NotasdeClase 2019 I UDEP

Índice general
I Series de tiempo estacionarias 1
1. Introducción 1
1.1. Ecuaciones en diferencia . . . . . . . . . . . . . . . . . . . . . 1
1.2. Operadores de Rezago . . . . . . . . . . . . . . . . . . . . . . 4
2. Modelos ARIMA 7
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Modelos AR(p) . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Modelos MA(q) . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4. Modelos ARMA(p,q) . . . . . . . . . . . . . . . . . . . . . . . 12
2.5. El teorema de representación de Wold . . . . . . . . . . . . . 13
3. Predicción en modelos ARMA 15

3.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2. Predicción con intervalos de con…anza . . . . . . . . . . . . . 17
3.3. Predicción con parámetros estimados . . . . . . . . . . . . . . 17
3.4. Calculando el mejor predictor lineal . . . . . . . . . . . . . . 18
3.5. Criterios para evaluar predicciones . . . . . . . . . . . . . . . 20
3.6. El estadístico de Diebold-Mariano . . . . . . . . . . . . . . . 22
4. Identi…caciòn de los modelos ARIMA 25

4.1. La metodología de Box y Jenkins . . . . . . . . . . . . . . . . 25
5. Estimación 29
5.1. La función de verosimilitud . . . . . . . . . . . . . . . . . . . 30
5.2. Algoritmos numéricos de optimización1 . . . . . . . . . . . . . 33
5.2.1. Métodos libres de derivadas . . . . . . . . . . . . . . . 34
1
Este capítulo se basa en el Libro .A pplied Computational Economics and Finance"de
Mario J. Miranda y Paul L. Fackler
v
vi ÍNDICE GENERAL
5.2.2. Métodos basados en derivadas . . . . . . . . . . . . . . 34
6. Aplicaciones de Laboratorio 37
6.1. Identi…cación de los procesos ARIMA . . . . . . . . . . . . . 37
6.1.1. AR(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.1.2. MA(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1.3. AR(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.1.4. MA(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.1.5. Comandos usuales en Eviews . . . . . . . . . . . . . . 41
6.1.6. Apéndice: Simulación de procesos ARMA en MATLAB 42
6.1.7. AR(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.1.8. MA(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.1.9. Asignación . . . . . . . . . . . . . . . . . . . . . . . . 48
6.2. Predicción y Experimentos Computacionales . . . . . . . . . 49
6.2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 49
6.2.2. Lineamientos básicos . . . . . . . . . . . . . . . . . . . 50
6.2.3. Predicción y bandas de con…anza en un ARM A (p; q) 51
6.2.4. Encontrando el mejor predictor lineal en un AR(p) . . 53
6.2.5. Predicción en Eviews . . . . . . . . . . . . . . . . . . . 57
6.2.6. Análisis de indicadores . . . . . . . . . . . . . . . . . . 60
6.2.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.3. Estimación por Máxima Verosimilitud . . . . . . . . . . . . . 61
6.3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 61
6.3.2. Algoritmos de Optimización y Máxima Verosimilitud . 62
6.3.3. Estimación por Máxima Verosimilitud en Eviews . . . 64
6.3.4. Análisis de la e…ciencia del estimador . . . . . . . . . 66
6.3.5. Test de signi…cancia . . . . . . . . . . . . . . . . . . . 67
6.3.6. Estimación por Máxima Verosimilitud en Matlab . . . 67
6.3.7. Asignación . . . . . . . . . . . . . . . . . . . . . . . . 70
6.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
7. Vectores Autorregresivos2 75
7.1. Estacionariedad y momentos . . . . . . . . . . . . . . . . . . 77
7.2. Causalidad en el sentido de Granger . . . . . . . . . . . . . . 81
7.3. La representación en medias móviles . . . . . . . . . . . . . . 81
7.4. Función impulso respuesta . . . . . . . . . . . . . . . . . . . . 83
7.5. Descomposición de Varianza . . . . . . . . . . . . . . . . . . . 83
2
La mayoría del material discutido en estas notas es un resumen de los capítulos 10
y 11 de Hamilton (1994) y del libro de Amisano y Giannini "Topics in Structural VAR
Econometrics"
ÍNDICE GENERAL vii
7.6. Estimación de modelos VAR(p) . . . . . . . . . . . . . . . . . 85

7.7. Identi…cación de modelos VAR(p) . . . . . . . . . . . . . . . . 87
8. VAR Estructurales 89
8.1. Descomposición de Choleski . . . . . . . . . . . . . . . . . . . 90
8.2. Restricciones contemporáneas . . . . . . . . . . . . . . . . . . 92
8.2.1. Bernanke y Mihov . . . . . . . . . . . . . . . . . . . . 92
8.2.2. Cushman y Zha . . . . . . . . . . . . . . . . . . . . . . 95
8.3. Variables no estacionarias . . . . . . . . . . . . . . . . . . . . 96
8.3.1. Restricciones de Largo Plazo . . . . . . . . . . . . . . 97
9. Modelos VAR en la práctica 103

9.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9.2. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9.3. El sistema de Vectores autorregresivos: Una Recapitulación . 104
9.3.1. Estimación . . . . . . . . . . . . . . . . . . . . . . . . 104
9.3.2. Función de impulso-respuesta . . . . . . . . . . . . . . 106
9.3.3. Descomposición de Varianza . . . . . . . . . . . . . . . 106
9.4. El Modelo de Stock y Watson (2001)3 . . . . . . . . . . . . . 107
9.5. Var en Eviews . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9.5.1. Estimación . . . . . . . . . . . . . . . . . . . . . . . . 108
9.5.3. Descomposición de Varianza . . . . . . . . . . . . . . . 112
9.5.4. Extensión: Predicción en VAR . . . . . . . . . . . . . 113
9.6. VAR en MATLAB4 . . . . . . . . . . . . . . . . . . . . . . . . 115
9.6.1. Estimación . . . . . . . . . . . . . . . . . . . . . . . . 115
10.Modelos Var Estructurales en la Práctica 123

10.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
10.2. El Modelo de Stock y Watson (2001) . . . . . . . . . . . . . . 123
10.3. El modelo con restricciones de largo plazo . . . . . . . . . . . 127
10.4. Midiendo los choques de Política Monetaria: Bernanke y Mi-
hov (1998) (en progreso...) . . . . . . . . . . . . . . . . . . . . 131
10.4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 131
10.4.2. Identi…cación y estimación . . . . . . . . . . . . . . . . 133
3
Stock y Watson (2001), “Vector Autorregressions”, Journal of Economic Perspectives
(JEP), Volumen 15, Número 4, Páginas 101-115.
4
La base de estos programas puede ser encontrada en "Econometric Toolbox for MAT-
LAB"en http://www.spatial-econometrics.com
viii ÍNDICE GENERAL
II Modelos de Series de Tiempo no Estacionarias 137

10.5. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
11.Raíces Unitarias y Cointegración 141

11.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
11.2. Tests de Raíces Unitarias5 . . . . . . . . . . . . . . . . . . . . 142
11.3. El Test de Dickey –Fuller aumentado (ADF) . . . . . . . . . 144
11.4. El Test de Dickey –Fuller aumentado (ADF) en Eviews . . . 146
11.5. Raíces unitarias en presencia de cambios estructurales . . . . 150
12.Cadenas de Markov y Modelos de Cambios de Régimen 153

12.1. Introducción y motivación . . . . . . . . . . . . . . . . . . . . 153
12.2. Cadenas de Markov . . . . . . . . . . . . . . . . . . . . . . . 154
12.2.1. De…niciones principales . . . . . . . . . . . . . . . . . 154
12.2.2. Distribuciones estacionarias . . . . . . . . . . . . . . . 156
12.2.3. Derivación de la probabilidades del estado estacionario 156
12.2.4. Estacionariedad Asintótica . . . . . . . . . . . . . . . 157
12.2.5. Simulación de una Cadena de Markov . . . . . . . . . 157
12.3. Modelos de Markov Switching . . . . . . . . . . . . . . . . . . 159
12.3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 159
12.3.2. Estimación del modelo . . . . . . . . . . . . . . . . . . 160
12.3.3. Filtrado de probabilidades . . . . . . . . . . . . . . . . 162
12.3.4. Suavizado (Smoothing) de probabilidades . . . . . . . 163
12.4. Algunas extensiones . . . . . . . . . . . . . . . . . . . . . . . 165
12.4.1. Aproximación discreta . . . . . . . . . . . . . . . . . . 165
12.4.2. Modelado de preferencias . . . . . . . . . . . . . . . . 166
12.5. Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
12.6. Apéndice: Programas de Matlab . . . . . . . . . . . . . . . . 168
12.6.1. ar1.m . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
12.6.2. Loglike_ar1.m . . . . . . . . . . . . . . . . . . . . . . 170
12.6.3. Filter.m . . . . . . . . . . . . . . . . . . . . . . . . . . 172
12.6.4. Smooth.m . . . . . . . . . . . . . . . . . . . . . . . . . 173
12.6.5. markov_ss.m . . . . . . . . . . . . . . . . . . . . . . . 174
12.6.6. simulate_markov.m6 . . . . . . . . . . . . . . . . . . . 175
12.6.7. ejemplo_markov.m . . . . . . . . . . . . . . . . . . . . 175
12.6.8. tauchen.m7 . . . . . . . . . . . . . . . . . . . . . . . . 176
12.6.9. consumo.m . . . . . . . . . . . . . . . . . . . . . . . . 177
5
Tomado de Chumacero (2001)
6
Tomado del web site de Chris Edmond: http://pages.stern.nyu.edu/~cedmond/406/
7
Tomado de www.eco.utexas.edu/~cooper/dynprog/tauchen.m
Parte I
Series de tiempo
estacionarias
1
Capítulo 1
Introducción
En este primer capítulo se presentan algunas herramientas básicas que

son necesarias para el desarrollo futuro del curso. En primer lugar vamos a
estudiar ecuaciones en diferencia lineales de orden p y operadores de rezago,
que son de mucha utilidad para analizar modelos de series de tiempo esta-
cionarias. El estudio de estas herramientas tiene como por objetivo familizar
al estudiante con el manejo de la nomenclatura de los modelos de series de
tiempo. El segundo grupo de herramientas busca proveer algunos algoritmos
básicos para resolver problemas numéricos, en particular nos concentraremos
en algoritmos para resolver problemas de optimización y para simular series
de tiempo arti…ciales.
1.1. Ecuaciones en diferencia

Las ecuaciones en diferencia relacionan variables discretas en el tiempo.
Supongamos que yt y ! t representan dos variables económicas, por ejemplo
producto bruto interno y productividad. Una ecuación en diferencias de
primer orden estará dada por:
y t = yt 1 + !t (1.1)
La ecuación anterior puede interpretarse de la siguiente manera: el pro-
ducto bruto interno depende de su valor pasado y de la productivdad del
periodo corriente. Nótese que la expressión (1.1) es una ecuación puesto que
relaciona dos variables, una endógena y otra exógena. En este caso yt es la
variable endógena, la variable para la cuál se busca una solución , mientras
que ! t es la variable exógena. La solución de esta ecuación en diferencias de
primer orden consiste en expresar yt como función únicamente de valores
1
2 CAPíTULO 1 INTRODUCCIÓN
presentes y pasados de !. La forma más sencilla de resover esta ecuación

es sustituyendo recursivamente la misma expresión para periodos pasados,
t 1, t 2, t 3, ...
yt 1 = yt 2 + !t 1
yt 2 = yt 3 + !t 2
..
.
y1 = y 1 + !0
La solución, luego de sustituir recursivamente las ecuaciones anteriores,

es la siguiente:
t+1 t t 1
yt = y 1 + !0 + ! 1 + ::: + ! t 1 + !t (1.2)
Notese que la solución es un promedio ponderado de los valores pre-

sentes y pasados de la variable ! y de un valor inicial y 1 : Cuando < 1,
los valores de ! más alejados en el pasado tienen menor importancia en la
determinación de yt . Utilizando la ecuación (1.2) podemos de…nir multipli-
cadores dinámicos, estos muestran la respuesta de yt+j a un cambio en la
varaible ! t . Esta respuesta está dada por:
@yt+j t
= (1.3)
@! t
Dependiendo del valor de , se pueden observar diferentes dinámicas en
la respuesta de yt . Si 0 < < 1 el multiplicador dinámico decae geométri-
camente hacia cero. Mientras que si j j > 1 el sistema es explosivo. Cuando
= 1, la variable endógena se convierte en la suma histórica de la variable
exógena.
yt = y 1 + ! 0 + ! 1 + ::: + ! t 1 + !t (1.4)
@yt+j
en este caso, @! t
= 1, y se interpreta generalmente como que la serie
tiene memoria in…nita puesto que los valores pasados de ! , independi-
entemente de que tan distantes en el pasado se encuentren, mantienen su
importancia en la determinación de yt .Este multiplicador dinámico es tam-
bién conocido como función impulso respuesta. La ecuación en diferencias
de orden 1 puede generalizarse al caso de una ecuación de orden p :
yt = 1 yt 1 + 2 yt 2 + 3 yt 3 ::: p yt p + !t (1.5)
1.1 ECUACIONES EN DIFERENCIA 3
La ecuación anterior puede resolverse de manera análoga al caso anteri-

or, transformándola de forma adecuada utilizando notación matricial de la
siguiente forma:
Xt = F Xt 1 + t (1.6)
Donde, las nuevas variables se de…nen com:

2 3 2 3 2 3
yt 1 2 2 ::: p 1 p !t
6 7 6 7 6 7
6 7 6 7 6 7
6 yt 1 7 6 1 0 0 ::: 0 0 7 6 0 7
6 7 6 7 6 7
6 7 6 7 6 7
Xt = 6 yt 2 7, F = 6 0 1 0 : : : 0 0 7 t 6 0 7
, =
6 7 6 7 6 7
6 .. 7 6 .. .. .. . .. 7 6 .. 7
6 . 7 6 . . . : : : .. . 57 6 7
4 5 4 4 . 5
yt p 0 0 0 ::: 1 0 0
Esta notación equivale a expresar la ecuación en diferencias de orden p
como un sistema de ecuaciones en diferencias de orde 1. Este sistema admite
una solución similar al caso de una ecuación en diferencias de orden 1 de la
siguiente forma:
Xt = F t+1 X 1 + Ft 0 + F1t 1
1 + ::: + F t 1 + t
Una forma alternativa de resolver este sistema de ecuaciones en diferencia

de orden 1 es transformándolo en un sistema recursivo de la forma:
Zt = Zt 1 + Vt
donde se obtiene a partir de los valores propios de la matriz F, tal que:
1
F =T T
y
1
Zt = T Xt
1
Vt = T t
Los valores propios de F pueden encontrarse a partir de las raíces del

siguiente polinomio de grado p
p p 1 p 2
+ 1 + 2 ::: + p 1 + p =0
1.2. Operadores de Rezago

En esta sección introducimos un nuevo operador matemático que se apli-
ca a series de tiempo. Una serie de tiempo se de…ne como la colección de
un conjunto de observaciones indexadas por el tiempo, fyt gt=t T
t=t0 . Ejemplos
de series de tiempo son: la tasa de interés para el periodo 1983-2005, el pro-
ducto bruto interno : 1992-2005, etc. Ejemplos de series de tiempo sencillas
son:
Tendencia: yt = t
Constante yt = c
Ruido Blanco Gausiano: yt = t en donde t es un proceso estocástico,
conjunto de variables aleatorias, independiente y distribuido normalmente
con media cero y varianza constante: t N (0; 2 ). El operador de rezagos
se aplica sobre series de tiempo, y transforma la serie de tiempo original en
otra serie de tiempo. El operador se simboliza por la letra L, y tiene las
siguientes propiedades:
yt = Lxt ! yt = xt 1
yt = Lk xt ! yt = xt k
yt = bLk xt ! yt = bxt k
k
yt = bL xt ! yt = bxt+k
yt = b1 L1 + b2 L2 xt ! yt = b1 xt 1 + b2 xt 2
Una ecuación en diferencias de orden 1 puede escribirse de una manera

conveniente utilizando el operador de rezagos de la siguiente manera:
(1 L) yt = ! t
mientras que la ecuación en diferencias de orden p como:
2 p
1 1L 2 L :: p L yt = ! t
Se puede simpli…car notación de…niendo el polinomio de rezago de orden
p (L), como:
2 p
(L) = 1 1L 2 L :: p L
1.2 OPERADORES DE REZAGO 5
De esta forma, una ecuación en diferencias de orden p puede escribirse

como:
(L)yt = ! t
Para resolver ecuaciones en diferencia utilizando el operador de rezagos
la siguiente identidad resulta de mucha utilidad:
1 2 2 3 3
=1+ L+ L + L ::::::::::
1 L
para todo j j < 1. En el caso de la ecuación en diferencias de orden 1, la
solución seria la siguiente:
(1 L) yt = ! t
!t 2 2 3 3
yt = = 1+ L+ L + L :::: ! t
(1 L)
Con ello, la solución para la variable yt se puede escribir como sigue,
después de aplicar las propiedades del operador de rezagos:
k=1
X
k
yt = !t k
k=0
Esta misma estratégia de solución puede generalizarse para el caso de

una ecuación en diferencias de orden p. Utilizando la siguiente estratégia:
2 p
1 1L 2 L :: p L yt = ! t
Notese, sin embargo que el polinomio de rezagos 1 2 p
1L 2 L :: p L
puede factorizarse convenientemente de la siguiente manera:
2 p 2 p
1 1L 2 L :: p L = (1 1 L) 1 2L ::: (1 pL )
Por ello, la solución puede escribirse como:

!t
yt = 2 p
(1 1 L) (1 2 L ) ::: (1 pL )
1 c1 c2 cp
2
= + +:::
(1 1 L) (1 2 L ) ::: (1 2 L2 ) (1 1 L) (1 2 L2 ) (1 p
pL )
Donde, cada uno de estos parámetros auxiliares pueden encontrarse de

forma sencilla, utilizando el sistema de ecuaciones recursivas:
p 1
i
ci = (1.7)
( i 1) ( i 2 ) ::: ( 1 p)
Utilizando la notación previamente desarrollada la solución de una ecuación

en diferencias de orden p estará dada por:
c1 c2 cp
yt = !t + ! t + ::: !t
(1 1 L) (1 2 L2 ) (1 p
pL )
y de esta expresión se tiene que_
@yt+j j j j j
= c1 1 + c2 2 + c3 3 + :: + cp p
@! t
Capítulo 2
Modelos ARIMA
2.1. Introducción
En este caṕitulo presentamos un conjunto de modelos b́asicos de series
de tiempo estacionarias que serviŕan de base para el desarrollo de modelos
ḿas complejos en la segunda parte del curso. Una proceso estocastico,fyt g
se dice que es estacionario en el śentido d́ebil si sus primeros momentos
centrales son independientes del tiempo.
E (yt ) =
E (yt )2 = 2
E ((yt ) (yt j )) = j
Donde , 2 y j representan la media, varianza y covarianza de orden

j del proceso estoćastico yt . Ejemplos de procesos estoćasticos simples son:
un ruido blanco, "t , donde:
E ("t ) = 0
E "2t = 2
E ("t "t+j ) = 0
Dos funciones de mucha utilidad para caracterizar procesos estoćasticos
estacionarios son las funciones de autocorrelacíon parcial ( FAP) y simple
7
8 CAPíTULO 2 MODELOS ARIMA
(FAS). El FAS se de…ne como la correlacíon temporal entre yt y yt j, para

todo j, y se de…ne:
j
j =
0
De otro lado, el FAP denota la correlacíon entre yt y yt j una vez que se

ha descontado el efecto intermedio de yt y yt s para todo s < j. De…nimos
la FAP como:
yt = 11 yt 1 + 22 yt 1 + :: ss yt s + t
donde ss , la correlacíon parcial de orden s. A continuacíon desarrollam-

os de manera detallada las caracteŕisticas de los modelos autorregresivos,
medias ḿoviles y ARMA models.
2.2. Modelos AR(p)

