ESCUELA POLITCNICA NACIONAL

SERIES TEMPORALES

Daniel Ayala
Diego Morales

Trabajo 3

Introduccin:


En el corto plazo se producen cambios en la evolucin de la economa que es necesario conocer
oportunamente. Las Cuentas Nacionales Trimestrales (CNT) suministran los datos necesarios para
detectar esos cambios, e informan las variaciones en el trimestre del Producto Interno Bruto (PIB),
el consumo, las exportaciones, las importaciones, la inversin, entre otros.
El presente trabajo se enfocar en el PIB, el consumo total (CT) y la demanda final interna (DFI);
para lo cual se har uso de modelo de vectores autoregresivos para su estudio trimestral y clculo
de predicciones.

Las series de datos trimestrales utilizados fueron extradas de la pgina web del Departamento
Administrativo Nacional de Estadstica (DANE) Bogot-Colombia en la siguiente direccin
electrnica: http://www.dane.gov.co/index.php/cuentas-economicas/cuentas-trimestrales. Estos
datos corresponden al primer trimestre del ao 2000 hasta el ltimo trimestre del ao 2013.

A continuacin se presenta el grfico de las series



Grfico 1: Series PIB, CT, DFI (2000-2013)

Se realiza la prueba de Dickey-Fuller a nivel (prueba de races unitarias) a cada una de las series
para aceptar o rechazar la estacionariedad de las mismas.
En el caso del PIB se obtiene que la serie, puesto que el p-valor es mayor a 0.05, es estacionaria
como se observa en la figura 1.

Figura 1: Prueba DFA para PIB
En el caso del consumo total se obtiene que la serie, puesto que el p-valor es mayor a 0.05, es
estacionaria como se observa en la figura 2.

Figura 2: Prueba DFA para CT





Por ltimo, en el caso de la demanda final interna se obtiene que la serie, puesto que el p-valor es
mayor a 0.05, es estacionaria como se observa en la figura 3.

Figura 3: Prueba DFA para DFI
Debido a que las series no son estacionarias, se realizan las pruebas de Dickey-Fuller de las series
en segundas diferencias.


Figura 4: Prueba DFA para PIB en segunda diferencia

Figura 4: Prueba DFA para CT en segunda diferencia

Figura 5: Prueba DFA para DFI en segunda diferencia
Dado que el p-valor es menor a 0,05 en cada prueba se concluye que debe realizar dos
diferenciaciones no estacionales para obtener series estacionarias; adems las series son
integradas de orden 2, (2).
Se prosigue con la eleccin del retardo ptimo, para ello se analizan los criterios de seleccin para
el retardo del VAR especificados en la figura 6.

Figura 6: Criterios para escoger el retardo

Se elige entonces el retardo 1 (p=1) puesto que se minimiza en cuatro de los seis criterios (FPE,
AIC, SC, HQ).




Se contina con la prueba de Johansen para la cointegracin de las series utilizando el retardo
obtenido anteriormente.


Figura 7: Prueba de Johansen para las series PIB, CT y DFI
Se observa que tanto el modelo lineal con intercepto y sin tendencia, como el modelo cuadrtico
con intercepto y tendencia se pueden utilizar para estimar nuestras series. En adelante se
trabajar con ambos modelos y de ser ambos vlidos se escoger aquel cuyos criterios de calidad
sean mejores para hacer las predicciones.

Se empieza trabajando con el modelo lineal con intercepto y sin tendencia (Modelo 1), para ello se
realiza la estimacin del modelo vectorial de correccin del error VEC con retardo 1 y relacin de
cointegracin 1 (resultado de la prueba de Johansen).










Figura 8: Especificaciones del Modelo 1




Y la estimacin del modelo VEC es el siguiente:

Figura 9: Modelo 1

Figura 10: Criterios de calidad Modelo 1
Se empieza verificando el modelo con el criterio de estabilidad, para ello se observan las races del
polinomio caracterstico









Figura 11: Criterio de estabilidad para el Modelo 1
Puesto que el modelo VEC impone dos races unitarias y debido a que el resto de las inversas de
las races del polinomio caracterstico se encuentran dentro del crculo unidad, se sigue que el
modelo es estable y por ende estacionario.
Se sigue verificando si los residuos del Modelo 1 son ruidos blancos, para ello se realizan las
pruebas de Portmanteau y LM para la independencia, y de Jarque-Bera para la normalidad.

Figura 12: Prueba de autocorrelacin de Portmanteau
En la figura 12 se observa que los p-valores de los retardos 2 al 6 son no significativos, por lo tanto
a partir del segundo retardo los residuos son considerados ruido blanco.

Figura 13: Prueba LM
La figura 13 muestra que los p-valores son mayores a 0,05, por lo tanto los residuos son blancos a
partir del primer retardo.
Con los resultados de estas dos pruebas se concluye que los residuos son ruido blanco.
Se realiza la prueba de normalidad de los residuos (Jarque-Bera), y de la figura 14 se concluye que
residuos provienen de una distribucin normal multivariante.


Figura 14: Prueba de normalidad de los residuos
En consecuencia el Modelo 1 es vlido.






Se prosigue con el modelo cuadrtico con intercepto y tendencia (Modelo 2), para ello se realiza la
estimacin del modelo vectorial de correccin del error VEC con retardo 1 y relacin de
cointegracin 1 (resultado de la prueba de Johansen).


Figura 15: Especificaciones del Modelo 2




Y la estimacin del modelo VEC es el siguiente:

Figura 16: Modelo 2




Figura 17: Criterios de calidad Modelo 2

Verificando el modelo con el criterio de estabilidad, para ello se observan las races del polinomio
caracterstico




Figura 18: Criterio de estabilidad para el Modelo 2
Puesto que el modelo VEC impone dos races unitarias y debido a que el resto de las inversas de
las races del polinomio caracterstico se encuentran dentro del crculo unidad, se sigue que el
modelo es estable y por ende estacionario.



Se sigue verificando si los residuos del Modelo 2 son ruidos blancos, para ello se realizan las
pruebas de Portmanteau y LM para la independencia, y de Jarque-Bera para la normalidad.

Figura 19: Prueba de autocorrelacin de Portmanteau
En la figura 19 se observa que los p-valores de los retardos 2 al 6 son no significativos, por lo tanto
a partir del segundo retardo los residuos son considerados ruido blanco.

Figura 20: Prueba LM
La figura 20 muestra que los p-valores son mayores a 0,05, por lo tanto los residuos son blancos a
partir del primer retardo.
Con los resultados de estas dos pruebas se concluye que los residuos son ruido blanco.
Se realiza la prueba de normalidad de los residuos (Jarque-Bera), y de la figura 21 se concluye que
residuos provienen de una distribucin normal multivariante.


Figura 21: Prueba de normalidad de los residuos
En consecuencia el Modelo 2 es vlido.
Observando los criterios de las figuras 10 y 17 de los modelos 1 y 2 respectivamente se concluye
que el modelo 1 es de mejor calidad que el modelo 2 y por tanto se utilizar este para realizar las
predicciones de los trimestres correspondientes al ao 2013.

Predicciones:
Las predicciones a partir del modelo 1, como se observan en la figura 22 y grfico 2, son las
siguientes:

Figura 22: Grfico de las predicciones de PIB, CT y DIF

Grfico 2: Grfico de las predicciones de PIB, CT y DIF