Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 37 vistas

    Modelo Arima

    Cargado por

    Jhonatan Catacora
    El documento describe un modelo ARIMA aplicado al índice de precios al consumidor en Perú. 1) La serie muestra tendencia no estacionaria. 2) La prueba ADF muestra que la serie original no es estacionaria pero su primera diferencia sí lo es. 3) El correlograma sugiere un modelo ARIMA(3,1,1). 4) El modelo estimado es ARIMA(3,1,10) y explica el 51% de la varianza, siendo significativo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Modelo Arima

    Cargado por

    Jhonatan Catacora
    37 vistas8 páginas
    El documento describe un modelo ARIMA aplicado al índice de precios al consumidor en Perú. 1) La serie muestra tendencia no estacionaria. 2) La prueba ADF muestra que la serie original no es estacionaria pero su primera diferencia sí lo es. 3) El correlograma sugiere un modelo ARIMA(3,1,1). 4) El modelo estimado es ARIMA(3,1,10) y explica el 51% de la varianza, siendo significativo.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe un modelo ARIMA aplicado al índice de precios al consumidor en Perú. 1) La serie muestra tendencia no estacionaria. 2) La prueba ADF muestra que la serie original no es estacionaria pero su primera diferencia sí lo es. 3) El correlograma sugiere un modelo ARIMA(3,1,1). 4) El modelo estimado es ARIMA(3,1,10) y explica el 51% de la varianza, siendo significativo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    37 vistas8 páginas

    Modelo Arima

    Cargado por

    Jhonatan Catacora
    El documento describe un modelo ARIMA aplicado al índice de precios al consumidor en Perú. 1) La serie muestra tendencia no estacionaria. 2) La prueba ADF muestra que la serie original no es estacionaria pero su primera diferencia sí lo es. 3) El correlograma sugiere un modelo ARIMA(3,1,1). 4) El modelo estimado es ARIMA(3,1,10) y explica el 51% de la varianza, siendo significativo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 8

    MODELO ARIMA

    By. Rolly Vasquez

    Aplicación para la serie del índice de precious al consumidor (IPC)


    El archivo IPC.WF1 de Eviews9 contiene datos mensuales de la
    variable IPC entre enero de 2005 y abril de 2009.
    By. Rolly Vasquez
    Canal YouTube. https://youtu.be/9x_-FkSVxo8
    WhatsApp: https://wa.me/59176410675

    Rolly Vasquez
    Metodología de Box-Jeking
    1. Grafica de la serie (se introduce la grafica por que es parte fundamental para realizar
    cualquier modelo econométrico).
    By. Rolly Vasquez

    2. Prueba de Estacionariedad
    3. Correlograma
    4. Estimación
    5. Test de Ruido Blanco
    6. Pronostico

    Rolly Vasquez
    1. Grafica de la serie

    ÍNDICE DE PRECIOS AL CONSUMIDOR (AÑO BASE 2007=100)


    By. Rolly Vasquez

    120

    115
    • EL comportamiento del ipc para el
    periodo 2005-2009, muestra un intercepto
    110
    y una tendencia puede apreciarse que no
    105
    es estacionaria. Existe 3 periodos que se
    100 pueden observar el primero del 2005 -2006
    95 con una pendiente moderada, el Segundo
    90 con una mayor pendiente entre 2008-2009,
    85
    y el ultimo durante el periodo 2009 mas
    estable.
    80
    I II
    2005
    III IV I II
    2006
    III IV I II
    2007
    III IV I II
    2008
    III IV I II
    2009
    III IV
    • Se sugiere realizar la prueba de ADF para
    ver si la serie es estacionaria o no.

    Rolly Vasquez
    2. Prueba de Estacionariedad
    Null Hypothesis: D(IPC) has a unit root
    Exogenous: Constant, Linear Trend
    Lag Length: 0 (Automatic - based on SIC, maxlag=10)
    By. Rolly Vasquez

    t-Statistic Prob.*

    Augmented Dickey-Fuller test statistic -4.534890 0.0031


    Test critical values: 1% level -4.124265
    5% level -3.489228
    10% level -3.173114

    *MacKinnon (1996) one-sided p-values.