Los modelos AR(p) tienen la siguiente representacíon:
yt = 1 yt 1 + 2 yt 2 + 3 yt 3 ::: p yt p + !t
donde ! t es un ruido blanco. El mismo modelo puede representarse uti-
lizando el operador de rezago de la siguiente forma:
(L)yt = ! t
donde el polinomino de rezagos (L) esta dado:
2 3 p
(L) = (1 1L 2L 3 L ::: pL )
Este polinomio de rezago puede factorizarse utilizando sus correspondi-

entes ráices:
(L) = (1 1 L) (1 2 L) :: (1 p L)
Utilizando la solucíon desarrollada en el caṕitulo 1, podemos expresar el

modelo AR(p) como un modelo M A (1). La forma MA del modelo AR(p)
ofrece una serie de ventajas, en particular permite calcular todos los momen-
tos de yt , los impulsos respuestas, y como veremos en el siguiente caṕitulo,
también obtener las correspondientes varianzas de los errores de prediccíon
del modelo.
2.2 MODELOS AR(P ) 9
k=1
X
yt = + k !t k
k=0
Donde: k = c1 k1 +c2 k2 +c3 k3 +::+cp kp , y ci ha sido de…nido en ecuacíon

(1.7 ). Utilizando, la presentacíon de medias ḿoviles de…nida anteriormente
permite calcular todos los segundos momentos de yt de forma sencilla:
E (yt ) =
k=1
X
2 2 2
E (yt ) = ! k
k=0
k=1
X
2
E ((yt ) (yt s )) = ! k k+s
k=0
La condicíon necesaria y su…ciente que garantiza que los momentos de…nidos

previamente sean …nitos es que las ráices del polinomio de rezago (L) se
encuentren fuera del ćirculo unitario. j i j < 1:Un caso particular y f́acil
de obtener es el caso de un modelo AR(1), en este caso, el modelo puede
escribirse como:
yt = 1 y t 1 + ! t
En este caso, k = k1 . utilizando esta equivalencia, y las f́ormulas
derivadas para los segundos momentos de yt tenemos que:
2
!
0 = k
1 1
s
s = 1 0
Una forma alternativa de encontrar las segundos momentos de un mod-

elo AR(p) es utilizando las condiciones de Yule-Walker. Estas ecuaciones
se obtienen multiplicando la ecuacíon AR(p) por yt s , para todo s. Esto
permite formar en un sistema ecuaciones lineales en s . Véamos un ejemplo
con un modelo AR(2).
yt = 1 yt 1 + 2 yt 2 + !t
Multiplicando la ecuacíon anterior por yt ; aplicando el operador esper-
anza, bajo la condicíon de estacionariedad tenemos:
2
0 = 1 1 + 2 2 + !
1 = 1 0 + 2 1
2 = 1 1 + 2 0
s = 1 s 1 + 2 s 2
El sistema anterior permite resolver para todos los valores de s en

funcíon de los paŕametros 1 ; 2 y : 2! : Una forma estratégia alternativa que
se puede utilizar para invertir, obtener la representación de medias móviles,
de un modelo autorregresivo es utilizar la siguiente identidad
2 3 p 2
(1 1L 2L 3 L ::: p L )(1 + 1L 2 L ::::) =1
por motivos de exposición asumamos que el orden del proceso autorre-

gresivo es 2, es decir tenemos:
2 2
(1 1L 2 L )(1 + 1L + 2 L ::::) =1
Multiplicando y agrupando ordenadamente este polinomio tenemos el
siguiente sistema recursivo de ecuaciones:
2
(1 + ( 1 1 )L +( 2 1 1 2 ) L ::: =1
de donde se obtiene que:
1 = 1
2 = 1 1 + 2,
3 = 2 1 + 1 2,
en general tenemos:
s = s 1 1+ 2 s 2
2.3. Modelos MA(q)

Los modelos de medias móviles tiene la siguiente representación general:
yt = + !t + 1!t 1 + 2 ! t 2 :: q ! t q
2.3 MODELOS MA(Q) 11
donde, ! t es un proceso ruido blanco. Utilizando operadores de rezago, un

proceso MA(q) puede escribirse como:
yt = + (L) ! t
donde, el polinomio de rezago, (L) se de…ne como:
2 q
(L) = 1 + 1L + 2 L :: q L
Note que todos los procesos MA(q) son estacionarios, independiente-

mente del valor que tomen los parámetros i . Sin embargo, no todos los
proceso MA(q) son invertibles, esto es, pueden transformarse en un proceso
autorregresivo. De manera similar al caso de estacionariedad con modelos
autorregresivos, en los modelos de medias móviles la condición de invert-
ibilidad esta referida la valor de las raíces del polinomio de rezagos (L).
En particular, el modelo presentado en la ecuación () será invertible si las q
raíces del polinomio de rezago (L) se encuentran fuera del círculo unitario-
yt yt
!t = =
(L) (1 1 L) (1 2 L) :: 1 qp L
donde j 1 j < 1:
Los primeros y segundos de momentos pueden calcularse directamente
aplicando el operador esperanza a yt , (yt )2 y (yt ) (yt s ) de la
siguiente manera.
E (yt ) =
k=q
X
2 2 2
E (yt ) = ! k
k=0
k=q
X
2
E ((yt ) (yt s )) = ! k k+s
k=0
donde, E ((yt ) (yt s )) = 0, para s > q:Para ganar más intuición

sobre las propiedades de los modelos de médias móviles, consideremos el
caso de un MA(1). Sus primer y segundos momentos estan dados por:
E (yt ) =
E (yt )2 = 2
! 1+ 2
1
2
E ((yt ) (yt 1 )) = ! (1 + 1)
Recuerde que en el caso de los modelos de médias móviles, la función

de correlación parcial es cero para valores de s > q, y que la función de
autocorrelación simple decae exponencialmente hacia cero.
2.4. Modelos ARMA(p,q)

Un proceso ARMA(p,q) incluye tanto una parte autorregresiva como una
de medias móviles.
yt = c + 1 yt 1 + 2 yt 2 + 3 yt 3 ::: p yt p + ! t +
! t + 1 ! t 1 + 2 ! t 2 :: q ! t q
Expresando el proceso en términos de operadores de rezagos tenemos
que:
(L)yt = c + (L) ! t
este proceso es estacionario si es que todas las raíces del polinomio de
rezagos (L) se encuentran fuera del círculo unitario. En este caso, se puede
encontrar la representación de medias móviles de este proceso, y expresar
yt como:
yt = + (L)! t
en donde,
1+ 2 q
1L+ 2 L :: q L
(L) = 2 3 p
(1 1L 2L 3 L ::: pL )
k=1
X
c
tal que: j kj <1y = 1 1 2 3 ::: p
k=0
Dado, los k , los momentos del proceso ARMA(p,q) pueden determi-
narse de la misma forma que para el caso de un AR(p).
En caso que la serie que se este analizando no sea estacionario, posea
algunas de las raíces del polinomio de rezagos de la parte autorregresiva
dentro del círculo unitario, se puede modelar dicha serie utilizando un mod-
elo ARMA(p,q) luego de transformar dicha serie en estacionaria.
Para transformar una serie que posee d raíces unitarias en una seria
estacionaria, hay que diferenciarla d veces. En donde, el operador diferencias
se de…ne como:
2.5 EL TEOREMA DE REPRESENTACIÓN DE WOLD 13
= (1 L)
Supongamos el siguiente proceso AR(3), tal que:
(1 1 L) (1 2 L) (1 3 L) yt = !t
en donde 2 = 3 = 1, entonces se puede decir que yt posee dos raíces
unitarias.
(1 1 L) (1 L)2 yt = ! t
De…niendo como zt = (1 L)2 yt = 2 yt , es claro que luego de tomar 2
diferencias el proceso que queda, zt ; puede modelarse como un ARMA(1,0).
Entonces se dice que yt sigue un proceso ARIMA (1,2,0). En general, un
proceso ARIMA (p,d,q) es aquél que admite una representación ARMA(p,q)
luego de tomarle d diferencias.
2.5. El teorema de representación de Wold

Todo proceso que es estacionario en covarianzas puede escribirse como:
1
X
yt = c + k !t k
k=0
P
1
donde , j kj < 1, y ! t es un ruido blanco.
k=0
Proposition 1 i) (descomposición de Wold). Cualquier proceso estacionario

en covarianzas, yt puede representarse de la forma:
1
X
yt = c + k !t k
k=0
P
1
2
donde: 0 =1y k < 1. El término ! t es un ruido blanco y repre-
k=0
senta el error de la predicción lineal de yt sobre sus valores rezagados
! t = yt Et (yt =yt 1 ; yt 2 :::yt p )
Capítulo 3
Predicción en modelos
ARMA
3.1. Conceptos básicos

Supongamos una serie de tiempo estacionaria y ergódica, fyt g con una
representación de Wold dada por:
1
X
yt = c + k "t k (3.1)
yt = c + " t + 1 "t 1 + 2 "t 2 ::::
Donde "t N (0; 2 ) , y además donde It = fyt ; yt 1 ::g denota el conjunto de

información disponible en el periodo t, con primeros y segundos momentos
…nitos, dados por :
E (yt ) = c
1
X
2 2
var(yt ) = k
k=0
La predicción de y ; h periodos en el futuro, yt+h ;condicional en la informa-
ción It se de…ne como yt+h=t , mientras que el error de predicción asociado
como:
t+h=t = yt+h yt+h=t

El error cuadrático medio del error de predicción sirve de criterio de evalu-
ación de la calidad de la predicción, y esta dado por:
15
16 CAPíTULO 3 PREDICCIÓN EN MODELOS ARMA
h i
2 2
M SE( t+h=t ) = E t+h=t =E yt+h yt+h=t
El mejor predictor de yt+h basado en la información It , aquél que genera el

error cuadrático medio mínimo, esta dado por la esperanza condicional de
yt+h en el conjunto de información.
yt+h=t = E yt+h=It
Prueba ( ver Hamilton páginas 72-73)

Si f t g es un proceso ruido blanco distribuído independientemente, se
tiene que E t+h=It = 0 y que la predicción ópitma de y, E yt+h=It es una
función lineal de f t g
yt+h=t = c + h "t + h+1 "t 1 ::
El error de predicción del mejor predictor lineal esta dado por:
t+h=t = yt+h yt+h=t (3.2)

= "t+h + 1 "t+h 1 ::: + h 1 "t+1 (3.3)
y su error cuadrático medio esta dado por:
2 2 2
M SE( t+h=t ) = 1+ 1 + :: + h 1
Algunos comentarios:
E( t+h=t ) =0
t+h=t no esta correlacionado con ningún elemento en It
La forma de yt+h=t esta relacionada con la función de impulso respuesta
M SE( t+h=t ) = var( t+h=t ) < var(yt )
l mh!1 yt+h=t = c
l mh!1 M SE( t+h=t ) = var(yt )

3.2 PREDICCIÓN CON INTERVALOS DE CONFIANZA 17
3.2. Predicción con intervalos de con…anza

si f t g se distribuye normalmente
2 2 2
yt+h=It N (yt+h=t ; 1+ 1 + :: + h 1 )
En este caso un intervalo de con…anza de 95 por ciento para la predicción
h periodos hacia adelante tiene la forma siguiente:
q
:yt+h=It 1;96 2 1 + 2 + :: + 2
1 h 1
3.3. Predicción con parámetros estimados

En este caso el mejor predictor lineal con parámetros estimados esta
dado por:
ybt+h=t = c + b hb
"t + b h+1b
"t 1 ::
donde las variables con circun‡ejo denotan variables estimadas. El error de

predicción con parámetros estimados esta dado por:
bt+h=t = yt+h ybt+h=t (3.4)

= "t+h + b 1 "t+h 1 ::: + bh 1 "t+1 (3.5)
Dado que b j son variables aleatorias, el error cuadrático medio del error de
predicción con parámetros estimados no coincide con el error de predicción
del modelo teórico.
2 2 2
M SE(bt+h=t ) 6= M SE( t+h=t ) = 1+ 1 + :: + h 1
En este caso, el error cuadrático medio del error de predicción se puede

descomponer entre el error de predicción teórico y otro termino que depende
de la varianza del estimador de los parámetros.
h i
M SE(bt+h=t ) = E (yt+h ybt+h=t + ybt+h=t ybt+h=t )2
Operando adecuadamente,
0
M SE(bt+h=t ) = M SE( t+h=t ) + Yt E b b Yt0
3.4. Calculando el mejor predictor lineal

El mejor predictor lineal de ybt+h=t puede calcularse de varias formas que
son equivalentes. El algoritmo para calcular la predicción de un modelo
AR(1) es bastante simple y metodologicamente se puede generalizar para
calcular la predicción de un modelo ARMA, y para modelos multivariantes.
Considere el siguiente modelo AR(1)
yt c = (yt 1 c) + t
donde "t N (0; 2 )

Para encontrar la predicción h periodos hacia adelante, se resuelve iter-
ativamente hacia adelante:
h h 1
yt+h c= (yt c) + t+h + t+h 1 + :: t+1
El mejor predictor lineal de yt+1 ,yt+2 ::yt+h se calculan usando la ley de

proyecciones iteradas.
yt+1=t c = (yt c)
2
yt+2=t c= yt+1=t c = (yt c)
h
yt+h=t c = (yt+h 1 c) = (yt c)
El correspondiente error de predicción esta dado por:
t+1=t = yt+1 yt+1=t = t+1
t+2=t = yt+2 yt+2=t = t+2 + t+1

h 1
t+h=t = yt+h yt+h=t = t+h + t+h 1 :::: t+1
Las varianzas del error de predicción estas dadas por:
2
var( t+1=t ) =
2 2
var( t+2=t ) = 1+
2(h 1)
2 2 4 2(h 1) 1
var( t+h=t ) = 1+ + :: = 2
1
Tomando limites cuando h se aproxima a in…nito:
l m yt+h=t = c
h!1
3.4 CALCULANDO EL MEJOR PREDICTOR LINEAL 19
2
l m var( t+h=t ) = 2 = var(yt )
h!1 1
El caso de AR(p)
(L) (yt c) = t
donde:
2 p
(L) = 1 1L 2 L :::: pL
El algoritmo para la predicción de un modelo AR(p) es esencialmente el

mismo que un AR(1), puesto que un modelo AR(p) se puede escribir como
un modelo AR(1) utilizando la representación de estado espacio.
0 1 0 1 0 1
yt c 0 y 1 c
B C B t 1 C B tC
B C B 1 2 :: p C B C B C
B yt 1 c C B B yt 2 cC B 0 C
B C = B 1 0 :: 0 C
CB C+B C
B C @ AB C B C
B : C B : C B : C
@ A 0 :: 1 0 @ A @ A
yt p+1 c yt p c 0
o en términos de notación matricial, se tiene que:
t =F t 1 + wt
var(wt ) = w
Comenzando en el periodo t, y iterando hacia adelante h periodos, tenemos:
t+h = Fh t + wt+h + F wt+h 1 :::::F

h 1
wt+1
Entonces el mejor predictor lineal basado en información hasta It
t+1=t =F t
2
t+2=t =F t
t+h=t = Fh t
El error de predicción asociado están dados por:
wt+1=t = t+1 t+1=t = wt+1

wt+2=t = t+2 t+2=t = wt+2 + F wt+1
wt+h=t = t+h t+h=t = wt+h + F wt+h 1 + :: + F h wt+1
y el correspondiente matrices de varianza-covarianza del error de predicción.
var(wt+1=t ) = w
0
var(wt+2=t ) = w +F wF
h 1
X
var(wt+h=t ) = Fj wF
j0
j=0
Notese que:
var(wt+h=t ) = w + F var(wt+h=t )F 0
3.5. Criterios para evaluar predicciones

Para comparar la capacidad predictiva de un modelo con modelos al-
ternativos se utilizan una serie de criterios que se basan en medidas de la
varianza del error de predicción. Dado un horizonte de predicción, h; y n
valores predichos, se tiene que:
Raíz del error cuadrático medio
v
u T +n
u X (b yt yt )2
RECM = t
n
t=T +1
El error absoluto medio
TX
+n
j(b
yt yt )j
M AE =
n
t=T +1
Media absoluta del porcentaje de error
TX
+n
j(b
yt yt ) =yt j
M AP E = 100
n
t=T +1
Coe…ciente de desigualdad de Theil

3.5 CRITERIOS PARA EVALUAR PREDICCIONES 21
s
TP
+n
yt yt ) 2
(b
n
t=T +1
U T HEIL = s s
TP
+n TP
+n
yt )2
(b (yt )2
n n
t=T +1 t=T +1
Los dos primeros estadísticos del error de predicción dependen de la escala de

la variable dependiente. Estos deberían usarse para comparar predicciones
para la misma serie para diferentes modelos. Mas pequeño el error, mejor
es la habilidad para predecir del modelo . Los dos últimos indicadores son
independientes de la escala . La UTHEIL siempre entres cero y uno, cuando
es cero indica un ajuste perfecto.
El error cuadrático medio puede descomponerse como:
v
u T +h
u X (b yt yt )2 X 2
t = ybt =n y + syb sy
2
+ 2(1 )sybsy
n
t=T +1
P
donde, ybt =n, y,syb , sy representan la media y la desviación estándar
de ybt y yt y es la correlación entre estas dos variables. . Se pueden de…nir
las siguientes proporciones
La proporción del sesgo:
P
( yb =n y)2
s t
TP
+n
yt yt ) 2
(b
n
t=T +1
La proporción de varianza
2
syb sy
s
TP
+n
yt yt ) 2
(b
n
t=T +1
La proporción de covarianza
2(1 )sybsy
s
TP
+n
yt yt ) 2
(b
n
t=T +1
La proporción del sesgo nos dice cuan lejos de la media de la serie se

encuentra la media de la proyección. La proporción de varianza, mide la
diferencia entre la varianza de la proyección y la de la seria. Finalmente, la
proporción de covarianzas mide los restantes componentes no sistemáticos
del error de predicción. Si la proyección es buena, la proporción del sesgo y
la varianza deberían ser pequeños.
3.6. El estadístico de Diebold-Mariano

1
Supongamos la serie fyt g para que se realizan dos predicciones yt+h=t y
2
yt+h=t obtenidas con dos modelos de predicción diferentes basados en infor-
mación hasta el periodo t. Los errores de predicción de ambos modelos están
dados por:
1 1
t+1=t = yt+1 yt+1=t
2 2
t+1=t = yt+1 yt+1=t
Para determinar que model predice mejor que otro, podemos realizar la
siguiente prueba de hipótesis:
1 2
Ho : E(L t+1=t ) = E(L t+2=t )
en contra de la hipótesis alternativa
1 2
H1 : E(L t+1=t ) 6= E(L t+2=t )
donde,
2
i i
L t+1=t = t+1=t
La prueba de Diebold-Mariano se basa en la diferencia de las funciones de

perdida,
1 1
dt = L t+1=t L t+2=t
Este estadístico se de…ne como:

db db
S=p =p
avar(d) LRV =T
donde:
3.6 EL ESTADíSTICO DE DIEBOLD-MARIANO 23
P
db = 1
dt
T0
P
1
LRV = 0 + 2 j
j=1
Diebold y Mariano (1995) demuestran que bajo la hipótesis nula de igual

capacidad predictiva,
S N (0; 1):
Capítulo 4
Identi…caciòn de los modelos

ARIMA
En las secciones anteriores se ha presentado en detalle las propiedades

de los modelos ARMA (p,q), en particular hemos mostrado cuales son los
primeros y segundos momentos de las series a partir de asumir que la serie
bajo análisis, yt ; sigue un proceso en particular. En esta sección por el con-
trario, la idea es identi…car que modelo es el más apropiado para capturar la
dinámica de la data, dados los primeros y segundos momentos muestrales de
la serie. En particular, vamos a utilizar de manera recurrente las funciones
de autocorrelación simple,FAS, y parcial, FAP para determinar los valores
de p y q. Estas dos funciones estan relacionadas con los parámetros de los
modelos ARMA(p,q), y contienen información relevante para el proceso de
identi…cación.
4.1. La metodología de Box y Jenkins

