANÁLISIS DE SERIES DE TIEMPO
1. INTRODUCCION
Surge en 1970, con la obra pionera de Box y Jenkins: “Time Series Analysis: Forecasting and Control”.
La modelización de series de tiempo es, por su puesto, una disciplina de pleno derecho. El análisis de cointegración
creció desde esta rama. El análisis de series de tiempoes actualmente ampliamente visto como un ladrillo básico de
la econometría. K. Cuthbertson et al.
Es una herramienta imprescindible en el análisis económico aplicado.

1.1. BIBLIOGRAFIA
Los presentes apuntes están basados en varios textos. En particular:
Ezequiel URIEL - ANALISIS DE SERIES TEMPORALES - MODELOS ARIMA -Colección Abaco - Ed.
Paraninfo - 1985.
Como bibliografía ampliatoria.Antoni ESPASA y José Ramón CANCELO (Eds.) - METODOS CUANTITATIVOS PARA EL ANALISIS
DE LA COYUNTURA ECONOMICA - Alianza Economía - 1993.
En particular, la presente introducción y el Capítulo 2 se ha basado en dicho texto.
Otra referencia:
Andrew C. HARVEY - THE ECONOMETRIC ANALYSIS OF TIME SERIES - LSE HANDBOOKS IN
ECONOMICS - 1990.

Prof. Adrián Fernández – Análisis de Series de TiempoCap. 1 - Pág. 2

1.2. IDEA CENTRAL
Si el objetivo es explicar el valor que toma, en un momento determinado del tiempo, un fenómeno económico que
muestra dependencia temporal, un procedimiento factible consiste en recoger información sobre su evolución a lo
largo del tiempo, y explotar el patrón de regularidad que muestran los datos.
Para construir un modelo de series de tiempo, lo único quese necesita es la información muestral de la variable a
analizar.
Si se desea explicar el comportamiento de una variable temporal Yt, un modelo de series temporales puede
plantearse como:

Y t = f( Y t -1 , Y t - 2 , ... )
1.3. VENTAJAS Y DESVENTAJAS
(comparación con el método de regresión)
Ventajas de los modelos de series temporales:
i)

a menudo no se dispone de los datos de lasvariables exógenas (por ejemplo, expectativas, gap de
producto);

ii)

dificultades en el marco del método de regresión para la estimación con variables retardadas
(especialmente con la variable endógena retardada);

iii)

predicción: ¿cómo predecir los valores de las variables exógenas?

iv)

son más sencillos de estimar;

v)

con niveles de desagregación temporal elevados (datosmensuales, semanales, diarios) es mucho más fácil
construir un modelo de series temporales;

Limitaciones:
vi)

un modelo econométrico, estimado adecuadamente, será más eficiente, y por lo tanto más útil que un
modelo de series temporales;

vii)

los modelos econométricos permiten conocer la forma en que la variable de interés se relaciona con las
variables exógenas; éste puede ser elobjetivo principal del análisis (por ejemplo, estimación de una
elasticidad).

FINALMENTE, ABORDAJES COMPLEMENTARIOS Y NO OPUESTOS

Prof. Adrián Fernández – Análisis de Series de Tiempo

Cap. 1 - Pág. 3

1.4. MODELOS DE SERIES TEMPORALES
Variables temporales: variables que se observan a lo largo del tiempo. Yt indica la variable Y en el momento t.
Serie temporal: Conjunto de Tobservaciones, una observación por cada una de las variables: Y1, Y2, ..., YT.
Sinónimo: serie cronológica.
A las observaciones de una variable temporal se denominan realizaciones. Son los resultados de un proceso
estocástico, como se plantea más adelante.
En gran parte de las variables temporales propias del análisis económico se detecta un patrón de comportamiento
en el tiempo. Las series presentanmovimientos sistemáticos (repetitivos). En la evolución en el tiempo se observa
una regularidad.
Esta regularidad de las series temporales es, en general, estocástica y no determinística. Es decir, esa regularidad
no admite una formulación funcional determinista, sino que es función de variables aleatorias.
Estimando tal regularidad, el analista construye un mecanismo explicativo que recibe...