    ∆Yt = μ + βt + γ1 Yt−1+ ෍ αi ∆Yt + εt

    Ho: γ=0, (Yt tiene raiz unitaria) Yt no es estacionaria


    EL primer cuadro muestra la prob del estadístico de prueba no es menor que el nivel de
    significancia (5%), por lo tanto no rechazo la hipótesis nula el IPC no es estacionario.
    En el Segundo cuadro se puede observas que la prob del estadístico, es menor que el 5% es
    estadísticamente significativo rechazo la ho, por lo tanto la serie del D(IPC) es estacionaria.
    Rolly Vasquez
    3. Correlograma
    Se observar que la función de
    autocorrelacion parcial cae de manera
    lenta es convergente, y la función de
    By. Rolly Vasquez

    autocorrelacion cae abruptamente


    después del 7 rezago. Se encuentra un
    ar(1) ar(2) ar(3) ar(6), y las
    frecuencias altas como el ma(10).

    Rolly Vasquez
    4. Estimacion del Modelo ARIMA(p,d,q)
    ∆𝐼𝑃𝐶t = 0.63 + 0.41∆𝐼𝑃𝐶t−1 − 0.38∆𝐼𝑃𝐶t−2 + 0.49∆𝐼𝑃𝐶t−3 + 0.25∆𝐼𝑃𝐶t−6 − 0.88∆𝜀t−10

    Dependent Variable: DIPC


    By. Rolly Vasquez

    Method: ARMA Conditional Least Squares (Marquardt - EViews legacy)


    Date: 02/29/16 Time: 17:26
    Sample (adjusted): 2005M08 2009M12
    Included observations: 53 after adjustments
    Convergence achieved after 11 iterations
    EL único de los coeficientes que no es
    MA Backcast: 2004M10 2005M07 estadísticamente significativo al 1% es el
    Variable Coefficient Std. Error t-Statistic Prob. AR(6), el resto son estadísticos menores al
    C 0.635798 0.209987 3.027792 0.0040
    1%, así mismo la significancia global es
    AR(1) 0.412832 0.120886 3.415057 0.0013 estadísticamente significativo.
    AR(2) -0.383466 0.124540 -3.079050 0.0035
    AR(3)
    AR(6)
    0.497669
    0.259974
    0.130388
    0.137521
    3.816832
    1.890437
    0.0004
    0.0649
    Las raíces del polinomio característico caen
    MA(10) -0.869650 0.033140 -26.24163 0.0000 dentro del circulo unitario para los
    R-squared 0.511169 Mean dependent var 0.555596 coeficientes autorregresivos, para el caso de
    Adjusted R-squared
    S.E. of regression
    0.459166
    0.492555
    S.D. dependent var
    Akaike info criterion
    0.669765
    1.527850
    MA están sobre la línea.
    Sum squared resid 11.40270 Schwarz criterion 1.750902
    Log likelihood -34.48803 Hannan-Quinn criter. 1.613625
    F-statistic 9.829545 Durbin-Watson stat 2.061901
    Prob(F-statistic) 0.000002

    Inverted AR Roots .94 .36-.65i .36+.65i -.31-.86i


    -.31+.86i -.61
    Inverted MA Roots .99 .80-.58i .80+.58i .30+.94i
    .30-.94i -.30+.94i -.30-.94i -.80-.58i
    -.80+.58i -.99

    Rolly Vasquez
    5. Test de Ruido Blanco
    Se ha realizado el test de ruido blanco para los
    para los residuos del modelo, se observa en la
    imagen que las prob del estadístico de prueba
    By. Rolly Vasquez

    son mayores al 5%, no es estadísticamente


    significativo, no se rechaza la ho , por lo que los
    errores del modelo son ruido blanco.

    Rolly Vasquez
    6. Pronostico del IPC
    120
    Se puede observar el pronostico en color azul con
    el nombre IPCF “F” indica que es el pronostico, el
    116

    112
    pronostico se realizo desde 2009m12 hasta
    By. Rolly Vasquez

    108
    2010m04, y por otro lado se muestra a la serie
    104
    IPC en color rojo hasta 2009m12 para poder
    100
    apreciar las dos series.
    96

    92

    88

    84
    I II III IV I II III IV I II III IV I II III IV I II III IV I II
    2005 2006 2007 2008 2009 2010

    IPCF IPC

    Rolly Vasquez

    También podría gustarte