Esta metodología permite identi…car el proceso más apropopiado para la
serie de tiempo yt ; utilizando un proceso iterativo de estimación y chequeo
de las propiedades del modelo. Este proceso puede resumirse en los siguientes
cuatro pasos:
1. Transformar la data hasta que el proceso se convierta en uno esta-

cionario. Si una tendencia es evidente en los datos hay que removerla.
Si la tendencia es determinística, esta se remueve estimando para la
serie yt un polinomio determinìstico de la forma:
2 s
yt = 0 + 1t + 2t :: st + "t
25
26CAPíTULO 4 IDENTIFICACIÒN DE LOS MODELOS ARIMA
el residuo de esta regresión se considera como el proceso estacionario

que se esta buscando identi…car. Por otro lado, si la tendencia no es
determinística se procede a diferenciar la serie tantas veces sea nece-
sario para convertirla en estacionaria.
d
(L) yt = (L)
Para determinar si se ha alcanzado estacionariedad se debe examinar

las FAS y FAP de la serie transformada. Si esta es estacionaria, ambas
debería aproximarse a cero rápidamente.
2. Hacer un supuesto inicial sobre los ordenes p y q del modelo AR-

MA(p,q) que mejor puede describir la serie.
3. Estimar los parámetros de los polinomios de rezagos (L) y (L)
4. Hacer un diagnóstico para con…rmar si es que el modelo utilizado en

la estimación es consistente con la data. Este proceso de diagnósti-
co se basa fundamentalmente en las propiedades del residuo obtenido
luego de estimar el modelo ARMA(p,q). Si el modelo asumido es el
correcto, entoces este residuo debería no presentar correlación serial
de ningún order, ser homocedástico, e idealmente debería tener me-
dia cero y distribuirse normalmente. De no cumplirse algunas de estas
propiedades del residuo, se regresa al paso (2) y se repite el proceso.
Adicionalmente, se puede utilizar criterios de información para escoger
el modelo más adecuado. Este será el modelo que minimice el mayor
número de criterios de información disponibles. Solamente con la …-
nalidad de precisar, reproducimos a continuación las fórmulas de los
criterios de información más comúnmente usados.
El criterio de información de Akaike ( AIC)
L k
AIC = 2 +2
T T
El criterio de Schwarz (SC)
L log(T )
SC = +k2
T T
Y el criterio de Hanna-Quinn ( HQ)
L log(log(T ))
HQ = 2 + 2k
T T
4.1 LA METODOLOGíA DE BOX Y JENKINS 27
En donde, T representa el tamaño de la serie de tiempo, L el logartimo de

la función de verosimilitud, mayor este valor, mayor la probabilidad de que
los datos prevengan del modelo planteado, y …nalmente, k que representa
el número de parámetros estimados. Note que todos estos criterios son de-
crecientes en el valor de la función de verosimilitud, normalizados por el
tamaño muestral, y crecientes en el número de parámetros estimados. En
ese sentido, los criterios de información se basan en la misma idea que el
R2 ajustado, es decir, medir el mejoramiento en el grado de ajuste pero
eliminando el efecto que genera la inclusión de parámetros adicionales.
Capítulo 5
Estimación
En las secciones anteriores aprendimos a derivar las propiedades, prin-

cipalmente sus momentos de primer y segundo orden, de un conjunto de
modelos de series de tiempo, asumiendo que los parámetros de los mode-
los analizados eran conocidos. En este capítulo, por el contrario, vamos a
aprender como se pueden estimar estos parámetros de estos modelos a partir
de los momentos muestrales, aquellos obtenidos con la data, de las series de
tiempo que queremos analizar.
El principio de estimación que vamos a utilizar es el de máxima verosimil-
itud. Un estimador de MV es aquel que maximiza la probabilidad conjunta
de que la muestra observada haya sido generada por el modelo propuesto.
Supongamos que tenemos una muestra de datos de tamaño T; fy1 ; y2 ; ::yT g,
y proponemos que esta muestra ha sido generada por un modelo AR(1).
yt = 1 yt 1 + "t
donde, "t N (0; 2" )
El estimador de MV de 1 y 2" es aquel que maximiza la probabilidad
conjunta L, a la que denominaremos función de verosimilitud, dada por:
L = fYT YT 2
1 ::Y1 (y1 ;y2 ;::yT ; 1 ; " )
Para encontar el estimador de MV, se requieren dos pasos. El primero

consiste en encontrar la función de verosimilitud, y el segundo en hallar el
valor de los parámetros que hace máxima esta función. Note que la fun-
ción de verosimilitud es función tanto de los parámetros como de los datos
muestrales, y por ello èsta deber estar bien de…nida respecto a estos dos
argumentos. En particular, vamos a asumir que el espacio de parámetros
sobre el cual se va optimizar es un espacio compacto, y que la función de
29
30 CAPíTULO 5 ESTIMACIÓN
verosimilitud es continua respecto a los parámetros. Estas dos condiciones

garantizan la existencia de un máximo único.
La función de verosimilitud puede escribirse de manera más sencilla en
algunos casos particulares. Por ejemplo, bajo el supuesto que yt son variables
independientes, que no es el caso del modelo AR(1) anterior, la función de
verosimilitud puede escribirse como el producto de las funciones de densidad
de cada variable aleatoria yt
T
Y
L(Y; ) = Lt (yt ; )
k=0
Aún en el caso que las variables no sean independientes, es posible, es-

cribir la función de verosimilitud de una forma más compacta, utilizando
las contribuciones marginales que vienen de cada observación . De…niendo
como Lt (yt =yt 1 ; yt 2 ::; y1 ; ) la distribución de densidad condicional de yt ,
entonces la función de verosimilitud puede escribirse como:
T
Y
L(Y; ) = Lt (yt =yt 1 ; yt 2 ::; y1 ; )
t=0
Esta última forma de escribir la función de verosimilitud es la que se

utiliza para estimar modelos de series de tiempo, puesto que en este caso
el supuesto de independencia no se cumple. Es usual que se utilice para
el proceso de estimación no directamente la función de verosimilitud sino
una transformación monotónica de la misma, el logaritmo de la función de
verosimilitud.
T
X
log L(Y; ) = log Lt (yt =yt 1 ; yt 2 ::; y1 ; )
t
En la siguiete sección vamos a mostrar como calcular la función de

verosimilitud para modelos ARMA(p,q), mientras en la subsiguiente, se hace
una revisión rápida de los principales algoritmos de optimización disponibles
para encontrar los estimadores de MV.
5.1. La función de verosimilitud

El primer caso a revisar es el de un AR(1)
Yt = c + Yt 1 + "t
5.1 LA FUNCIÓN DE VEROSIMILITUD 31
donde, "t N (0; 2" ). De la sección anterior sabemos que los momentos
no condicionales de Yt son:
2
E (Yt ) = = 1 c y E (Yt )2 = 1 " 2
Sabemos de la de…nición de la función de verosimilitud que esta se puede
obtener a partir de la función condicional de los T-1 variables y de la dis-
tribución marginal de Y1. Puesto que "t se distribuye N (0; 2" ) tiene que ser el
2
caso que Y1 N ( ; 1 " 2 ), por lo que el logaritmo de su función de densidad
esta dado por:
1 1 2
" 1 (y1 )2
log L1 (y1 ; ) = log(2 ) log 2 2
2 2 1 2 "
2
1
Luego tenemos que calcular la función de densidad de Y2 condicional en

el valor de Y1 , dado el supuesto de normalidad, tenemos:
2
L1 (y2 =y1 ; ) N (c + Y1 ; ")
por lo que su función de verosimilitud estará dada por:
1 1 2 1 (y2 c Y1 )2
log L1 (y2 =y1 ; ) = log(2 ) log " 2
2 2 2 "
Repitiendo este procedimiento hasta yT , y sumando todas las funciones de

densidad relevantes, se obtiene la función de verosimilitud que tiene la sigu-
iente forma:
1 1 2
1 (y1 )2
log L(Y; ) = 2 log(2 ) 2 log 1 "
2 2 2
"
1 2
T
X1 2
(T 1) (T 1) 2 1 (yt c Yt 1)
2 log(2 ) 2 log " 2 2
"
t
Note que cuando T es grande, la contribución de la densidad marginal de

la primera observación tiene es proporcionalmente menor. Esta es la razón
por la que cuando el tamaño muestral es su…cientemente grade se puede
prescindir de la primera observación, esto es, se asume esta como dada. En
este caso, maximizar la función de verosimilitud es equivalente a maximizar,
T 1
1 X (yt c Yt 1)
2
2 t 2
"
que no es otra cosa el negativo de la suma de cuadrados residuales. En-

tonces, el estimador de máxima verosimilitud obtenido utilizando la función
de verosimilitud conditional es equivalente al estimador de mínimos cuadra-
dos ordinarios.
Puesto que computar la función de verosimilitud exacta para un AR(p)
es un proceso relativamente complejo, para este tipo de procesos vamos a
considerar la función de verosimilitud condicional1
T
X1 (yt c Yt 1 Yt 2 :: Yt p )2
(T 1) (T 1) 2 1 1 2 p
log L(Y; ) = 2 log(2 ) 2 log " 2 2
"
t
Igualmente, para el caso de un modelo M A(1) vamos a considerar la
función de verosimilitud condicional. Dado el siguiente proceso M A(1)
Yt = + "t + " t 1
donde, "t N (0; 2 ). Si el valor de "t es conocido, entonces, tenemos

" 1
que
2
Yt ="t 1 N ( + "t 1; ")
supongamos que conocemos que "0 = 0 entonces podemos calcular,
"1 = Y1
utilizando "1 podemos calcular "2 = Y2 "1 y así sucesivamente

podemos construir toda una secuencia de "t
"t = Yt "t 1
Entonces, el log de la función de verosimilitud condicional para este

proceso puede escribirse de forma muy sencilla como:
T 1
(T 1) (T 1) 2 1 X "2t
log L(Y; ) = log(2 ) log " 2
2 2 2 t "
Igualmente, este procedimiento puede extenderse para el caso de un pro-

ceso M A(1), para calcular la función de verosimilitud condicional
yt = + "t + 1 "t 1 + 2 "t 2 :: q "t q

1
En el capítulo de Filtros de Kalman se discutirá una forma alternativa que facilita el
cálculo de la función de verosimilitud exacta
5.2 ALGORITMOS NUMÉRICOS DE OPTIMIZACIÓN3 33
asumimos que:
"o = " 1 = :::" q+1 =0

Entonces recursivamente, se puede obtener una secuencia de "t utilizan-
do:
"t yt 1 "t 1 2 "t 2 :: q "t q
Finalmente, tenemos que:
T 1
(T 1) (T 1) 2 1 X "2t
log L(Y; ) = log(2 ) log " 2
2 2 2 t "
5.2. Algoritmos numéricos de optimización2

En esta sección vamos a evaluar de manera suscita una serie de algo-
ritmos numéricos de optimización que luego nos van a permitir hacer esti-
mación mediante el método de máxima verosimilitud. Vamos a revisar dos
tipos de algoritmos, aquellos que usan derivadas y aquellos que no. El prob-
lema típico de optimización puede representarse como :
max f (x)
x X
donde f es la función objetivo y X es el conjunto factible, y x representa

el máximo si este existe. El teorema de Wiertrass nos ofrece las condiciones
bajo las cuales existe una solución para este problema. Si f es una función
contínua y X es no vacío, cerrado y acotado, entonces f tiene un máximo en
X. Una condición necesaria y su…ciente para encontrar un máximo global
es que la función f sea estrictamente cóncava. Todos los métodos númericos
de optimización se basan en evaluaciones contínuas de la función objetivo
en diferentes puntos del conjunto factible, la diferencia entre ellos radica
fundamentalmente en como se acercan a la solución dentro del conjunto
factible, aquellos más e¢ cientes lo hacen más rápido utilizando información
sobre el gradiente, o la Hesiana de la función. Sin embargo en muchos casos,
calcular el gradiente puede ser una tarea complicada por lo que algoritmos
simples que no utilicen mayor información pueden resultar más convenientes.
2
Este capítulo se basa en el Libro .A pplied Computational Economics and Finance"de
Mario J. Miranda y Paul L. Fackler
Todo estos métodos iteran la búsqueda de la solución hasta que se alcance

algún criterio de convergencia. Puesto que no existe una solución analítica
no es posible determinar la solución exacta, se tiene que aceptar un grado de
aproximación. Este esta dado por el criterio de convergencia, que usualmente
consiste en un cambio arbitrariamente pequeño en la función objetivo o en
la solución de la misma. Que tan pequeño sea este cambio determina la
precisión de la solución.
5.2.1. Métodos libres de derivadas

Estos médos utilizan evaluaciones sucesivas de la función en una parti-
ción …na X , para luego escoger el punto que hace f (x ) máximo. El método
más sencillo es el grid search, que no realiza ningun tipo de ajuste al pro-
cedimiento de búsqueda. Simplemente se evalúa la función objetivo en una
partición muy …na de conjunto factible, luego se escoge el valor de x que
hace la función f máxima.
Ejercicio: Escriba un código en Matlab que permita determinar el máx-
imo de la función f = 1 + x 0;5x2 utilizando el método de grid search.
5.2.2. Métodos basados en derivadas

La principal ventaja de estos métodos es su mayor rápidez para encontrar
la solución. Puesto que usan información de la primera y segunda derivada
permite a…nar la dirección de búsqueda de la solución. En general todos
estos métodos utilizan la siguiente regla para acercarse a la solución:
bs+1 = bs + s As gs
donde As es un matriz que depende de los parámetros estimados, bs , gs es

el gradiente de la función evaluada también en bs , y s es un parámetro que
calibra la velocidad de ajuste en la dirección del gradiente.
Para poder implementar métodos de este tipo, usualmente se requiere
un punto inicial b0 . La elección del punto de partida para la búsqueda es
muy importante para garantizar que se pueda alcanzar la solución de man-
era rápida. Más aún el no escoger apropiadamente los valores iniciales puede
hacer que los métodos de búsqueda no funcionen. Cuando la función no es
globalmente cóncava, es siempre buena idea, utilizar varios puntos iniciales,
para chequear si el máximo obtenido es un máximo local. Además se re-
quiere, de…nir un criterio de convergencia, y s y As . Dependiendo como se
escojan estos parámetros tenemos diferentes métodos de optimización:
5.2 ALGORITMOS NUMÉRICOS DE OPTIMIZACIÓN4 35
Diferentes Métodos de Optimización
Método s As
@2f
Newton Raphson 1 Hs = @ 2
0
@f @f
BHHH 1 HHH = @ @
gs0 gs
Ascenso rápido gs0 Hs gs Iq
Puesto que para implementar cualquiera de estos algoritmos de opti-

mización se requiere calcular derivadas, el procedimiento puede complicarse
de manera importante a menos que las derivadas se puedan calcular numéri-
camente.
Capítulo 6
Aplicaciones de Laboratorio
6.1. Identi…cación de los procesos ARIMA

6.1.1. AR(1)
Viene dado por
yt = + yt 1 + "t (6.1)
donde j j < 1,
E (yt ) = y =
1
2 2
2 "
E yt = y = 0 = 2
1
k k
k = = ; 8k > 0
0
Los procesos AR(1) se reconocen por una FAS in…nita y una FAP que se
desvanece tras el primer rezago. Es necesario especi…car un término con-
stante a siempre que los datos tengan media distinta de cero
.
Función de autocorrelacion simple y parcial (resp.) para un AR(1) cuando
0 < < 1.
37
38 CAPíTULO 6 APLICACIONES DE LABORATORIO
6.1.2. MA(1)
Viene dado por
yt = y + "t "t 1
,j j<1
E (yt ) = y;
2 2 2 2
E yt = y = 0 = 1+ "
8
< ;k = 1
k 2
= = 1+
k
0 : 0; k > 1
Los procesos MA(1) se reconocen por una FAP in…nita y una FAS que se
stante en los datos tengan media distinta de cero.
Función de autocorrelacion simple y parcial (resp.) para un

MA(1) cuando 0 < < 1.
6.1 IDENTIFICACIÓN DE LOS PROCESOS ARIMA 39
Función de autocorrelacion simple y parcial (resp.) para un

MA(1) cuando 1 < < 0.
6.1.3. AR(2)
Viene dado por
yt = + '1 y t 1 + '2 y t 2 + "t
; '1 + '2 < 1, '2 '1 < 1, j'2 j < 1
E (yt ) = y = ;
1 '1 '2
k
k = = '1 k 1 + '2 k 2; k 1;
0
donde:
'1 '21
1 = ; 2 = '2 +
1 '2 1 '2
Los procesos AR(2) se reconocen por una FAS in…nita y una FAP que
se desvanece tras el segundo rezago. Es necesario especi…car un término
constante en tanto los datos tengan media distinta de cero.
Función de autocorrelacion simple y parcial (resp.) para un AR(2)

cuando ' 1 > 0, ' 2 > 0.

cuando ' 1 > 0, ' 2 < 0.

cuando ' 1 < 0, ' 2 < 0.
6.1.4. MA(2)
Viene dado por
yt = y + "t 1 "t 1 2 "t 2
1 + 2 < 1; 2 1 < 1; j 2 j < 1

E (yt ) = y;
2 2
E yt = = 0 = 1 + 21 + 22
y
2
";
8
> 1 (1 2)
>
> 2 2 ;k = 1
< 1+ 1 + 2
k
k = = 2
;k = 2
0 >
> 1+ 21 + 22
>
:
0; k > 2
Figura 6.1: Función de autocorrelacion simple y para un MA(2) cuando 1 < 0,

2 > 0 y 1 > 0, 2 < 0 (resp.).
Los procesos MA(2) se reconocen por una FAP in…nita y una FAS que se
stante en tanto los datos tengan media distinta de cero.
Función de autocorrelacion simple y para un MA(2) cuando 1 > 0,

2 > 0 y 1 < 0, 2 < 0 (resp.).
6.1.5. Comandos usuales en Eviews

Los comandos que suelen utilizarse para este tipo de evaluaciones son
los siguientes:
Regresión Mínimo Cuadrática (MCO): LS
Se indica la variable endógena seguidamente de las explicativas:
Ej: LS y c x1 : yt = + x1t + "t .
o Para incluir un rezago como explicativa indicar AR(p):
Ej: LS y c AR(1) : yt = + '1 yt 1 + "t .
o Para incluir un rezago del error como explicativa indicar MA(q):
Ej: LS y c MA(1) : yt = y + "t 1 "t 1 .
o Para incluir una tendencia determinística como explicativa indicar
@trend:
Ej: LS y c @trend : yt = + t + "t .
o Para incluir una raíz estacional como explicativa indicar @seas(i):

Ej: LS y c @seas(1) : yt = + '1 yt 4 + "t
Visualización de Grá…cos y Tablas: show
Se indica el nombre de la serie seguidamente del tipo de grá…co a
mostrar:
Show x1.line : Visualización del grá…co lineal de la serie x1.
Show x1.ident(24) : Visualización del correlograma de la serie x1
con 24 rezagos.
Show d(x1).ident(24) : Visualización del correlograma con 24 reza-
gos de la primera diferencia de la serie x1.
6.1.6. Apéndice: Simulación de procesos ARMA en MAT-

LAB
Esta sección está dedicada a reforzar los conceptos adquiridos hasta este
momento en clase. Si bien es cierto el Eviews nos permite observar fácil-
mente las características principales de los procesos ARMA, no es del todo
claro a la hora de tratar de entender cómo se construyen las cosas. El curso
de Series de Tiempo está pensado para desarrollar conceptos teóricos, así
como para llevarlos a la practica, apuntando a que no queden solamente
en el papel. En suma, lo que se pretende es implementar en el computador
las principales derivaciones analíticas vistas en clase, desde la generación de
un proceso ARMA cualquiera hasta la construcción de las FAS, FAP y la
Función de Impulso Respuesta. Para ello haremos uso del paquete MAT-
LAB, que es escogido entre muchos otros por su versatilidad con el tabajo
de matrices y operadores lógicos, así como por su alta potencialidad, lo cual
permite trabajar con algoritmos de optimización a gran escala, que serán
de mucha utilidad en el desarrollo del curso. Cabe señalar que en la may-
oría de capítulos se incluirá un apartado similar, apuntando a reforzar lo
anteriormente señalado.
Las características principales de estos procesos se encuentran en la sec-
ción 1.2, por lo que en esta oportunidad no entraremos en dichos detalles.
AR(1)
Viene dado por yt = + yt 1 + "t :
El código MATLAB para generar este proceso se presenta a continuación.

