CHAPTE R 1

ECUACIONES DE DIFERENCIA

Objetivos de aprendizaje
1. Explicar cómo las ecuaciones de diferencias estocásticas se pueden usar para pronosticar e ilustrar
cómo tales ecuaciones pueden surgir de modelos económicos familiares.
2. Explica qué significa resolver una ecuación de diferencia.
3. Demostrar cómo encontrar la solución a una ecuación de diferencia estocástica usando el método
iterativo.
4. Demostrar cómo encontrar la solución homogénea a una ecuación de diferencia.
5. Ilustra el proceso de búsqueda de la solución homogénea.
6. Muestre cómo encontrar soluciones homogéneas en ecuaciones de diferencia de orden superior.
7. Muestre cómo encontrar la solución particular a una ecuación de diferencia determinista.
8. Explica cómo usar el Método de coeficientes indeterminados para encontrar la solución particular a una
ecuación de diferencia estocástica.
9. Explica cómo utilizar los operadores de retardo para encontrar la solución particular a una ecuación de
diferencia estocástica.

INTRODUCCION
Las ecuaciones de la teoría de la diferencia son la base de todos los métodos de series temporales
empleados en capítulos posteriores de este texto. Es justo decir que la econometría de series de tiempo se
refiere a la estimación de ecuaciones de diferencia que contienen componentes estocásticos. El uso
tradicional del análisis de series de tiempo fue para pronosticar la ruta de tiempo de una variable.
Descubrir la ruta dinámica de una serie mejora las previsiones ya que los componentes predecibles de la
serie se pueden extrapolar en el futuro. El creciente interés en la dinámica económica ha dado un nuevo
énfasis a la econometría de series temporales. Las ecuaciones de diferencias estocásticas surgen
naturalmente de los modelos económicos dinámicos. Las ecuaciones estimadas apropiadamente pueden
usarse para la interpretación de datos económicos y para la prueba de hipótesis.
1. SERIE TIEMPO MODELOS
La tarea que enfrenta el econometrista de la serie temporal moderna es desarrollar modelos
razonablemente simples capaces de pronosticar, interpretar y probar hipótesis sobre datos económicos. El
desafío ha crecido con el tiempo; el uso original del análisis de series de tiempo fue principalmente como
una ayuda para la predicción. Como tal, se desarrolló una metodología para descomponer una serie en una
tendencia, un componente estacional, un componente cíclico y otro irregular. El componente de tendencia
representó el comportamiento a largo plazo de la serie y el componente cíclico representó los
movimientos periódicos regulares. El componente irregular fue estocástico y el objetivo del econométrico
fue estimar y pronosticar este componente.
Supongamos que observa los cincuenta puntos de datos que se muestran en la Figura 1.1 y está interesado
en pronosticar los valores posteriores. Usando los métodos de series de tiempo discutidos en los
siguientes capítulos, es posible descomponer esta serie en los componentes de tendencia, estacionales e
irregulares que se muestran en el panel inferior de la figura. Como puede ver, la tendencia cambia la
media de la serie, y el componente estacional imparte un patrón cíclico regular con picos que ocurren
cada doce unidades de tiempo. En la práctica, la tendencia y los componentes estacionales no serán las
funciones deterministas simplistas que se muestran en esta figura. La visión moderna sostiene que una
serie contiene elementos estocásticos en los componentes de tendencia, estacionales e irregulares. Por el
momento, es aconsejable eludir estas complicaciones para que la proyección de la tendencia y los
componentes estacionales en los períodos 51 y posteriores sea sencilla.
Observe que el componente irregular, aunque no tiene un patrón bien definido, es algo predecible. Si
examina la figura de cerca, verá que los valores positivos y negativos se producen en carreras; la
aparición de un gran valor en cualquier período tiende a
ser seguido por otro gran valor. Las predicciones a corto plazo harán uso de esta correlación positiva en el
componente irregular. Sin embargo, durante todo el tramo, el componente irregular muestra una tendencia
a volver a cero. Como se muestra en la parte inferior, la proyección del componente irregular pasado el
período 50 decae rápidamente hacia cero. El pronóstico general, que se muestra en la parte superior de la
figura, es la suma de cada componente pronosticado.
La metodología general utilizada para hacer tales predicciones implica encontrar la ecuación de
movimiento que conduce un proceso estocástico y usar esa ecuación para predecir los siguientes
resultados. Deje yt denote el valor de un punto de datos en el período t; si usamos esta notación, el
ejemplo en la Figura 1.1 asume que observamos y1 a y50. Para t = 1 a 50, las ecuaciones de movimiento
utilizadas para construir componentes de la serie yt son

DONDE:
Tt = valor del componente de tendencia en el período t
St = valor del componente estacional en t
It = el valor del componente irregular en t
εt = una perturbación aleatoria pura en t

