Resumen Series temporales

SERIES DE TIEMPO
La metodología ARIMA es una pequeña parte de lo que se conoce como Econometría de series temporales.
La utilización de modelos ARIMA es principalmente para pronóstico a corto plazo,descartando la comprensión estructural del fenómeno o la simulación de escenarios
Los procedimientos se han contrapuesto a la llamada “econometría estructural”, es decir, a la especificación demodelos econométricos apoyada en las teorías subyacentes
COMPOSICIÓN DE PATRONES SISTEMÁTICOS Y ESTOCÁSTICOS
Una serie temporal de datos puede dividirse en componentes parciales que agregados conforme unesquema de suma o multiplicación y configuran el aspecto global de la serie observada.
Agregación de cuatro patrones de evolución de sus datos: tendencia, ciclo, estacionalidad y componente estocásticoo no sistemático.

Innovación, componente aleatorio o no sistemático: Porción no sistemática del comportamiento temporal de una serie, o al menos movimiento que no puede catalogarse como estacional,tendencial y/o cíclico.
La idea básica del análisis de series de tiempo consiste en que cada uno de estos componentes puede ser analizado de forma separada para posteriormente, agregar los análisisparciales en un resultado conjunto.
En ocasiones, el análisis se centra sólo en alguno de los componentes sistemáticos por separado (tendencia, estacionalidad, ciclo).
En otras ocasiones, como es elcaso del modelamiento de series de tiempo, lo que interesa es ir más allá de los componentes cíclicos, tendenciales y estacionales, estudiando el componente no sistemático, de carácter aparentementealeatorio, para tratar de identificar algún patrón de interés en su evolución que ayude a entender la progresión de la serie completa.
Así pues, la aplicación de modelos de series de tiempo suelerealizarse por descomposición, analizando en primer lugar la tendencia de la serie, pasando después a observar la estacionalidad y concentrándose después en la identificación del componente estocástico o no...