Este archivo .m es de tipo función, lo cual implica que para que funcione
tenemos que asignarle valores u objetos a los argumentos del mismo.
ar1.m:
f unction [y FAS]=ar1(c,rho,T,sigma)
% c: Término constante.
% rho: Parámetro de persistencia.
% T: Número de observaciones del experimento.
% sigma: Desviación estándar del término de error.
y0=randn(1,1); % Especi…camos la condición inicial, proveniente de una dis-
tribución normal.
y(1,1)=c+rho*y0(1,1)+sigma*randn(1,1); % Generamos la primera observación.
for i=2:T
y(i,1)=c+rho*y(i-1,1)+sigma*randn(1,1); % A partir de la primera generamos
las T-1 restantes.
end
Mu=c/(1-rho); % valor esperado del proceso generado.
g0=(sigma^2)/(1-rho^2); %Varianza del proceso generado.
L=25;
for j=1:L
g(j,1)=(rho^j/(1-rho^2))*(sigma^2); % Función de Autocovarianza

FAS(j,1)=g(j,1)/g0; % Función de Autocorrelación
end
Una vez creada la función que genera el proceso, realizamos un exper-
imento para distintos valores de persistencia. La función anterior calcula
también la función de autocorrelación simple (FAS) y para el cálculo de la
Función de impulso respuesta utilizamos la función …lter, que será detal-
lada con el desarrollo del curso. Este nuevo archivo no es función, sino un
procedimiento. Es decir, es un conjunto de comando que se realizan en una
secuencia determinada, pero que no dependen de ningún argumento para
poder funcionar. Ello no quita la posibilidad de que este tipo de archivos
pueda incluir el llamado de cualquier otra función generada anteriormente.
Tomando ventaja de ello tenemos:
exp_ar1.m:
% Experimentos con AR(1)
T=100;
c=0;
sigma=1;
m=zeros(25,1);
m(1,1)=1;
b=1;
rho=0;
[y(:,1) FAS(:,1)]=ar1(c,rho,T,sigma);
a=[1 -rho];
f(:,1)=…lter(b,a,m);
rho=0.5;
a=[1 -rho];
rho=0.9;
a=[1 -rho];
…gure(1)
subplot(3,1,1);plot(y(:,1),’b’);xlabel(’White Noise (rho=0)’);
subplot(3,1,2);plot(y(:,2),’b’);xlabel(’AR(1) (rho=0.5)’);
subplot(3,1,3);plot(y(:,3),’b’);xlabel(’AR(1) (rho=0.9)’);
…gure(2)
subplot(3,1,1);BAR(FAS(:,1));xlabel(’FAS-White Noise (rho=0)’);
subplot(3,1,2);BAR(FAS(:,2));xlabel(’FAS-AR(1) (rho=0.5)’);
subplot(3,1,3);BAR(FAS(:,3));xlabel(’FAS-AR(1) (rho=0.9)’);
…gure(3)
subplot(3,1,1);BAR(f(:,1));xlabel(’Impulse-Response - White Noise (rho=0)’);
subplot(3,1,2);BAR(f(:,2));xlabel(’Impulse-Response - AR(1) (rho=0.5)’);
subplot(3,1,3);BAR(f(:,3));xlabel(’Impulse-Response - AR(1) (rho=0.9)’);

6.1.7. AR(2)
Viene dado por yt = + '1 y t 1 + '2 y t 2 + "t ;
'1 + '2 < 1, '2 '1 < 1, j'2 j < 1
El procedimiento es similar al anterior, con la salvedad de que hay que

especi…car dos condiciones iniciales en vez de una
ar2.m
function [y FAS]=ar2(c,rho1,rho2,T,sigma)
y0=randn(2,1);
y(1,1)=c+rho1*y0(2,1)+rho2*y0(1,1)+sigma*randn(1,1);
y(2,1)=c+rho1*y(1,1)+rho2*y0(2,1)+sigma*randn(1,1);
for i=3:T
y(i,1)=c+rho1*y(i-1,1)+rho2*y(i-2,1)+sigma*randn(1,1);
end
Mu=c/(1-rho1-rho2);
L=25;
g0=(sigma^2)/(1-rho1^2-rho2^2);
g(1,1)=(rho1*g0)/(1-rho2);
g(2,1)=rho1*g(1,1)+rho2*g0;
FAS(1,1)=g(1,1)/g0;
FAS(2,1)=g(2,1)/g0;
for j=3:L
g(j,1)=rho1*g(j-1,1)+rho2*g(j-2,1);
FAS(j,1)=g(j,1)/g0;
end
Un experimento con distintos valores es similar al anterior, haciendo pequeños
cambios en el código.
6.1.8. MA(1)
Viene dado por yt = y + "t "t 1 , j j < 1

En este caso la función de autocorrelación es …nita, tal como vimos en la parte
de identi…cación.
ma1.m
function [y FAS]=ma1(c,theta,T,sigma)
e=sigma*randn(T,1);
y(1,1)=randn(1,1);
for i=2:T
y(i,1)=c+e(i,1)-theta*e(i-1,1);
end
Mu=c;
g0=(1+theta^2)*sigma^2;
g(1,1)=-(theta/(1+theta^2))*sigma^2;
FAS(1,1)=g(1,1)/g0;
L=25;
for j=2:L
g(j,1)=0;
FAS(j,1)=g(j,1)/g0;
end
De igual forma, un experimento con distintos valores es similar al ante-
rior, haciendo pequeños cambios en el código.
Proceso ARMA(p,q) generalizado

Todos los proceso anteriores, así como el cálculo de sus respectivas FAS
y Funciones de Impulso Respuesta pueden ser resumidos en un solo código,
tal como sigue:
armapq.m
function [y FAS]=armapq(A,B,T)
e=randn(T,1);
y=…lter(B,A,e);
L=25;
FAS=autocorr(y,L);
end
Del mismo modo, realizamos el experimento para diversos modelos:
exp_armapq.m
% Experimentos con ARMA(p,q)
T=100;
m=zeros(25,1);
m(1,1)=1;
%ARMA(1,1)
A=[1 -0.7];
B=[1 0.5];
[y(:,1) FAS(:,1)]=armapq(A,B,T);
f(:,1)=…lter(B,A,m);
%ARMA(2,1)
A=[1 -0.7 0.2];

B=[1 0.5];
%ARMA(1,2)
A=[1 -0.7];
B=[1 0.5 -0.2];
…gure(1)
subplot(3,1,1);plot(y(:,1),’b’);xlabel(’ARMA(1,1) (rho1=0.7;theta1=-0.5)’);
subplot(3,1,2);plot(y(:,2),’b’);xlabel(’ARMA(2,1) (rho1=0.7;rho2=-0.2;theta1=-
0.5)’);
subplot(3,1,3);plot(y(:,3),’b’);xlabel(’ARMA(1,2) (rho1=0.7;theta1=-0.5;theta2=0.2)’);
…gure(2)
subplot(3,1,1);BAR(FAS(:,1));xlabel(’FAS-ARMA(1,1) (rho1=0.7;theta1=-0.5)’);
subplot(3,1,2);BAR(FAS(:,2));xlabel(’FAS-ARMA(2,1) (rho1=0.7;rho2=-0.2;theta1=-
0.5)’);
subplot(3,1,3);BAR(FAS(:,3));xlabel(’FAS-ARMA(1,2) (rho1=0.7;theta1=-0.5;theta2=0.2)’);
…gure(3)
subplot(3,1,1);BAR(f(:,1));xlabel(’Impulse-Response - ARMA(1,2) (rho1=0.7;theta1=-
0.5;theta2=0.2)’);
0.5;theta2=0.2)’);
0.5;theta2=0.2)’);
6.1.9. Asignación
Se presenta a continuación el archivo Clase1.wf1 que contiene 12 series

de tiempo de 500 observaciones cada una.
6.2 PREDICCIÓN Y EXPERIMENTOS COMPUTACIONALES49
Se le pide identi…car el tipo de proceso ARIMA(p,d,q) que sigue cada

serie, utilizando los criterios de discriminación de modelos estudiados en
clase.
Se le pide: En grupos de 2 personas seleccione 6 de las 12 series que se
encuentran en el archivo Clase1.wf1 e identi…que el tipo de proceso ARIMA
que sigue cada una de ellas. Se le aconseja grabar una ecuación por cada
serie analizada.
En el objeto de texto (_datos) escriba el nombre de cada integrante del
grupo, las 6 series seleccionadas y el proceso que sigue cada una de ellas.
Modi…que el nombre del work…le asignando Clase1_I1_I2.wf1, siendo In
el primer apellido del integrante n del grupo.
6.2. Predicción y Experimentos Computacionales

6.2.1. Introducción
En este capítulo implementaremos los conceptos desarrollados en el an-
terior básicamente en MATLAB, sobretodo tratando de llegar al tema de
evaluacion de resultados y calidad de los mismos. El desarrollo computa-
cional de estos aspectos es un complemento necesario para el aprendizaje,
en la medida en que permite esclarecer los criterios numéricos desarrollados
en forma analítica. Cabe señalar que la versión de MATLAB utilizada es
la 7.0 R14, que contiene el GARCH toolbox, necesario para varias aplica-
ciones que serán desarrolladas líneas abajo. Al …nal del capítulo se ofrecerá
un apartado sobre predicción de series temporales utilizando Eviews 5.1.
6.2.2. Lineamientos básicos

Recordando la descomposición de Wold:
1
X
yt = c + k "t k (6.2)
k=0
yt = c + "t + 1 "t 1 + 2 "t 2 ::::
Supongamos que y es un proceso ARM A (p; q) generado con el código

armapq.m . Luego la función garchma es utilizada para convertir dicho
proceso en un M A (1) de la siguiente forma:
phi = garchma(AR,MA,k);
Donde phi es el vector de k componentes. mostrado en la ecuación
anterior. Si k no es especi…cado, por defecto MATLAB tomará k = 10. Si
bien es cierto la relación teorica demanda un término in…nito (1), numérica-
mente es necesario …jar un criterio de convergencia tal como k, de modo que
a partir de ese valor los rezagos no añadan valor a la serie. Cabe señalar que
(1) = 1, tomando como referencia al término que premultiplica a la per-
turbación en el período t.AR es el vector de dimensión p que contiene a los
parámetros de tipo autorregresivo del modelo. MA es análogo a AR, de di-
mensión q y que contiene a los parámetros de medias móviles. Es importante
mencionar que los vectores AR y MA deben cumplir con las condiciones de
estacionariedad e invertibilidad respectvamente.
Contando con los parámetros de la descomposición de wold, es posible
replicar las fórmulas del capítulo anterior:
Varianza del error de predicción:
1
X
2 2
var(yt ) = k
k=0
I=ones(k,1);
Var_y=(sigma^2)*(I*phi);
Error cuadrático medio:
2 2 2
M SE( t+h=t ) = 1+ 1 + :: + h 1
phi2=phi.^2;
phi2=phi2(1:k-1);
I=ones(k-1,1);
MSE=(sigma^2)*(phi2*I);
Bandas de con…anza:
q
2 2 2
:yt+h=It 1;96 1+ 1 + :: + h 1
I=ones(T,1);
yhtb1=yht + 1.96*sqrt(MSE);
yhtb2=yht - 1.96*sqrt(MSE);
6.2.3. Predicción y bandas de con…anza en un ARM A (p; q)

El ejemplo que sigue es la simulación de un proceso ARM A (p; q) y el
análisis de predicción del mismo:
% Predicción con Modelos ARMA(p,q) estacionarios
%
% Fernando Pérez Forero
% 04/12/05
clear
% Generamos un proceso ARMA(p,q)
c=0; % Intercepto
A=[1 -0.6 0.2]; % Componente AR
B=[1 0.5]; % Componente MA
T=1000; % Número de Obs.
sigma=1; % Desv. Estándar del término de perturbación
[y e]=armapq(A,B,T,sigma);
y=c+y;
% Generamos el vector de parámetros de la Descomposición de Wold para este
% proceso.
n=length(A);
AR=A(2:n);
AR=-1*AR;
MA=B;
k=15;
phi=garchma(AR,MA,k); % Vector de parámetros de la R. Wold.
I=ones(k,1);
Var_y=(sigma^2)*(I*phi); % Varianza del proceso y.
% Predicción h períodos hacia adelante.

h=2;
beta=phi(h:k);
s=length(beta);
for i=T:-1:h+s
ep=e(i-s+1:i);
yht(i,1)=c+beta*ep; % y(t+hjt)
end
% Error Cuadrático Medio (MSE)
phi2=phi.^2;
phi2=phi2(1:k-1);
I=ones(k-1,1);
MSE=(sigma^2)*(phi2*I);
% Bandas de Con…anza
I=ones(T,1);
yhtb1=yht + 1.96*sqrt(MSE);
yhtb2=yht - 1.96*sqrt(MSE);
% Grá…co
…gure(1)
plot(yht,’g’);title(’ARMA(2,1) - Actual vs. Forecast’);
hold on
plot(y,’b’)
hold o¤
…gure(2)
plot(yhtb1,’r’);title(’Predicción ARMA(2,1) - Bandas al 95 %’);
hold on
plot(yht,’b’)
hold on
plot(yhtb2,’r’)
hold o¤
6.2.4. Encontrando el mejor predictor lineal en un AR(p)

Sea un proceso AR(p) como sigue:
(L) (yt c) = t
donde:
2 p
(L) = 1 1L 2 L :::: pL
El algoritmo para la predicción de un modelo AR(p) es esencialmente el

mismo que un AR(1), puesto que un modelo AR(p) se puede escribir como
un modelo AR(1) utilizando la representación de estado espacio.
0 1 0 1 0 1
yt c 0 1 yt 1 c
B C B C B tC
B C B 1 2 :: p C B C B C
B yt 1 c C B B yt 2 c C B 0 C
B C = B 1 0 :: 0 C CBB C+B C
B C @ A C B C
B : C B : C B : C
@ A 0 :: 1 0 @ A @ A
yt p+1 c yt p c 0
o en términos de notación matricial, se tiene que:
t =F t 1 + wt
var(wt ) = w
% Representación de Estado-Espacio
F=[AR];
F=[F;eye(p-1),zeros(p-1,1)];
for i=3:T
E(:,i)=[y(i,1);y(i-1,1);y(i-2,1)];
w(:,i)=[e(i,1);zeros(p-1,1)];
end
Comenzando en el periodo t, y iterando hacia adelante h periodos, ten-
emos:
t+h = Fh t + wt+h + F wt+h 1 :::::F

h 1
wt+1
% h=1
for i=4:T
Eh1(:,i)=(F^1)*E(:,i-1)+w(:,i)+(F^1)*w(:,i-1);
end
% h=2
for i=5:T
Eh2(:,i)=(F^2)*E(:,i-2)+w(:,i)+(F^1)*w(:,i-1)+(F^2)*w(:,i-2);
end
Entonces el mejor predictor lineal basado en información hasta It
t+1=t =F t
t+2=t = F2 t
t+h=t = Fh t
% Hallando el mejor predictor lineal

% h=1
for i=4:T
Eh1t(:,i)=F*E(:,i-1);
end
% h=2
for i=5:T
Eh2t(:,i)=(F^2)*E(:,i-2);
end
El error de predicción asociado están dados por:
wt+1=t = t+1 t+1=t = wt+1
wt+2=t = t+2 t+2=t = wt+2 + F wt+1
wt+h=t = t+h t+h=t = wt+h + F wt+h 1 + :: + F h wt+1
% Error de predicción
err1=Eh1- Eh1t;
err2=Eh2- Eh2t;
y el correspondiente matrices de varianza-covarianza del error de predic-
ción.
var(wt+1=t ) = w
0
var(wt+2=t ) = w +F wF
h 1
X
var(wt+h=t ) = Fj wF
j0
j=0
% Varianza del error de predicción

varw=w*w’;
H=20;
varwh=varw;
for i=1:H
for h=1:i
varwh(:,:,i)=varw;
varwh(:,:,i)=varwh(:,:,i)+(F^(h-1))*varw*(F^(h-1))’;
end
end
Notese que:
var(wt+h=t ) = w + F var(wt+h=t )F 0
Para una mejor compresion del ejemplo presentamos el ejercicio completo
a continuación:
% Predicción de un AR(P)
%
% 11/12/05
%
clear
% Generamos un Proceso AR(P) P=3
c=0; % Intercepto
A=[1 -0.6 0.2 -0.5]; % Componente AR
B=[1]; % Componente MA
y=c+y;
% Capturamos los parametros asociados a los rezagos
n=length(A);
AR=A(2:n);
AR=-1*AR;
p=n-1;
% Representación de Estado-Espacio
F=[AR];
F=[F;eye(p-1),zeros(p-1,1)];
for i=3:T
E(:,i)=[y(i,1);y(i-1,1);y(i-2,1)];
w(:,i)=[e(i,1);zeros(p-1,1)];
end
% Predicción h períodos hacia adelante
% h=1
for i=4:T
Eh1(:,i)=(F^1)*E(:,i-1)+w(:,i)+(F^1)*w(:,i-1);
end
% h=2
for i=5:T
Eh2(:,i)=(F^2)*E(:,i-2)+w(:,i)+(F^1)*w(:,i-1)+(F^2)*w(:,i-2);
end
% Hallando el mejor predictor lineal
% h=1
for i=4:T
Eh1t(:,i)=F*E(:,i-1);
end
% h=2
for i=5:T
Eh2t(:,i)=(F^2)*E(:,i-2);
end
% Error de predicción
err1=Eh1- Eh1t;
err2=Eh2- Eh2t;
% Varianza del error de predicción
varw=w*w’;
H=20;
varwh=varw;
for i=1:H
for h=1:i
varwh(:,:,i)=varw;
varwh(:,:,i)=varwh(:,:,i)+(F^(h-1))*varw*(F^(h-1))’;
end
end
6.2.5. Predicción en Eviews

El programa Eviews cuenta con una sentencia que ejecuta el proced-
imiento de predecir los valores sobre la muestra. Esta vista nos muestra los
indicadores básicos de predicción, tales como la U de Theil, los sesgos de
varianza y covarianza. Estos resultados se pueden observar dentro de un

objeto equation, dado que resulta de una regresión mínimo cuadrática.
Antes de realizar dicha tarea, debemos repasar lo hecho en clase sobre la
forma en que realmente predecimos los valores de un proceso ARIMA(p,d,q).
Para ello necesitamos recordar conceptos como predictores lineales, conjun-
tos de información disponible, error cuadrático medio, etc. Comenzaremos
con un ejercicio similar al de la clase anterior, donde generamos la serie que
vamos a luego predecir.
La serie que vamos a analizar sigue el proceso:
yt = y + yt 1 + "t
donde , t N (0; 2 )
En base a esto, la mejor predicción lineal es:
h
yt+hjt = y + (yt )
Donde el error de predicción correspondiente es:
"t+hjt = yt+h yt+hjt