Por lo tanto, la perturbación irregular en t es el 70% de la perturbación irregular del período anterior más
un término de perturbación aleatorio.
Cada una de estas tres ecuaciones es un tipo de ecuación de diferencia. En su forma más general, una
ecuación de diferencia expresa el valor de una variable en función de sus propios valores rezagados, el
tiempo y otras variables. La tendencia y los términos estacionales son ambas funciones del tiempo y el
término irregular es una función de su propio valor rezagado y de la variable estocástica εt. La razón para
introducir este conjunto de ecuaciones es señalar que la econometría de series de tiempo se refiere a la
estimación de ecuaciones de diferencia que contienen componentes estocásticos. El econométrico de
series de tiempo puede estimar las propiedades de una sola serie o un vector que contiene muchas series
interdependientes. En el texto se presentan los métodos de pronóstico univariante y multivariante. El
Capítulo 2 muestra cómo estimar la parte irregular de una serie. El Capítulo 3 considera la estimación de
la varianza cuando los datos muestran períodos de volatilidad y tranquilidad. La estimación de la
tendencia se considera en el Capítulo 4, que se centra en la cuestión de si la tendencia es determinista o
estocástica. El Capítulo 5 discute las propiedades de un vector de ecuaciones de diferencias estocásticas, y
el Capítulo 6 se refiere a la estimación de tendencias en un modelo multivariante. El Capítulo 7 presenta
el área de investigación nueva y creciente que involucra modelos de series temporales no lineales.
Aunque el pronóstico siempre ha sido el pilar del análisis de series de tiempo, la creciente importancia de
la dinámica económica ha generado nuevos usos para el análisis de series de tiempo. Muchas teorías
económicas tienen representaciones naturales como ecuaciones de diferencias estocásticas. Además,
muchos de estos modelos tienen implicaciones comprobables con respecto a la ruta temporal de una
variable económica clave. Considere los siguientes cuatro ejemplos:

1. La hipótesis del paseo aleatorio: en su forma más simple, el modelo de paseo aleatorio sugiere que
los cambios diarios en el precio de una acción deberían tener

un valor medio de cero. Después de todo, si se sabe que se puede obtener una ganancia de capital
comprando una acción el día t y vendiéndola para un beneficio esperado al día siguiente, la especulación
eficiente aumentará el precio actual. Del mismo modo, nadie querrá mantener una acción si se espera que
se deprecie. Formalmente, el modelo afirma que el precio de una acción debe evolucionar de acuerdo con
la ecuación de la diferencia estocástica

donde yt = el logaritmo del precio de una acción en el día t, y εt + 1 =

un término de perturbación aleatorio que tiene un valor esperado de cero.
Ahora considere la ecuación de la diferencia estocástica más general

La hipótesis del paseo aleatorio requiere la restricción comprobable: α0 = α1 = 0.

Rechazar esta restricción equivale a rechazar la teoría. Dada la información disponible en el período t, la
teoría también requiere que la media de εt + 1 sea igual a cero; la evidencia de que εt + 1 es predecible
invalida la hipótesis del paseo aleatorio. Nuevamente, la estimación apropiada de este tipo de modelo de
ecuación única se considera en los Capítulos 2 a 4.
2. Formas reducidas y ecuaciones estructurales: a menudo es útil colapsar un sistema de
ecuaciones de diferencia en modelos separados de una ecuación. Para ilustrar las cuestiones
clave involucradas, considere una versión estocástica del modelo clásico de Samuelson (1939):

donde yt, ct, y denota PIB real, consumo e inversión en el período de tiempo t, respectivamente. En este
modelo keynesiano, yt, ct, y son variables endógenas. El PIB y el consumo del período anterior, yt-1 y ct-
1, se denominan variables endógenas predeterminadas o rezagadas. Los términos εct y εit son
perturbaciones aleatorias medias cero para consumo e inversión, y los coeficientes α y β son parámetros a
estimar.
La primera ecuación iguala el producto agregado (PIB) con la suma del gasto de consumo y de inversión.
La segunda ecuación afirma que el gasto de consumo es proporcional al PIB del período anterior más un
término de perturbación aleatoria. La tercera ecuación ilustra el principio del acelerador. El gasto de
inversión es proporcional al cambio en el consumo; la idea es que el crecimiento en el consumo requiere
un nuevo gasto de inversión. Los términos de error εct y εit representan las porciones de consumo e
inversión no explicadas por las ecuaciones de comportamiento del modelo.

La ecuación (1.3) es una ecuación estructural, ya que expresa la variable endógena como dependiente de
la realización actual de otra variable endógena, ct. Una ecuación de forma reducida expresa el valor de
una variable en términos de sus propios rezagos. , rezagos de otras variables endógenas, valores actuales y
pasados de variables exógenas y términos de perturbación. Tal como está formulado, la función de
consumo ya está en forma reducida; el consumo actual depende solo del ingreso rezagado y del valor
actual del término de perturbación estocástica. La inversión no está en forma reducida porque depende del
consumo del período actual.
Para derivar una ecuación de forma reducida para la inversión, sustituya (1.2) en la ecuación de inversión
para obtener

3.