introduccion a modelos arima
Páginas: 2 (475 palabras)
Publicado: 4 de agosto de 2014
I.1.- INTRODUCCIÓN
En 1970, Box y Jenkins desarrollaron un cuerpo metodológico destinado a identificar, estimar y diagnosticar modelos dinámicos de series temporales en los que la variable tiempojuega un papel fundamental, los modelos ARIMA. La metodología ARIMA es sólo una pequeña parte de los que se conoce normalmente como “Econometría de Series Temporales” pero, sin duda alguna, una delas más utilizadas y germen de otros muchos desarrollos posteriores.
Como se verá a lo largo del curso, esta metodología libera al investigador económetra de la tarea de especificación de losmodelos (revisión de marco teórico, identificación de variables relevantes, especificación de forma funcional,……) dejando que los propios datos temporales de la variable a estudiar nos indiquen lascaracterísticas de la estructura probabilística subyacente y nos ayuden a pronosticar el futuro.
En ocasiones, los procedimientos que vamos a analizar se han contrapuesto a la llamada “econometríaestructural”, es decir, a la especificación de modelos econométricos apoyada en las teorías subyacentes; sin embargo, hoy en día los conceptos y procedimientos que examinaremos constituyen más unaherramienta para apoyar y complementar los conocimientos econométricos tradicionales que un modo alternativo de “hacer econometría”. Por otro lado, la utilización de modelos ARIMA se restringe a series largasy de “alta frecuencia” (meses, semanas, días,….) y su utilidad finalista los hace útiles para el pronóstico a corto plazo pero no para la comprensión estructural del fenómeno o la simulación deescenarios.
I.2.- DEFINICIONES BÁSICAS PARA APROXIMARSE A LOS MODELOS ARIMA
1. Proceso estocástico
Un proceso estocástico es una sucesión de variables aleatorias Yt ordenadas, pudiendo tomar tcualquier valor entre - y . Por ejemplo, la siguiente sucesión de variables aleatorias puede ser considerada como proceso estocástico:
El subíndice t no tiene, en principio, ninguna...
En 1970, Box y Jenkins desarrollaron un cuerpo metodológico destinado a identificar, estimar y diagnosticar modelos dinámicos de series temporales en los que la variable tiempojuega un papel fundamental, los modelos ARIMA. La metodología ARIMA es sólo una pequeña parte de los que se conoce normalmente como “Econometría de Series Temporales” pero, sin duda alguna, una delas más utilizadas y germen de otros muchos desarrollos posteriores.
Como se verá a lo largo del curso, esta metodología libera al investigador económetra de la tarea de especificación de losmodelos (revisión de marco teórico, identificación de variables relevantes, especificación de forma funcional,……) dejando que los propios datos temporales de la variable a estudiar nos indiquen lascaracterísticas de la estructura probabilística subyacente y nos ayuden a pronosticar el futuro.
En ocasiones, los procedimientos que vamos a analizar se han contrapuesto a la llamada “econometríaestructural”, es decir, a la especificación de modelos econométricos apoyada en las teorías subyacentes; sin embargo, hoy en día los conceptos y procedimientos que examinaremos constituyen más unaherramienta para apoyar y complementar los conocimientos econométricos tradicionales que un modo alternativo de “hacer econometría”. Por otro lado, la utilización de modelos ARIMA se restringe a series largasy de “alta frecuencia” (meses, semanas, días,….) y su utilidad finalista los hace útiles para el pronóstico a corto plazo pero no para la comprensión estructural del fenómeno o la simulación deescenarios.
I.2.- DEFINICIONES BÁSICAS PARA APROXIMARSE A LOS MODELOS ARIMA
1. Proceso estocástico
Un proceso estocástico es una sucesión de variables aleatorias Yt ordenadas, pudiendo tomar tcualquier valor entre - y . Por ejemplo, la siguiente sucesión de variables aleatorias puede ser considerada como proceso estocástico:
El subíndice t no tiene, en principio, ninguna...
Leer documento completo
Regístrate para leer el documento completo.