Y la varianza:
1 2h
2
V ar "t+hjt = 2)
(1
Donde debe cumplirse que:
l{m yt+hjt = y = E (yt )

h!1
2
l{m V ar "t+hjt = 2)
= V ar (yt )
h!1 (1
Trabajando en Eviews primero generamos los parámetros del programa:
’Predicción de un AR(1) h pasos hacia adelante
’Fernando Pérez Forero
’01/07/05
’Número de observaciones
!Obs=100
’Parámetros
!mu=0.5
!rho=0.8
!sigma2=1
’H-step ahead
!h=7
Luego, creamos un work…le y generamos la serie AR(1):
work…le u !Obs
series AR1=0
series z=nrnd
smpl @…rst+1 @last
series AR1=!mu+!rho*AR1(-1)+z
smpl @all
Luego, creamos las series que almacenarán tanto los valores predichos
como las respectivas varianzas:
series AR1f=AR1
series var_e=0
smpl @last-!h+1 @last
series AR1f=0
smpl @all
Con todo esto, comenzamos a construir los valores predichos para las h
últimas observaciones:
for !i=1 to !h
AR1f(!Obs-!h+!i)=!mu+(!rho^!i)*(AR1(!Obs-!h)-!mu)
var_e(!Obs-!h+!i)=!sigma2*(1-!rho^(2*!i))/(1-!rho^2)
next
Computamos los errores de predicción, dado que contamos con los valores
actuales:
series e_forecast_…nal=AR1f-AR1
smpl @last-!h+1 @last
Construimos los grá…cos para comprobar las hipótesis de convergencia y
comportamiento:
freeze(e_forecast) e_forecast_…nal.line
show e_forecast
freeze(var_error) var_e.line
show var_error
freeze(ar1_f) ar1f.line
show ar1_f
smpl @all
6.2.6. Análisis de indicadores

La evaluación de las predicciones se hacen también dentro del objeto
equation, oprimiendo el botón ‘Forecast’. En el resultado se observan los
valores de la U de Theil, sesgo de media, varianza y covarianza, cuyas de…ni-
ciones se presentan a continuación:
U de Theil:
v
u T +n
u X ^ 2
t yt yt =n
t=T +1
U=v v
u T +n u T +n
u X ^2 u X
t y t =n + t yt2 =n
t=T +1 t=T +1
Sesgo de Media: Cuando la media de la predicción dista mucho de la

de los datos corrientes. Debe ser cercano a cero, para ser considerada una
predicción aceptable.
Sesgo de Varianza: Cuando la variabilidad de la predicción no es
la misma de la de los datos corrientes, teniendo problemas para explicar
movimientos de la serie. Es preferible que este sesgo sea pequeño, de for-
ma que las predicciones de corto plazo se encuentren bien alineadas con los
datos reales, en la medida en que el modelo captura dicho movimiento.
6.3 ESTIMACIÓN POR MÁXIMA VEROSIMILITUD 61
Sesgo de Covarianza: Cuando la variabilidad de la predicción es bas-

tante similar, pero no en el instante exacto en que indican los datos cor-
rientes. Es preferible que el mayor sesgo de predicción se ubique en este
segmento, dado que estamos capturando tanto tendencia como variabilidad,
siendo la diferencia un sesgo de ocurrencia simultánea de eventos.
6.2.7. Ejercicios
1. En grupos de 2 personas, construya las bandas de con…anza del error
de predicción al 95 % de con…abilidad utilizando el programa que se ha
construido en clase. Luego entregue el archivo al profesor.
Pistas:
El valor de la función de densidad de la distribución t es 1,96.
La construcción de la banda es :
yt+hjt = 1;96
2. Generalice el programa anterior a un proceso AR(2).
6.3. Estimación por Máxima Verosimilitud

Luego de revisar el tema de identi…cación de los procesos ARIMA, la
tarea siguiente es la de estimar correctamente los parámetros de dicho mod-
elo detectado. Para ello vamos a tener en cuenta la metodología desarrollada
en clase, que es la de Máxima Verosimilitud. En estricto, la estimación por

Máxima Verosimilitud ejecuta un procedimiento en el cual se debe asumir
una distribución teórica a priori, en otras palabras, el estimador será de tipo
paramétrico. Siendo este el escenario, buscaremos evaluar si la distribución
asumida es la correcta mediante los tests adecuados, así como la e…ciencia
de la estimación.
6.3.2. Algoritmos de Optimización y Máxima Verosimilitud

El procedimiento que vamos a replicar en este capítulo va de la mano con
el tema de la Optimizacion Matemática de funciones respecto a un número
…nito de variables. Es decir, utilizaremos un algoritmo que se encargará
de encontrar valores máximos para una función f de…nida en un dominio
X Rn . Dicho algortimo encontrará un valor x 2 X tal que f (x ) f (x)
para cualquier x 2 X.
De…nimos el problema como:
max f (x)
x2X
y llamamos a f la función objetivo a maximizar.
Este tipo de optimización (de dimensión …nita) es frecuentemente utiliza-
do en el análisis económico. Por ejemplo, en los modelos neoclásicos estándar
de la …rma y del consumidor se requiere maximizar tanto una función de
bene…cios como una de utilidad respectivamente.Los modelos equilibrio com-
petitivo son frecuentemente caracterizados como problemas de optimización
donde existe un plani…cador social que se encargará de tomar las decisiones
de todos los sectores en forma conjunta, de modo que maximice el bienestar
de la sociedad.
En general podemos encontrar diferentes algoritmos que se encargan de
llevar a cabo este proceso, pero debemos tener en cuenta que ciertas car-
acterísticas especiales pueden hacer variar un procedimiento con respecto a
otro, tales como la aproximación de la matriz hessiana, el criterio de conver-
gencia, así como el método para avanzar desde las condiciones iniciales hasta
la respuesta …nal, de forma tal que sea un máximo global y no local. Tanto
Eviews como Matlab cuentan con rutinas especializadas en estos tópicos,
de manera que no tendremos mayores di…cultades a la hora de realizar los
experimentos computacionales.
En econometría, la primera noción de optmizacion la tenemos al efec-
tuar una estimación por Mínimos Cuadrados Ordinarios (MCO), dado que
hallamos los parámetros para los cuáles la suma de errores al cuadrádo es
mínima. Como se señaló en la introducción, este tipo de estimación es no
paramétrica. El mismo procedimiento puede ser replicado si asumimos un
tipo de distribución particular, que nos permita cuanti…car las densidades de

probabilidad de cada realización del proceso. La obtención de los paramtros
que maximizan el producto de densidades de probabilidad se denomina pro-
ceso de Máxima Verosimilitud.
En estricto, la estimación por Máxima Verosimilitud es un método para
obtener estimadores de los parámetros de un modelo, que tienen una dis-
tribución especí…ca. A diferencia de la estimación por MCO, que solamente
toma en cuenta los dos primero momentos de la distribución, Máxima Verosimil-
itud incorpora toda la informacion de la distribución en el modelo, dado que
trabaja con la distribución conjunta de las observaciones.
El procedimiento es como sigue:
Sea f una función de densidad de probabilidades, tal que f yt j t 1 es
la densidad condicional del proceso yt en el instante t, sujeta a la información
disponible en t 1. Normalmente el conjunto de información disponible en
el instante t, es decir ( t ), es referido a las realizaciones pasadas o rezagos
propios del proceso, pero se deja en claro que puede existir una fuente de
información adicional relevante.
Se de…ne entonces la función de verosimilitud L como el producto de las
densidades condicionales parciales, tal que:
YT
L= f yt j t 1 , donde 0 es dado.
t=1
Una transformación monótona conocida es la de tomar logaritmos y en-
seguida maximizar la función Log (L). Como se sabe, dicha transformación
no altera el comportamiento esencial de la función objetivo por tanto el
punto que maximiza a la transformada es exactamente el mismo que le cor-
responde a la original. Dicha transformacion permite un trabajo operativo
mucho más sencillo, por lo que es frecuentemente utilizada nuestro ejemplo
no será la excepción.
La funcion de log-verosimilitud es como sigue:
XT
Log (L) = Log f yt j t 1 , donde 0 es dado.
t=1
Ahora, es necesario señalar que dicha función de verosimilitud se encuen-
tra asociada al vector de parámetros del proceso generador de datos de yt .
Sea el vector de parámetros asociado al proceso generador de datos de yt ,
el problema se plantea de la siguiente forma:
XT
max Log (L) = Log f yt ; j t 1 , donde 0 es dado.
t=1
^
y por lo tanto = Arg max Log (L).
Es importante mencionar que normalmente las condiciones de primer or-

den a este problema no se caracterizan por ser lineales, lo que hará necesario
el utilizar un algortimo iterativo hasta alcanzar la convergencia necesaria.
Es por ello que requerimos un soporte computacional adecuado para llevar
a cabo esta tarea, que otro modo no sería posible.
A continuación pasaremos revista a los experimentos computacionales
que nos van a proporcionar una mejor comprension al tema tratado.
6.3.3. Estimación por Máxima Verosimilitud en Eviews

El programa Eviews cuenta con una rutina que ejecuta el procedimiento
iterativo de encontrar el valor máximo de la función de verosimilitud, dadas
la especi…cación de la misma y las condiciones iniciales del ejercicio. En
vista de ello, nuestro trabajo se va a enfocar en especi…car de la mejor
manera el problema, de modo tal que el resultado sea consistente con los
planteamientos iniciales.
El objeto logl se encuentra provisto de rutinas generalizas que permiten
maximizar una función de verosimilitud respecto a los parámetros especi…ca-
dos del modelo. Lo importante es estar familiarizados con el procedimiento
de generar series en el Eviews, puesto que la especi…cación y estimación se
basa en un conjunto de series creadas como componentes de la función a
maximizar.
Supongamos en nuestro caso que hemos identi…cado que una serie sigue
un proceso AR(1) y queremos probar empíricamente que esto es cierto. La
estimación por máxima verosimilitud nos pide que especi…quemos correcta-
mente la función objetivo creando, en primer lugar, el objeto logl:
Logl logl1
La serie que vamos a analizar sigue el proceso:
yt = + yt + "t , donde "t N (0; 2)

y 1 "
Claramente los parámetros a estimar con tres: y , y 2" . Dado el

supuesto de normalidad de los errores planteamos la Función de Log-Verosimilitud:
2 T 2
P
T y
(t y yt 1
2
)
L y; ; " = 2 log (2 ) + log " 2 2
"
t=1
Que en forma resumida resulta:
2
P
T
2
L y; ; " = Lt y; ; "
t=1
2 (yt y yt 1 ) 1 2
donde: Lt y; ; " = log " 2 log " .
En Eviews vamos a buscar los parámetros iniciales para este ejercicio,
siendo los resultados de una regresión MCO los candidatos más adecuados.
Estimando la regresión:
LS y c AR(1)
Para identi…car mejor los parámetros recomendamos crear vectores de
coe…cientes distintos al tradicional. En este caso hacemos:
coef(1) mu
coef(1) rho
coef(1) sigma2
Asignamos los resultados de la regresión a los coe…cientes creados, toman-
do estos la forma de parámetros iniciales.
mu(1)=c(1)
rho(1)=c(2)
c(3)=mco.@se
sigma2=c(3)
Especi…camos la función de verosimilitud tal como fue discutida:
logl1.append @logl loglike
logl1.append @byeqn
logl1.append res=ar1-mu(1)-rho(1)*ar1(-1)
logl1.append var=sigma2(1)
logl1.append loglike=log(@dnorm(res/@sqrt(var)))-log(var)/2
Eliminamos la primera observación de la muestra, dado que al tomar un
rezago esta se pierde:
Con estas especi…caciones el modelo está listo para ser estimado. Por
ello, ejecutamos dicha sentencia y observamos los resultados:
logl1.ML
show logl1
El programa ha hecho lo que le hemos pedido, es decir, una vez que
tuvo las especi…caciones sobre la función de verosimilitud no hubo proble-
mas para estimarla. Lo siguiente es evaluar la e…ciencia de este estimador,
para lo cual debemos analizar las propiedades estadísticas de los mismos.
Un experimento interesante sería generar aleatoriamente muchas series (n)
AR(1) que contengan los mismos parámetros, de tal forma que se obtengan
los valores MV para cada experimento y se evalúe la convergencia de ellos.
6.3.4. Análisis de la e…ciencia del estimador

La evaluación de este proceso se hace mediante la obtención de la matriz
de covarianzas de los coe…cientes estimados. Luego, es necesario trabajar con
las derivadas de esta función de verosimilitud, con el objetivo de construir
la matriz de información que se utiliza para comprobar que el estimador sea
de mínima varianza.
Si la matriz de covarianzas es igual a la inversa de la matriz de infor-
mación (Cota de Cramer-Rao) entonces se comprueba que el estimador, que
asume distribución normal, es de mínima varianza.
Capturamos la matriz de covarianzas:
matrix cmatr=logl1.@coefcov
Luego construimos la matriz hessiana, aproximada por el producto ex-
terno de los gradientes:
logl1.makegrads(n=gradiente) gmu grho gsigma2
matrix g1=@convert(gradiente)
matrix g2=@transpose(g1)
matrix info=g2*g1
matrix cmatr_info=@inverse(info)
Evaluamos la desigualdad de cramer rao:
matrix cramer_rao=cmatr-cmatr_info
En caso de cumplir la condición, esta matriz debe ser cercana a cero en
todos sus elementos. Se recomienda borrar los objetos temporales para un
mayor orden en el work…le:
d g1 g2 info gradiente gmu grho gsigma2
6.3.5. Test de signi…cancia

El test de wald evalúa las distintas restricciones que se pueden imponer a
un modelo, evaluando la signi…cancia validez de este conjunto de condiciones.
Fijamos la hipótesis nula y evaluamos el resultado de este test:
freeze(wald_test) logl1.wald mu(1)=0.5, rho(1)=0.8, sigma2(1)=1
show wald_test
6.3.6. Estimación por Máxima Verosimilitud en Matlab

En esta sección estimaremos por Máxima Verosimilitud los parámetros
de un proceso ARM A (p; q), apuntando a realizar numerosos experimentos
computacionales que revelen la distribución de los parametros obtenidos.
Simularemos este proceso y luego construiremos la función de verosimilitud
para su posterior estimación.
Sea el siguiente proceso ARM A (2; 1):
y t = 1 yt 1 + 2 yt 2 + " t 1 "t 1 , donde "t N (0; 2" )
Supongamos que 1 = 0;6, 2 = 0;2, 1 = 0;5, " = 1. Luego gener-
amos un proceso de 1000 observaciones:
c=0; % Intercepto
p=length(A);
q=length(B);
[y e]=armapq(A,B,T+p,sigma);
y=c+y;
Antes de seguir con el procedimiento es necesario crear una función de
verosimilitud a maximizar. De preferencia se genera un archivo .m adicional
para luego llamar a una función de optimización que trabaje con el vector
de parametros objetivo.
Creamos la función en base al proceso ARM A (2; 1) generado. Se asume

distribucion normal para el término de perturbación:
P
T
yt 1 yt 1 2 yt 2 + 1 "t 1
L ( 1; 2; 1; ") = Log "
, donde y0 ; y 1 ; "0
t 1
son dados.
function L=LogL(y,e,theta,p)
% Se requiere de preferencia p>q
% p: Términos AR
n=length(theta);
T=length(y); % T+p en este caso
AR=theta(1:p);
for i=1:p
ARi(i)=AR(p-i+1);
end
MA=theta(p+1:n-1);
q=length(MA);
for i=1:q
MAi(i)=MA(q-i+1);
end
sigma=theta(n);
L=0;
for i=p+1:T
lagsy=y(i-p:i-1);
lagse=e(i-p:i-p+q-1);
L=L+log(normpdf(y(i,1),ARi*lagsy+MAi*lagse,sigma));
end
L=-L;
Como podemos apreciar, estamos tomando el negativo de la funcion de
verosimilitud. Esto es desde que la herramienta de Matlab permite minimizar
funciones de varias variables. En este caso, al tomar el negativo, estaríamos
maximizando la misma.
Creamos una función adicional para que solamente quede como argu-
mento:
function Lf=LogL_F(theta)
global y e p
Lf=LogL(y,e,theta,p);
Con la función de verosimilitud correctamente construida pasamos a re-
alizar el experimento:
% Estimación por Máxima Verosimilitud de los parámetros de un ARMA(p,q)

%
% 11/12/05
clear
c=0; % Intercepto
p=length(A);
q=length(B);
y=c+y;
AR=A(2:p);
AR=-1*AR;
p=length(AR);
MA=B(2:q);
MA=-1*MA;
q=length(MA);
y0=randn(p,1);
y=[y0;y];
e0=randn(q,1);
e=[e0;e];
AR_CI=[0.29 -0.19];
MA_CI=[-0.29];
sigma_CI=0.99;
theta=[AR_CI,MA_CI,sigma_CI];
global y e p
% Seleccionando el vector de opciones default
options = optimset(’fminsearch’);
% Ajustando las opciones
options.MaxFunEvals= 30000;
options.LargeScale=’o¤’;
options.MaxIter= 15000;
[theta_…n,LogF,exit‡ag,output] =fminsearch(’LogL_F’,theta,options);
LogF=-LogF;
theta_…n
exit‡ag
^
Como resultado obtenemos el vector que maximiza la función de log-
verosimilitud:
theta_…n = [0.5726, -0.3259, -0.0181, 0.9512]
La agenda pendiente se centra en la obtención de las varianzas de estos
estimadores, así como el realizar experimentos múltiples para veri…car la
consistencia de los mismos.
6.3.7. Asignación
Primera parte
En la seeción II se estimaron los parámetros especi…cando una función
de verosimilitud. Ahora, se sabe bien que en el caso de los AR(1) la primera
observación tiene una regla de correspondencia distinta, lo cual hace que
la especi…cación y estimación sea condicional a qué observación se está uti-
lizando. La regla
8 de correspondencia
( completa ) sería:
2
>
> y t
y
>
< p 1 2 exp
1
2 ,t=1
2 (1 ) 2 2
f (y; ) = 1
>
> (yt y yt 1 )
2
>
: p1 exp 2 ,t>1
2 2( )
En base al código anterior, modi…que la especi…cación para satisfacer
esta restricción.
Pistas:
Utilice una variable dummy que distinga los dos intervalos de la
regla de correspondencia.
La función recode ejecuta sentencias en base a una condición inicial,
de no cumplirse ejecuta otra sentencia indicada.
Segunda parte
Evalúe la consistencia de las muestras grandes generando 500 experi-
mentos (!Repl) tanto para un ejercicio de 35 como de 1000 observaciones,
utilizando de preferencia el resultado de la pregunta anterior. Almacene los
resultados de cada replicación en un vector columna, de forma que se pueda
evaluar la distribución asintótica de cada estimador. Si es posible, haga lo
mismo con las desviaciones estándar.
Pistas:
Para generar un AR(1) ejecute los siguientes comandos:
work…le u 1 !Obs
!Obs=500
!mu_pobl=0.5
!rho_pobl=0.8
series AR1=0
series AR1=!mu_pobl +!rho_pobl *AR1(-1)+nrnd
smpl @all
Para crear los vectores de resultados ejecute los siguientes comandos:
vector(!Repl) mudist, Vector de parámetros mu estimados.
vector(!Repl) stdmu, Vector de desv. de mu de cada experimento.
vector(!Repl) rhodist, Vector de parámetros rho estimados.
vector(!Repl) stdrho, Vector de desv. de rho de cada experimento.
vector(!Repl) sigma2dist, Vector de parámetros sigma2 estimados.
vector(!Repl) stdsigma2, Vector de desv. de sigma2 de cada experi-

mento.
Para almacenar el resultado de cada parámetro del experimento i en el

vector ejecutar:
mudist(!i)=mu(1), Almacenamos los resultados de la simulación i para

mu.
6.4. Ejercicios
1. Bajo que restricciones sobre los parámetros del siguiente modelo, este
es estacionario en media y varianza
yt = 1 yt 1 + 2 yt 2 + t
donde , N (0; 2 ):
t
2. Asumiendo que los parámetros del modelo anterior cumplen con las
restricciones para garantizar estacionariedad, calcular el la respuesta
de yt h periodos hacia adelante ante un choque en t , esto es calcular
@yt+h
=
@ t
Suponga, que este modelos se puede expresar como
(1 1 L) (1 2 L) yt = t
Escriba su respuesta en función de 1 y 2:
3. Explique cuales son las propiedades del estimador de máxima verosimil-

itud
4. Calcule la predicción el error de predicción y intervalos de con…anza

para el siguiente modelo AR(2)
yt = 1 yt 1 + 2 yt 2 + t
5. Demuestre que la esperanza condicional en t es el predictor lineal óp-

timo.
6. Es el siguiente proceso M A(2) estacionario en covarianzas?
Yt = (1 + 2;4L + 0;8L2 ) t
8
< 1 para s = 0
donde, E( t t+s ) =
: 0 en otro caso
si este es el caso, calcule sus autocovarianzas
6.4 EJERCICIOS 73
7. Es el siguiente proceso AR(2) estacionario?
(1 1;1L + 0;18L2 )Yt = t

8
< 1 para s = 0
donde, E( t t+s ) =
: 0 en otro caso
si lo es, calcule sus autocovarianzas.
8. Dado el siguiente modelo AR(2) estacionario en covarianzas
yt = 1 yt 1 + 2 yt 2 + t
donde , t N (0; 2 ):
Encuentre su representación en medias móviles. ( Hint: use la siguiente

condición:
B(L) A(L) = 1
donde:
B(L) = 1 2
1L 2L
A(L) = 1 + 1 L + 2 L2 + 3 L3 ::::::
9. Dado el siguiente modelo AR(P),
yt = 1 yt 1 + 2 yt 2 :::: p yt p + t
donde , t N (0; 2 )
Escríbalo en forma de estado espacio, y especi…que bajo qué condiciones
es estacionario. :
10. Dado el siguiente modelo AR(1)
yt = y t 1 + t
donde , t N (0; 2 )
Escriba la seudo función de verosimilitud, encuentre el estimador de MV
de y de 2 , asi como de sus respectivas varianzas.
11. Muestre que la precisión de la proyección de un modelo AR(1) dismin-

uye a medida que el horizonte de predicción aumenta.
12. Explique en que consisten las siguientes pruebas estadísicas:
a) La prueba de normalidad de Jarque-Bera

b) Prueba de autocorrelación de LM
c) Prueba de heterocedasticidad de LM
d) Prueba de heterocesdacidad de White,
e) La prueba de razón de verosimilitud.
13. Explique en detalle cuál es el procedimiento para identi…car apropi-

adamente un modelo ARIMA(p,d,q).
14. Explique cuales de las siguientes proposiciones son verdaderas o falsas
a) Todo proceso estacionario ARMA(p,q) tiene una representación

de medias móviles M A (1)
b) La matriz de varianza covarianzas del estimador de máxima verosimil-
itud esta dado por el producto orthogonal de la gradiente de la
función de verosimilitud respecto a los parámetros.
c) En el modelo AR(2) siguiente
yt = 1 yt 1 + 2 yt 2 + t
1
la respuesta de largo plazo de yt ante un choque en t es 1 1 2
Capítulo 7
Vectores Autorregresivos1
Los vectores autorregresivos son la generalización de los modelos autor-

regresivos univariantes al caso multivariante, tienen la ventaja de incorporar
mucha mas información, esto es para la proyección de cada variable endo-
gena, se considera toda su historia, y también la historia de todas las otras
variables que forman parte del modelo VAR(p). Asimismo, se consideran
varias fuentes de choques como las generadoras de ‡uctuaciones.Veamos el
siguiente ejemplo:
2 3 2 32 3 2 3
yt 11 12 yt 1 v1;t
4 5=4 54 5+4 5
t 21 22 t 1 v2;t
Donde yt y t representa la brecha producto y la in‡ación. Hay varias

características de este modelo que vale la pena resaltar, primero, la dinámi-
ca tanto de la in‡ación como del producto dependen ahora de los valores
pasados tanto de la in‡ación como de la brecha producto, esto es, el modelo
para proyectar yt esta dado por.
yt = 11 yt 1 + 12 t 1 + v1;t
Segundo, cada variable depende de todas las fuentes de ‡uctuaciones

puesto que v1;t es una combinación lineal de las fuentes de choques primarias
en el modelo. Esta información se obtiene del hecho que
1
La mayoría del material discutido en estas notas es un resumen de los capítulos 10
y 11 de Hamilton (1994) y del libro de Amisano y Giannini "Topics in Structural VAR
Econometrics"
75
76 CAPíTULO 7 VECTORES AUTORREGRESIVOS2
2 3
11 12
E(Vt Vt0 ) = 4 5
12 22
La covarianza entre el choque 1 y 2 no es cero, es decir estas variables

no son independientes. Esto quiere decir que si v2;t cambia, también lo hará
v1;t afectando la brecha producto. Es por ello que antes de realizar ejercicios
de simulación dinámica se deben ortogonalizar estos residuos. Cuando los
residuos no están ortogonalizados la representación del modelo VAR se de-
nomina forma reducida. Veamos a continuación un ejemplo como un modelo
dinámico estructural se puede escribir como un VAR(1).
Un modelo típico de una economía cerrada sin expectativas
yt = 1 yt 1 2 (it ( t )) + gt
=t t 1+ yt + t
it = ' t + 'y y t + t
donde fyt ; t ; it g representan las variables endógenas del modelo, y fgt ; t ; it g

las variables exógenas. La primera ecuación representa una curva IS dinámi-
ca, la segunda una curva de Phillips, y la tercera una regla de Taylor. Es-
cribiendo
2 este modelo 3 2en forma
3 2matricial 3tenemos:
2 3 2 3
1 a2 a2 yt 1 0 0 yt 1 g
6 76 7 6 76 7 6 t7
6 76 7 6 76 7 6 7
6 1 0 76 t 7 = 6 0 0 76 t 1 7 + 6 t 7
4 54 5 4 54 5 4 5
'y ' 1 it 0 0 0 it 1 t
de forma compacta, el sistema anterior puede escribirse como:
B0 Zt = B1 Zt 1 + t
donde2 3 2 3
yt 1 a2 a2
6 7 6 7
6 7 6 7
Zt = 6 t 7; B0 = 6 1 0 7;
4 5 4 5
it 'y ' 1
2 3 2 3
0 0 gt
6 1 7 6 7
6 7 6 7
B1 = 6 0 0 7; t =6 t 7
4 5 4 5
0 0 0 t
Multiplicando ambos lados de esta ecuación por B0 1 tenemos que:
7.1 ESTACIONARIEDAD Y MOMENTOS 77
Zt = B0 1 B1 Zt 1 + B0 1 t
y haciendo 1 = B0 1 B1 y Vt = B0 1 t notamos que el modelo estruc-

tural dinámico anterior puede escribirse como un modelo VAR(1). El mod-
elo es estructural porque impone restricciones sobre el numero de variables
que afectan cada ecuación y sobre la relación que existe entre los diversos
choques. En el caso particular de este ejemplo, el choque de gasto publico,
de oferta y el choque monetario se asume que son ortogonales entre si, razón
por lo cual su matriz de varianza covarianza es escalar. Sin embargo, la for-
ma reducida del modelo VAR(1), la que se obtiene al multiplicar el sistema
por B0 1 tiene choques que no son ortogonales, Vt , su matriz de varianza
covarianza no es escalar.
E(Vt Vt0 ) = B0 1 E( 0
t t )B0
10
Sin embargo, las correlaciones que se observan en los choques de la rep-

resentación en forma reducida contienen información sobre las relaciones
contemporáneas de las variables bajo análisis, en este caso in‡ación y pro-
ducto. Para poder realizar simulaciones dinámicas con este modelo, primero
debemos estimar B0 , puesto que dada esta información podemos trasformar
los residuos de la forma reducida, que son estimables directamente, en resid-
uos ortogonales que pueden utilizarse para hacer simulaciones dinámicas.
t = B0 Vt
En lo que sigue vamos a revisar algunos conceptos básicos sobre VAR,

que son la generalización de lo que hemos visto para modelos univariantes,
esto es, el calculo de los primeros y segundos momentos de un VAR(p),
condiciones de estacionariedad, el procedimiento para invertir in VAR(p), el
procedimiento de estimación, pruebas de hipótesis, y predicción, …nalmente
regresaremos al tema de simulaciones dinámicas para analizar las funciones
de impulso respuesta, la descomposición de varianza, y varias formas de
estimar t , es decir VAR(p) estructurales.
7.1. Estacionariedad y momentos

Un VAR(p) típico tiene la siguiente forma:
Yt = o + 1 Yt 1 + 2 Yt 2 :::: + p Yt p + t
donde Yt y t son vectores de dimensión k 1, y j matrices de orden

k k que contienen los parámetros del modelo, y la matriz de varianza
covarianza de t 8 satisface:
< para t = s
E( t 0t+s ) =
: 0 en otro caso
Al igual que en el caso de modelos univariantes, para garantizar las
estacionariedad débil de estos modelos se tiene que restringir sus primeros
y segundos momentos a ser independientes del tiempo. Bajo el supuesto de
estacionariedad.
1
E (Yt ) = (I 1 2 :: p) o
Asimismo, utilizando el operador de rezagos, el modelo anterior puede

escribirse como:
(L)Yt = t
donde, el polinomio de rezagos se de…ne como:
2 p
(L) = I 1L 2L :: pL
El modelo anterior puede escribirse también en forma estado espacio, es

decir como un VAR(1) de la siguiente forma:
Zt = F Zt 1 + Vt
Donde estas2 nuevas variables
3 se de…nen a continuación como:
Yt o
6 7
6 7
6 Yt 1 o 7
6
Zt(kp 1) = 6 7
.. 7
6 . 7
4 5
Yt p 1 o
2 3
1 2 2 p 1 p
6 7
6 7
6 Ik 0 0 0 0 7
6 7
6 7
F(kp kp) =6 0 Ik 0 0 0 7
6 7
6 .. .. .. .. .. 7
6 . . . . . 7
4 5
0 0 0 Ik 0
y
7.1 ESTACIONARIEDAD Y MOMENTOS 79
2 3
t
6 7
6 7
6 0 7
Vt(kp 1) =6
6 ..
7
7
6 . 7
4 5
0
donde la matriz de varianza covarianza de este nuevo vector de errores
esta dado por: 8
< Q para t = s
E( t 0t+s ) =
: 0 en otro caso
donde 2 3
0 0
6 7
6 7
6 0 0 07
6 7
6 7
Qkp kp =6 0 0 07
6 7
6 .. .. .. 7
6 . . .7
4 5
0 0 0
Las condiciones de estacionariedad del modelo AR(p) pueden encontrarse
de manera sencilla, a partir de la matriz F. Se dice un modelo VAR(p)
es estacionario si sus primeros y segundos momentos son independientes
del tiempo. Esta condición se satisface si la matriz F , correspondiente a
la representación estado espacio del VAR tiene todos los valores propios i
tales que j i j < 1:
Los segundos momentos del VAR(p), entonces pueden calcularse a partir
de: 2 3
0 1 p 1
6 7
6 0 0 7
6 1 0 p 2 7
=6 7
0
E Zt Zt = 6 .. 7
6 0 . 7
4 5
0 0 ..
p 1 p 2 .
donde, j representa la autocovarianza de orden j de Yt . Para calcular,
procedemos como el caso de un ar(1).
0 = E (F Zt 1 + Vt ) (F Zt 1 + Vt )0 = F 0F
0
+Q (7.1)
De igual manera, podemos calcular:

0 0
E Zt Zt 1 = E (F Zt 1 + Vt ) (Zt 1) = 1
este procedimiento puede generalizarse para obtener:

0
E Zt Zt j = Fj 0 =F j 1
Notese, que las formulas que estamos derivando, son exactamente las
mismas que las derivadas en clases anteriores para el caso de un AR(1), si
asumimos que F ,Q y 0 son escalares.
Para obtener una forma cerrada de la solución de 0 debemos hacer uso
de dos operadores adicionales, el operador vec y el producto Kronecker. El
operador vec convierte, una matriz de n por m, en un vector nm por 1, apila
las columnas de la matriz una debajo de otra en el vector. Por ejemplo.
dada la matriz,
2 3
a11 a12
A=4 5
a21 a22
2 3
a11
6 7
6 7
6 a21 7
6
el vec(A) = 6 7
7
6 a12 7
4 5
a22
Proposition 2 El operador vec satisface la siguiente propiedad: vec(ABC) =

(C 0 A) vec(B) donde el símbolo denota el producto kronecker.
Aplicando el operador vec a la ecuación 7.1 tenemos que:
0
vec( 0) = vec(F 0F ) + vec(Q)
vec( 0) =F F vec( 0) + vec(Q)
1
vec( 0) = [Ir F F] vec(Q)
donde r = (kp)2 si la matriz F tiene todos sus valores propios estacionar-
ios, este también sera el caso de la matriz F F entonces se puede garantizar
que existe 0 .
7.2 CAUSALIDAD EN EL SENTIDO DE GRANGER 81
7.2. Causalidad en el sentido de Granger

Una pregunta relevante en el análisis VAR es el referido al contenido de
información de una variable respecto a otra. Para responder esa pregunta
utilizamos el concepto de causalidad en el sentido de Granger, que no se
re…ere a una relación causa efecto, sino mas bien es un concepto de prece-
dencia estadística. Se dice que una variable xt no causa otra variable yt en
el sentido de Granger, si xt no ayuda a predecir yt , mas formalmente, si
ECM (yt+s =It ; xt ) = ECM (yt+s =It ) donde It = fyt 1: yt 2 ::g
Para probar estadísticamente la causalidad en el sentido de Granger, se
puede utilizar pruebas estadísticas F sobre los coe…cientes de un modelo
VAR(p). Por ejemplo en el modelo VAR de…nido anteriormente. para la
in‡ación
2 3y el 2producto: 3 2 3
1 1
yt 11 12 yt 1
4 5=4 54 5 + ::
1 1
t 21 22 t 1
2 32 3 2 3
p p
11 12 yt p v1;t
4 54 5 :: + 4 5
p p
21 22 t p v2;t
La in‡ación no causa en el sentido de Granger al producto si, J12 = 0,
para todo j:Esto es la in‡ación es no informativa de la brecha producto.
7.3. La representación en medias móviles

Todo VAR(p) estacionario tiene una representación equivalente como un
V M A(1), la representación de medias móviles es muy conveniente puesto
que permite fácilmente calcular la predicción en un VAR(p), los impulsos
respuesta y la descomposición de varianza. Dado el siguiente modelo VAR(p)
estacionario
Yt = o + 1 Yt 1 + 2 Yt 2 :::: + p Yt p + t
Existe su representación en medias móviles dada por:
Yt = 0 + t + 1 t 1 + 2 t 2 + :::::
Para invertir el modelo AR(p), tenemos que encontrar las matrices j
como función de las matrices j . Para ello, expresamos ambos modelos uti-
lizando el operador de rezagos:
(L)Yt = t
Yt = (L) t
donde debe cumplirse que:
1
(L) = (L)
entonces:
(L) (L) = I
2 p 2
I 1L 2 L :::: pL I+ 1L + 2L + ::: = I
Desarrollando esta ecuación e identi…cando términos tenemos las sigu-

iente secuencia recursiva para los j como función de los j
1 = 1
2 = 1 1 + 2
s = 1 s 1 + 2 s 2 ::: p s p
Notese, que una vez obtenida la version de medias móviles del VAR(p)
en forma reducida, se puede obtener la version de medias móviles en la forma
structural, notando que:
t = B0 1 Vt
Entonces, el VAR(1) en forma estructural esta dado por:
Yt = (L)B0 1 Vt
Dada la representación en medias móviles es muy sencillo obtener la

función de impulso respuesta y la descomposición de varianza del modelo.
7.4 FUNCIÓN IMPULSO RESPUESTA 83
7.4. Función impulso respuesta

Dada la representación de medias móviles de la forma reducida
Yt = c + t + 1 t 1 + 2 t 2 + :::
La representación de medias móviles de la forma estructural esta dada
por:
Yt = c + B0 1 Vt + 1 B0
1
Vt 1 + 2 B0
1
Vt 1 + :::
Entonces, la función impulso respuesta describe la respuesta de todo el
vector de variables Yt+s a un impulso de una sola vez en yj;t , manteniendo
todas las demás variables constantes. Analíticamente, el impulso respuesta
se mide como:
@Yt+s j
= sb
@vj:t
Donde:
h i
B0 1 = b1 b2 : : : bk
En el ejemplo del modelo estructural discutido anteriormente, se pueden

calcular los impulsos respuesta de la brecha producto, la in‡ación y las tasas
de interés a un choque de gasto publico, costos, y de política monetaria. En
cada caso, la función impulso respuesta muestra la respuesta temporal de
estas tres variables endogenas a los choques:
7.5. Descomposición de Varianza

Puesto que existe multiples fuentes de ‡uctuaciones en un modelo VAR(p),
cada una correspondiente a un choque estructural, es importante medir que
tan importante es cada fuente de ‡uctuaciones explicando la volatilidad to-
tal de cada serie endogena. Por ejemplo, nos gustaría saber de los 3 choques
estructurales cual es el mas importante para explicar el producto o la in-
‡ación, son los choques de demanda o los de oferta. Este es precisamente la
información que nos brinda la descomposición de varianza.
Nuevamente, utilizando la representación de medias móviles del modelo
estructural
Yt = c + B0 1 Vt + 1 B0
1
Vt 1 + 2 B0
1
Vt 1 + :::
El error de predicción, s periodos hacia adelante esta dado por:
Yt+s Yt+s=t = B0 1 Vt+s + 1 B0

1
Vt+s 1 + 2 B0
1
Vt 1 + ::: s 1 B0
1
Vt+1
La varianza del error de predicción esta dada por:
E (Yt+s Yt+s=t )2 = + 1
0
1 + ::: s 1
0
s 1
donde
E(Vt Vt0 ) =
E( 0
t t) = = B0 1 B0 10
Puesto que
t = B0 1 Vt = b1 v1;t + b2 v2;t : + :bk vk;t
= b1 b10 var(v1;t ) + b2 b20 var(v2;t )::: + bk bk0 var(vk;t )
La varianza del error de predicción puede escribirse como la suma de la

contribución marginal a la varianza total de la varianza de cada choque:
j=k
X
= var(vj;t ) bj bj0 + 1b
j j0
b 0
1 + ::: s 1b
j j0
b 0
s 1
j=1
Entonces, la contribución marginal del choque j en la varianza del error

de predicción de la variable i esta dado por:
100 var(vj;t )diag bj bj0 + 1b

j bj0 0
1 + ::: s 1b
j bj0 0
s 1
(i; i)
A medida que el horizonte de predicción se hace mayor, la varianza del

error de predicción converge a la varianza no condicional de la serie 0 de
manera análoga a lo que demostramos en la clase de predicción para el caso
de modelos univariantes.
7.6 ESTIMACIÓN DE MODELOS VAR(P) 85
7.6. Estimación de modelos VAR(p)

La estimación de un modelo VAR(p) se hace utilizando la seudo fun-
ción de verosimilitud, esto es es utilizando solamente las distribuciones de
probabilidad condicionales. Como se discutió en clases anteriores en este ca-
so los estimadores de maxima verosimilitud coinciden con los de mínimos
cuadrados ordinarios.Dado el siguiente modelo VAR(p) estacionario
Yt = o + 1 Yt 1 + 2 Yt 2 :::: + p Yt p + t
con t N (0; )
tenemos que:
Yt j Yt 1 j Yt 2 :::Yt p+1 : N( o + 1 Yt 1 + 2 Yt 2 :::: + p Yt p ; )
El modelo anterior se puede escribir de forma compacta apilando las

variables exogenas, en este caso predeterminadas en un vector de variables
Xt tal que:
2 3
1
6 7
6 7
6 Yt 1 7
Xt = 6 . 7
6
7 y = [ o 1 ::: p ]
6 .. 7
4 5
Yt p
entonces, el VAR(p) puede escribirse como:
0
Yt = Xt + t
Por tanto la función de verosimilitud estaría dada por:
1X h i
T
Tk T 1 0 1 0 0
L( ) = log(2 ) + log Yt Xt Yt Xt
2 2 2
t=1
Esta función de verosimilitud coincide con la de un modelo lineal general,

por tanto el estimador de maxima verosimilitud de 0 y esta dado por:
" T
#" T
# 1
X X
0
k (kp+1) = Yt Xt0 Xt Xt0
t=1 t=1 t
Asimismo se tiene que:

" T
#" T
# 1
j0
X X
1 (kp+1) = yj;t Xt0 Xt Xt0
t=1 t=1 t
Este estimador equivale a estimar por mínimos cuadrados ordinarios yj;t

en Xt0 . De manera similar,
" T #
1 X 0
b= t t
T
t=1
Bajo el supuesto que t es independiente e idénticamente distribuido con

media cero, y varianza se cumple que ( proposición 11.1 Hamilton (1994):
1
1 P
T p
1. T Xt Xt0 !Q
t=1t
2. b p!
3. b p!
p d
4. T bT ! ! N (0; Q)
Es decir, bajo el supuesto de independencia, idéntica distribución y ho-

mocedasticidad y no correlación serial, el estimador de maxima verosimili-
tud, que coincide con el estimador de MCO es consistente y tiene una dis-
tribución asintótica que es normal.
Esto resultado permite hacer pruebas de hipótesis sobre los parámetros
del modelo de manera muy sencilla. Así por ejemplo podemos imponer un
conjunto de restricciones lineales sobre de la siguiente forma:
R =r
Que dado el supuesto de normalidad de implica que:
p d
T RbT !r ! N (0; R ( Q) R0 )
Lo que nos permite de…nir el siguiente estadístico de Wald,
0 0 " # 1
1 1 1
T
X
W = RbT ! r @R @ Xt Xt0 AR 0A
RbT !r
t=1 t
7.7 IDENTIFICACIÓN DE MODELOS VAR(P) 87
0 Donde W 2 (m) donde m es el numero de restricciones que se imponen.
De igual manera, es sencillo implementar pruebas de hipótesis utilizando el

estadístico de la razón de verosimilitud.
1 1
RV = 2(L1 L0 ) = T log 0 log 1
Este estadístico tiene una distribución 2 (m) donde m es el numero de

restricciones que se imponen
7.7. Identi…cación de modelos VAR(p)

De manera similar al caso de modelos univariantes con modelos multi-
variantes de series de tiempo se requiere también la correcta identi…cación
del orden de VAR. Para ello seguimos el mismo principio que en el caso de
modelos univariantes, esto es el p es aquel que genera un vector de residuos
t bien comportado, esto es sin presencia de correlación serial, heterocesdaci-
dad, y que se comporte siguiente una distribución normal. Por tanto para
determinar p se sigue un procedimiento secuencial, se estima el VAR con un
p inicial, p0 , luego se evalúa la calidad del residuo, si este no presenta las
características deseadas se aumenta el p hasta encontrar el valor adecuado.
Para evaluar los residuos, además de pruebas multivariantes de correlación
serial, heterocesdacidad y normalidad, se utilizan criterios de información
multivariantes, y pruebas de hipótesis para determinar la signi…cancia de
rezagos adicionales.
Los criterios de información mas conocidos son el de Akaike, AIC, el
bayesiano-Schwarz-Bayesian y Hannan-Quinn (HQ):
1 2pk 2
AIC(p) = log +
T
1 ln(T )pk 2
BIC(p) = ln +
T
1 2 ln(ln(T ))pk 2
HQ(p) = ln +
T
El criterio de AIC sobreestima el verdadero valor de p asintóticamente,
mientras que los BIC y HQ son asintóticamente consistentes, si es que el
p < p max.
Para realizar la prueba de normalidad de los residuos se puede utilizar
un extension al caso multivariante de la prueba de Jarque Bera, esta prueba
compara el tercer y cuarto momento de la distribución con los valores teóri-

cos de estos momentos para el caso de una normal. Esta prueba se aplica
a los residuos ortogonalizados. La ortogonalización de los residuos se puede
alcanzar por cualquiera de los métodos que vamos a discutir en la sección
siguiente.
Dado un vector de residuos de la forma estructural tal que:
Vt = B0 t N (0; Ik )
Entonces, tenemos que:
2 3 2 3
p m3 6Ik 0
T4 5 N (0; 4 5)
m4 3 0 6Ik
donde m3 y m4 representa el momento de tercer y cuarto orden. Para las
pruebas individuales de normalidad, se utiliza el estadístico típico de Jarque
Bera,
m23 (m4 3)2 2

J =( + ) (2)
6 24
Para la prueba de normalidad conjunta se realizan las siguientes pruebas.
T m03 m3 2
3 = (k)
6
T (m4 3)0 (m3 3) 2

4 = (k)
24
2
= 3 + 4 (2k)
Capítulo 8
VAR Estructurales
En el capitulo anterior asumimos para derivar las expresiones correspon-

dientes al impulso respuesta y descomposición de varianza que se conocía
la relación entre errores de la forma reducida y de la forma estructural, en
particular asumimos que se cumplía la siguiente relación
Vt = B0 t
0
Donde Et t t = y Et (Vt Vt0 )
=
Sin embargo, en la practica se estima de la representación de forma re-
ducida del VAR, y en general las matrices B0 y no están identi…cadas, esto
es no es posible determinar de manera única estas dos matrices utilizando
la información contenida en la estimación de la forma reducida.
Puesto que es una matriz simétrica semide…nida positiva, solo con-
k(k+1)
tiene 2 condiciones independientes que se pueden utilizar para estimar
los k 2 parámetros de B0 , se requieren entonces con k(k2 1) restricciones adi-
cionales para poder identi…car los coe…cientes de la matriz de relaciones
contemporáneas de las variables. Estas restricciones adicionales se pueden
imponer de varias maneras, en lo que sigue vamos a analizar tres formas
alternativas de alcanzar la identi…cación de los parámetros de la forma es-
tructural.
Cuando el modelo estructural esta identi…cado se puede obtener de man-
era sencilla los parámetros de la forma estructural a partir de los parámetros
de la forma reducida. Para que un conjunto de parámetros estructurales este
identi…cado debe satisfacer dos tipos de condiciones simultáneamente, las
condiciones de orden y de rango. La condición de orden se re…ere al numero
de restricciones adicionales que se deben imponer en el modelo para alcanzar
su identi…cación, esto es se requiere por lo menos k(k2 1) restricciones adi-
89
90 CAPíTULO 8 VAR ESTRUCTURALES
cionales. Sin embargo, aun si se cumple con esta condición, es posible que
los parámetros de la forma estructural no puedan identi…carse, se requiere
además que se satisfaga la condición de rango.
Para entender las implicancias de la condición de rango, veamos co-
mo se obtienen los parámetros estructurales del modelo VAR utilizando el
estimador de maxima verosimilitud. La función de verosimilitud del VAR
estructural esta dada por:
L = T2k log(2 ) T2 log B0 1 B0 1
T h i
1P 0X ) B 1 B 1 1 0 X )0
2 (Yt t 0 0 (Yt t
t=1
Dada la estimación de , la función de verosimilitud anterior, puede
expresarse de manera compacta como :
Tk T T T h i
1 b
L= log(2 ) + log jB0 j2 log j j2 traza B0 1 B0 1
2 2 2 2
Uno puede demostrar, que la función de verosimilitud anterior alcanza
su máximo respecto a las matrices , B0 , si existen matrices únicas que
satisfacen el siguiente sistema de ecuaciones no lineales:
B0 1 B0 1 = b
Utilizando el operador vech al sistema de ecuaciones, tenemos que:
V ech( b ) = vech B0 1 B0 1
Para que exista una solución única de este sistema se requiere que matriz
hessiana de V ech( b ) respecto a los parámetros que se buscan, tengan el nu-
mero de columnas linealmente independientes igual al numero de parámetros
que se buscan estimar. Para veri…car esta condición en la practica, el proced-
imiento mas sencillo es calcular numéricamente el rango de la matriz hessiana
de V ech( b ) utilizando un supuesto sobre los parámetros a estimar, y com-
pararlo con el numero de parámetros que se están estimando. Si la condición
se satisface se ha encontrado una potencial solución de lo contrario se tienen
que modi…car las restricciones de identi…cación apropiadamente hasta lograr
la identi…cación de los parámetros .
8.1. Descomposición de Choleski

La forma mas sencilla de alcanzar identi…cación es utilizar la descomposi-
ción de choleski, que impone una estructura recursiva en el modelo. Toda
8.1 DESCOMPOSICIÓN DE CHOLESKI 91
matriz simétrica de…nida positiva puede descomponerse de la siguiente for-

ma:
= PP0
Donde P es una matriz triangular inferior. Entonces dado P , y el vector
de residuos de la forma reducida, el vector de residuos estructurales esta
dado por:
1
Vt = P t
Lo que implica que

1
B0 = P
Supongamos del siguiente ejemplo en un VAR(2), en este caso la esti-
mación de la matriz de varianza covarianza de los residuos nos dan 3 condi-
ciones para identi…car 4 parámetros, los correspondientes a B0 necesitamos
por lo menos una condición adicional para poder identi…car el modelo.
2 3
11 12
=4 5
21 22
2 3
p11 0
En este caso, se busca la matriz P = 4 5
p21 p22
De
2 la condición
3 2 anterior
3 2 3 2 3
p11 0 p11 p21 p211 p11 p21 11 12
4 54 5=4 5=4 5
p21 p22 0 p22 p11 p21 p221 + p222 21 22
de donde
p
p11 = 11
21
p21 = p
11
s
21
p22 = 22 p
11
El sistema se resuelve de manera recursiva. Notese que la descomposición

de Choleski impone una estructura recursiva, esto es, la primera variable
en el sistema es la mas exogena, es contemporaneamente independiente de
las otras variables, esta determinada únicamente por su propio choque. La

segunda depende de la primera y su propio choque, la tercera de la primera
y la segunda y así sucesivamente.
2 3 2 32 3
v1;t p11 0 1;t
4 5=4 54 5
v2;t p21 p22 2;t
Esta estructura recursiva puede que no sea la mas apropiada desde el

punto de vista teórico, por lo que en muchos casos se requieren estrategias
de identi…cación alternativas.
8.2. Restricciones contemporáneas

Una forma alternativa de alcanzar la identi…cación del modelo es impon-
er directamente en la matriz B0 y restricciones de exclusion, esto es hacer
que algunas de los elementos sean cero o satisfagan restricciones lineales.
Este tipo de restricciones de identi…cación han sido utilizadas para iden-
ti…car choques de política monetaria en economías cerradas y abiertas en
varios trabajos de investigación. Por ejemplo Bernanke y Mihov, Christiano
Eichenbaum y Evans, Leeper, Sims y Zha.
8.2.1. Bernanke y Mihov

A continuación presentamos dos ejemplos de identi…cación de vectores
autoregresivos estructurales utilizando restricciones sobre los parámetros de
la matriz contemporanea Bo . El primero corresponde al trabajo de Bernanke
y Mihov (1998), en el que se utiliza un modelo del mercado interbancar-
io para identi…car choques de política monetaria. El trabajo utiliza datos
trimestrales para los EE.UUde 1965 a 1996. El modelo VAR que estiman
comprende dos grupos de ecuaciones, las primeras que contienen la dinámica
de las variables que no son de política, Yt y las variables de política, Pt . El
modelo puede escribirse entonces como:
k
X k
X
Yt = Bi Yt i+ Ci Pt i + Ay Vt
i=0 i=0
k
X k
X
Pt = Di Yt i + G i Pt i + AP VtP
i=0 i=0
8.2 RESTRICCIONES CONTEMPORÁNEAS 93
El conjunto de variables Yt esta dado por, el producto bruto interno, el

de‡actor implícito del GDP, y un índice de precios de comodities
Yt = [GDPt ; t ; W P It ]
El conjunto de variables de política esta conformado por la tasa de interés

de política, F F R, el nivel de reservas no prestadas, N BR y el nivel de
reservas totalesj.T R
Pt = [F F R; N BR; T R]
El nivel de reservas prestadas corresponde a las reservas generadas a
través de la ventanilla de descuento del banco central, mientras que las no
prestadas, a las generadas por operaciones de mercado abierto realizadas
por el banco central.
Para indenti…car los parámetros de la forma estructural se tienen que
estimar k 2 = 36 parámetros de la matriz B0 1 . k(k+1)
2 = 21 condiciones se
obtienen de la matriz de varianza covarianza de los residuos
b= B 1 B 1
0 0
Por lo tanto se requieren de 15 restricciones adicionales para identi…car

exactamente el modelo. Para ello se imponen el siguiente grupo de restric-
ciones:
1. Las variables de política no tienen efectos contemporáneos sobre el

resto del sistema, C0 = 0: Puesto que el sistema incluye seis variables,
tres de política y tres de no política, la restricción anterior impone 9
restricciones adicionales de identi…cación
2. El subsistema de variables de política satisface las restricciones im-

puestas por un modelo simple del mercado de dinero. Este impone 5
restricciones adicionales.
Considerando, los residuos de la forma reducida y forma estructural del

subsistema de variables de política monetaria, el modelo puede escribirse
como:
"T R = "F F R + v d
"BR = "T R "N BR = ("F F R "DIS ) + v B

d d B B
"N BR = v + v + vS
La matriz B0 1 se determina resolviendo este sistema de ecuaciones lin-
eales:
2 3 2 32 3
d b d
"T R 1 + + 1 1 + v
6 7 6 + + + 76 7
6 7 6 d b 76 s 7
6 "N BR 7 = 6 1 76 v 7
4 5 4 54 5
1 d 1 1 b B
"F F R + 1 + + 1+ v
Para identi…car completamente el modelo, se requiere, de restricciones
adicionales al modelo. Estas restricciones estan dadas por el supuesto de
como el banco central implementa su política monetaria. Bernanke y Mihov
consideran los siguientes casos:
1. El banco central …ja la tasa de interés , esto es choques a la tasa de

interés sólo re‡ejan choques de política monetaria: d = 1 y b = 1
d
2. El banco central …ja el nivel de las reservas no prestadas: = 0 y
b
=0
El modelo se puede estimar bajo cualquiera de estas dos especi…caciones

para el esquema de política monetaria. En ambos casos, el regímen de políti-
ca monetaria impone dos restricciones adicionales, por lo el modelo esta so-
breidenti…cado, existe una restricción adicional en cada caso.Para estimar el
modelo estructural Bernanke y Mihov siguen el siguiente procedimiento:
1. Estiman el sistema en forma reducida utilizando de MCO
2. Recuperan el vector de choques de la forma reducida
3. Estiman los parámetros de la forma estructural utilizando el método

generalizado de momentos. El estimador de MGM se puede obtener
minimizando la siguiende forma cuadrática:
h i h i
d = vec b B0 1 B0 1 vec b B0 1 B0 1
El modelo es su…cientemente ‡exible para permitir estimar y probar la

existencia de cambios de regímenes monetarios, y recuperar una secuencia
de choques de política monetaria consistente para todo el periodo muestral.
Puesto que existen más momentos que parámetros a estimar, se pueden
realizar una prueba de hipótesis sobre la validez de los momentos. Si los
8.2 RESTRICCIONES CONTEMPORÁNEAS 95
momentos son adecuados, d 0, si este no es el caso, el valor de d sería

mayor a cero. Bajo la hipótesis nula de validez de instrumentos d 2 (q)
donde, q representa el número de momentos.
8.2.2. Cushman y Zha

Estos dos autores estiman un VAR estructural para medir los efectos
de política monetaria en una economía pequeña y abierta. Usan informa-
ción mensual de Canada correspondiente al periodo 1974-1993. El vector de
variables endógenas que utilizan en el model esta dado por:
Yt = [y ; P ; R ; W P X; T m; T x; Y; P; R; M 1; exch]
donde:
y : Indice de producción industrial desestacionalizado de los EE.UU
P : Índice de precios al consumidor de los EE.UU.
R : Tasa de interés de los fondos federales, EE.UU
WPX : Indice de precios de exportación mundia.
Tm : importaciones Canadienses de los EE.UU
Tx : Exportaciones Canadienses a los EE.UU
Y : Índice de producción industrial de Canada
P : Índice de precios al consumidor de Canada
R: La tasa de interés de los bonos del tesoro de Canada a 3 meses
M1 : Agregado monetario M1 de Canada
exch : tipo de cambio dólar canadiense versus dólar americano.
El modelo en forma reducida esta dado por:
A(L)Yt = "t
2 3 2 3
Y1;t A (L) A12 (L)
donde Yt = 4 5 , A(L) = 4 11 5
Y2;t 0 A22 (L)
Esto es, Y1;t corresponden a las variables externas, y Y2;t a las variables
domésticas. El supuesto de matriz triangular superior de A(L) implica que
las variables externas son exógenas, esto es choques a la economía Cana-
diense no tienen efectos en la economía de los EE.UU. Notese que estas
restricciones no se usan para identi…car el modelo.
Para identi…car los parámetros de la forma estructural se imponen una
estructura recursiva sobre la matriz de relaciones contemporáneas entre vari-
ables externas y domésticas. Estos es, se asume que las variables externas no
reaccionan a choques en variables domésticas, y tambien que el producto,
la in‡ación, las exportaciones e importaciones estan relacionadas contempo-
raneamente de forma recursiva.
Adicionalmente, se consideran las siguientes restricciones estructurales:
1. Una ecuación de demanda por dinero:
2. Una curva de oferta de dinero
3. Un sector de información
8.3. Variables no estacionarias

Cuando el conjunto de variables bajo análisis no son estacionarias, estas
deben previamente transformarse en estacionarias tomando primeras difer-
encias. Supongamos el vector Yt contiene series no estacionarias y que Yt
, transforma el vector de series a estacionarias. Las correspondientes rep-
resentaciones en forma reducida y estructural del model VAR estan dados
por:
(L) Yt = o + t
(L) Yt = o + Vt
Donde:
o = B0 1 o
(L) = B0 1 (L)
= B0 1 B0 1
´Donde, es una matriz diagonal
En este caso, la representación de medias móviles para la transformación
estacionaria esta dado :
Yt = o + (L) t
Yt = o + (L)Vt
Donde:
(L) = (L)B0 1
8.3 VARIABLES NO ESTACIONARIAS 97
Sin embargo, dado que las series de tiempo son no estacionarias, tam-
bién existe una representación de medias móviles para las series en niveles.
Beverdge y Nelson (1981) demuestran que cualquier serie de tiempo no esta-
cionaria puede escribirse como la suma de dos componentes no observables,
un componente que representa la tendencia estocástica y el otro el compo-
nente transitorio Yt = YtP + YtT : Stock and Watson (1988) and King Ploser
Stock and Watson (1991) generalizan este resultado al caso multivariante.
En este caso, Yt puede representarse como:
Yt = + Art + D (L) "t (8.1)
Donde el componente permanente esta dado por YtP = + Art , donde

rt esta de…nido como un paseo aletorio:
rt = + rt 1 + t
y el componente transitorio esta dado por YtT = D (L) "t . KPSW (1991)
muestran que la representación de tendencias comunes puede derivarse de
la representación de medias móviles del vector Yt : Si Yt tiene un repre-
sentación de Wold dada por
Yt = + (L)"t ;
se puede resolver iterativamente para Yt
Yt = Y0 + ot + (1) t + t 0 (8.2)
P
donde t y t se de…nen como: t = ("1 + "2 + "3 :: + "t ) y t = s
"t+s donde s = ( s+1 + s+2 + s+3 ) es una secuencia …nita.
Note que (1) mide el impacto de largo plazo de los diferentes choques
, cuando las series son estacionarias, (1) = 0, por tanto todos los choques
solo tienen efectos transitorios sobre el nivel de la serie.
8.3.1. Restricciones de Largo Plazo
Blanchard y Quah(1989) muestran que se pueden utilizar restricciones de

largo plazo para identi…car modelos estructurales. Ellos utilizan un modelo
bivariado para el producto y la tasa de desempleo que les permite identi…car
choques estructurales de demanda y de oferta. El modelo que utilizan se
puede escribir como:
2 3 12 3 2 3
b11 b12 Yt 1
4 5 4 5=4 o 5+
b21 b22 ut 1
o
2 32 3 2 3
1 1 Yt v1;t
11 12 1
4 545+4 5
1 1 ut 1 v2;t
21 22
Para identi…car el modelo requerimos estimar los cuatro parámetros bij
Para ello podemos utilizar la información de la estimación de la versión en
forma reducida del VAR. En particular sabemos que:
b = B 1 bB 1
0 0
donde b corresponde a la matriz de varianza covarianza de los residuos

de la forma reducida y b , la matriz de varianza covarianza de los residuos
de la forma estructural. Suponiendo que b = I
b = B 1B 1
0 0
Es un sistema de ecuaciones no lineales que permiten identi…car n(n+1)2

parámetros, en el caso del modelo de BQ, esto nos dan 3 condiciones para
estimar 4 parámetros. Por tanto necesitamos una restricción adicional. Esta
restricción adicional se obtiene a partir de los efectos de largo plazo de los
choques. La representación de medias móviles del modelo esta dada por:
yt = 1 + 11 (L)v1;t + 12 (L)v2;t
ut = 1 + 21 (L)v1;t + 22 (L)v2;t
Donde, v1;t representan choques de oferta y v2;t choques de demanda.

Para identi…car el modelo BQ hacen los siguientes supuestos sobre el impacto
de largo plazo de los choques:
1. Choques transitorios ( de demanda) no tienen efecto sobre el nivel de

producto y desempleo.
2. Los choques de oferta si tienen efecto permanente en el producto pero

no en el nivel de desempleo.
La restricción de que choques de demanda no tienen efectos de largo

plazo en el nivel de producto equivale a asumir que:
1
X
s
12 (1) = 12 =0
s=0
La restricción que los choques "1;t y "2;t no tienen efectos de largo plazo
en ut equivale a:
@ut+s s
lm = lm 2j =0
s!1 @vj;t s!1
que se cumple automáticamente puesto que la tasa de desempleo es esta-

cionaria. Las restricciones de BQ implican que la matrix de impacto de largo
plazo es triangular inferior.
2 3
11 (1) 0
(1) = 4 5
21 (1) 22 (1)
De la representación de medias móviles del modelo, tenemos que:
Yt = (1) "t = (1) B0 1 Vt = (1) Vt

por lo tanto, debe cumplirse que :
(1) B0 1 = (1)
Escribiendo esta 3última
2 2 ecuación
3 2en forma extensiva
3 tenemos:
(1) (1) b b (1) 0
4 11 12 5 4 11 12 5 = 4 11 5
21 (1) 22 (1) b21 b22 21 (1) 22 (1)
De donde obtenemos la restricción adicional que permite identi…car todos
los parámetros del modelo estructural.
11 (1)b11 + 12 (1)b12 =0
Resumiendo, el modelo contiene cuatro condiciones para determinar cu-
atro parámetros del modelo estructural en función de los parámetros del
modelo en forma reducida.
p
b11 = 11
21
b21 = p
11
s
21
b22 = 22 p
11
11 (1)b11 + 12 (1)b12 =0
Una vez identi…cado estos parámetros, la matriz B0 se utiliza para re-
cuperar todos los parámetros estructurales, y la secuencia de choques de
oferta y demanda. Conociendo la secuencia de choques de oferta y demanda
se puede estimar el componente permanente del producto, y el componente
transitorio, la tendencia y la brecha producto.
Evaluando Neutralidad en el Largo plazo
King y Watson (1997) resumen varios trabajos sobre VAR estructurales
bivariados que buscan probar la hipótesis de neutralidad en el largo pla-
zo. La neutralidad establece que cambios en variables nominales no tienen
efectos reales en el largo plazo sobre variables reales. Algunas de las proposi-
ciones de neutralidad en el largo plazo pueden son:
1. Un cambio permanente in la cantidad de dinero no tiene efectos de

largo plazo sobre el nivel de producto real
2. Un cambio permanente en la tasa de in‡ación no tienen efectos en el

largo plazo en el nivel de desempleo ( una curva de Phillips vertical).
3. Un cambio permanente en la tasa de in‡ación no tiene efectos perma-

nentes en las tasas de interés real. ( Ecuación de Fisher)
Para probar la neutralidad, se requiere de variables no estacionarias I(1)

. Por ejemplo si queremos probar al primera de las hipótesis anteriores,
podemos establecer:
yt = 1 + 11 (L)"1;t + 12 (L)"2;t
mt = 1 + 21 (L)"1;t + 22 (L)"2;t
Donde, "1;t representan choques exogenos al producto que no estan cor-

relacionados con los choques exogenos a la cantidad de dinero, "2;t : Para
probar la hipótesis de si el dinero es neutral, debemos responder la pre-
gunta, ¿ llevan cambios exogenos en la cantidad de dinero "2;t a cambios
permanentes en yt ?
De la descomposición de Beverdge y Nelson sabemos que el efecto de
largo plazo de las varibles esta dada por la siguiente matriz
2 3 2 32 X 3
1;t 11 (1) 12 (1) "1;t
4 5=4 54 X 5
2;t 21 (L) 22 (1) "2;t
donde, 1;t y 2;t representa las tendencias estocásticas que afectan al
producto y la cantidad de dinero. La hipótesis de nuestralidad equivale a
probar que: 12 (1) = 0, esto es los choques monetarios solo tienen efec-
tos transitorios en el producto. La tendencia del producto esta únicamente
determinada por choques reales, por ejemplo choques de productividad, "1;t
Para realizar esta prueba de hipótesis primero tenemos estimar los parámet-
ros de la representación de medias móviles. Para ello debemos seguir los
siguientes pasos:
1. Estimar los parámetros de la representación VAR.
2. Invertir a partir de los parámetros de la representación VAR, los

parámetros de medias móviles
Capítulo 9
Modelos VAR en la práctica
9.1. Introducción
En este apartado desarrollaremos en forma empírica la estimación de un
sistema de Vectores autorregresivos (VAR), enfatizando el análisis intuitivo
de los resultados y la rigurosidad de la construcción de los procedimientos.
Para ello utilizaremos el entorno Eviews 5.1., que nos permitirá trabajar el
tema con suma facilidad. Al …nal del capitulo se expone la estimación de
estos modelos en MATLAB.
9.2. Motivación
Muchas veces cuando queremos realizar un análisis riguroso de Politica
Económica de tipo macro llegamos a la conclusión de que es necesario un
modelo estructural que permita especi…car relaciones dinámicas entre varias
variables. La implementación de dicho modelo nos debe proporcionar in-
formación sobre como reaccionaría una variable macroeconómica (exógena)
ante un choque de politica macroeconómica (endógena). El interés deberá
radicar más que nada en cuál es la dirección del efecto de este choque ó
respuesta, de modo que se encuentre acorde con la teoría, es decir, que los
resultados numéricos repliquen la intuición derivada de la teoría y no los
contradigan. De otra forma, será necesario revisar la especi…cación del mod-
elo.
A lo largo del siglo XX el desarrollo de la macroeconomía presentó di-
versas variantes, donde una de las más importantes fue la Crítica de Lucas
(1976), donde se señalaba principalmente la invalidez de los modelos macro-
económicos utilizados hasta ese entonces, dado que no re‡ejaban las rela-
103
104 CAPíTULO 9 MODELOS VAR EN LA PRÁCTICA
ciones macroeconómicas correctas, no tenían poder predictivo y por tanto

no eran útiles para efectos de evaluación de política económica (policy). El
principal problema radicaba en la especi…cación de estos modelos, donde
no se observaban relaciones dinámicas sino mas bien estáticas. Es decir,
toda relación entre variables era principalmente de tipo contemporáneo,
con parámetros estimados constantes en el tiempo. En este escenario es
fácil entender por qué toda evaluación de política era susceptible de ser er-
rada, debido a que las relaciones especi…cadas distaban signi…cativamente
de las correctas y por ende las predicciones y los escenarios futuros eran
completamente inciertos. La crítica se basa en que la econometria clási-
ca asumía parámetros estimados como reales y es más, constantes en el
tiempo. Además, dichos modelos no incorporaban el componente de expec-
tativas macroeconómicas (valores esperados) como determinante potencial
de valores futuros en variables macroeconómicas, no expresaban relaciones
dinámicas (intertemporales) y presentaban parámetros inestables. En suma,
fue necesario desarrollar una nueva forma de hacer econometría, de forma tal
que permita realizar evaluaciones de política, predecir escenarios y evaluar
relaciones dinámicas. Una de estas alternativas fue el sistema de vectores
autorregresivos discutido en primera instancia por Sims (1980)1 y que de-
sarrollamos en este capítulo como una alternativa plausible para identi…car
el mecanismo de transmisión de política monetaria.
9.3. El sistema de Vectores autorregresivos: Una

Recapitulación
Un modelo VAR es un sistema de ecuaciones de n variables macro-
económicas relacionadas entre si. La idea es identi…car las respuestas de
cada una de las variables frente a variaciones en las n 1 restantes. En mod-
elos más avanzados se agrupan las variables entre las que son de política
(que van a presentas perturbaciones) y aquellas que no son de política (y
que no interesa saber su respuesta ante la perturbación anterior. Ello se verá
más adelante.
9.3.1. Estimación
Comunmente el sistema VAR se expresa de la siguiente forma:
1
Sims (1980): "Macroeconomics and Reality", Econometrica, Vol. 48, No. 1 (Jan., 1980)
, pp. 1-48
9.3 EL SISTEMA DE VECTORES AUTORREGRESIVOS: UNA RECAPITULACIÓN105
2 3 2 3 2 3 2 3
y1t 2 3 y1t C1 "1t
6 7 6 7 6 7 6 7
6 7 6 A11 (l) ::: A1n (l) 7 6 7 6 7 6 7
6 y2t7 6 7 6 y 2t 7 6 C2 7 6 " 2t 7
6 7 = 6 ::: ::: ::: 7 6 7+6 7+6 7
6 7 4 5 6 ::: 7 6 ::: 7 6 ::: 7
6 7 6 7 6
6 :::7 7
4 5 An1 (l) ::: Ann (l) 4 5 4 5 4 5
ynt ynt Cn "nt
Xp
donde Aij (l) toma la forma de aijk lk , donde l es el operador de rezago
k=1
y p es el número de rezagos …jado por el modelador. Este sistema expresa
un set de relaciones entre los valores presentes de cada variable con los
valores pasados de si misma y de las restantes. Estos modelos son atractivo
porque permiten expresar en forma sencilla relaciones intertemporales entre
variales macroeconómicas y en base a ello analizar la secuencialidad de los
mecanismos de transmisión de política, así como la causalidad entre variables
(causalidad à la Granger ).
En forma matricial el modelo se expresa como:
Yt = o + 1 Yt 1 + 2 Yt 2 :::: + p Yt p + t
con t N (0; )
Luego el modelo anterior se expresa en forma compacta apilando las
variables exógenas, en este caso predeterminadas en un vector de variables
Xt tal que:
2 3
1
6 7
6 7
6 Yt 1 7
Xt = 6 7
6 .. 7 y = [ o 1 ::: p ]
6 . 7
4 5
Yt p
entonces, el VAR(p) puede escribirse como:
0
Yt = Xt + t
En el capitulo anterior se demostró que la estimación Máximo Verosímil

de este modelo coincidía con la regresión MCO de cada ecuación, es decir,
esta última es consistente y de mínima varianza. Por ello, tomaremos este
hecho como dado y procederemos a la estimación bajo MCO.
El estimador MCO viene dado por:
" T
#" T
# 1
X X
0
k (kp+1) = Yt Xt0 Xt Xt0
t=1 t=1 t
Asimismo se tiene que:

" T
#" T
# 1
j0
X X
1 (kp+1) = yj;t Xt0 Xt Xt0
t=1 t=1 t
9.3.2. Función de impulso-respuesta

Sea un modelo V AR(p) en forma reducida como el de…nido líneas arriba,
la descomposición de Wold vendrá dada por:
Yt = 0 + t + 1 t 1 + 2 t 2 + :::::
Sea entonces B0 la matriz que pre-multiplica a Yt en la forma estructural
y Vt los errores de la misma, la representac‘ón en medias móviles se convierte
en:
Yt = c + B0 1 Vt + 1 B0
1
Vt 1 + 2 B0
1
Vt 1 + :::
Por tanto, la función de impulso-respuesta describe la reacción del vector

de variables Yt+s ante un choque de una sola vez en la variable yjt , ceteris
paribus. En estricto se mide como:
@Yt+s j
= sb
@vj:t
Donde:
h i
B0 1 = b1 b2 : : : bk
9.3.3. Descomposición de Varianza

En estricto, este concepto señala la participación o contribución al Error
de Predicción de cada uno de los n choques presentes en el VAR.
La varianza del error de predicción puede escribirse como la suma de la
contribución marginal a la varianza total de la varianza de cada choque:
9.4 EL MODELO DE STOCK Y WATSON (2001)6 107
j=k
X
= var(vj;t ) bj bj0 + 1b
j j0
b 0
1 + ::: s 1b
j j0
b 0
s 1
j=1
Entonces, la contribución marginal del choque j en la varianza del error

de predicción de la variable i esta dado por:
100 var(vj;t )diag bj bj0 + 1b

j bj0 0
1 + ::: s 1b
j bj0 0
s 1
(i; i)
A medida que el horizonte de predicción se hace mayor, la varianza del

error de predicción converge a la varianza no condicional de la serie 0 de
manera análoga a lo que demostramos en la clase de predicción para el caso
de modelos univariantes.
9.4. El Modelo de Stock y Watson (2001)2

Este modelo consta de tres variables: in‡ación, tasa de desempleo y la
tasa de interés de la Reserva Federal (FED). La primera especi…cación que
haremos será la de un VAR no restringido (à la Cholesky), ordenando las
variables desde la más endógena hasta la más exógena, es decir, la matriz
que pre-multiplica al vector de variables endógenas es triangular superior.
En este caso, basándonos en un esquema tradicional de política monetaria,
el mecanismo de transmisión va desde la tasa de interés, pasando por la
demanda agregada3 y terminando en la variación del índice de precios45 .
Sean entonces:
t: In‡ación (Variación porcentual del Índice de Precios)
t: Tasa de Desempleo
Rt : Tasa de Interés de la Reserva Federal (FED)

2
Stock y Watson (2001), “Vector Autorregressions”, Journal of Economic Perspectives
(JEP), Volumen 15, Número 4, Páginas 101-115.
3
Existen muchas formas de representar la actividad económica, que pueden ir desde el
mismo producto, una brecha estimada o bien la tasa de desempleo, que es la que se utiliza
en este caso. Se deja abierta la posibilidad a incluir otra variable plausible.
4
Para mayores detalles ver: Bernanke & Blinder (1992), “The Federal Funds Rate and
the Channels of Monetary Transmission”. American Economic Review, Vol.82, No 4, 901-
921.
5
Luego se realizará el análisis de causalidad à la Granger.
2 3
t
6 7
6 7
Tendremos que: Yt = 6 t 7
4 5
Rt
La especi…cación reducida del modelo V ar(p) es como sigue:
Yt = A0 + A1 Yt 1 + A2 Yt 2 + ::: + Ap Yt p + t
Donde cada matriz Ai es de orden (nxn), siendo en este caso particular

n = 3 y donde cada componente de t es una combinación lineal de los
errores estructurales.
Los datos disponibles son trimestrales y van desde 1947 (1T) hasta 2001
(3T), pero para obtener una muestra balanceada se tomarán solamente desde
1960 (1T) hasta 2000 (4T).
9.5. Var en Eviews

Eviews cuenta con rutinas bastante amigables y especializadas en la es-
timación de los VARs. Por ello en la medida de lo posible trataremos de
sacar el máximo provecho a dicha ventaja, centrándonos en la correcta es-
peci…cación de los modelos, así como en el análisis de los resultados.
9.5.1. Estimación
Contando con el archivo de datos (.wf1) es posible crear un programa
que lo llame directamente y opere la estimación del VAR. A continuación
ejecutaremos esta tarea:
’Especi…camos la ruta del work…le
cd c:n
’Llamamos al work…le
load stock_watson_v2
Con el work…le abierto es posible estimar el VAR reducido, no olvidando
que es necesario encontrar el número óptimo de rezagos antes de llevar a
cabo esta tarea. El criterio que utilizaremos será el de Schwarz, que entre
varios más penaliza la inclusión de un rezago adicional en el VAR, siendo
posible identi…car un modelo parsimonioso.
En la práctica estimamos varios modelos VAR en forma consecutiva, de
modo que aquel que tenga un Schwarz mayor al aumentar un rezago deberá
ser eliminado, quedándonos con el inmediato anterior.
’Estimamos un VAR no restringido
9.5 VAR EN EVIEWS 109
!lagmax=6
vector(!lagmax) schw
var var1.ls 1 1 in‡ation un_rate fed_funds @ c
schw(1)=var1.@sc
!i=2
var var1.ls 1 !i in‡ation un_rate fed_funds @ c
schw(!i)=var1.@sc
while schw(!i)>schw(!i-1)
var var1.ls 1 !i in‡ation un_rate fed_funds @ c
schw(!i)=var1.@sc
!i=!i+1
wend
d schw
scalar lagopt=!i
Luego de estos comandos Eviews ha encontrado el número óptimo de
rezagos y posteriormente lo ha almacenado en el objeto escalar (scalar) lla-
mado lagopt.
A continuación, dado el número de rezagos efectuamos el test de causal-
idad à la Granger. El resultado se muestra al …nal.
’Análisis de Causalidad à la Granger
group g1 in‡ation un_rate fed_funds
freeze(granger_test) g1.cause(!i)
show granger_test
A priori podemos asumir que las tres variables son efectivas para prede-
cirse entre sí mismas, por lo que recurrimos al esquema teórico del mecan-
ismo de transmisión monetario para tomar una decisión …nal.
Adicionalmente hacemos que los resultados de esta selección de rezagos

se muestren en una tabla, de tal forma que no queden dudas al respecto. Es
más, hacemos que la tabla salga con un rezago adicional.
!j=!i+1
freeze(lag_choice) var1.laglen(!j)
show lag_choice
Los resultados se muestran en la siguiente tabla:
Los resultados del VAR no restringido se presentan a continuación:
freeze(var_chol) var1.results
show var_chol
Como sabemos, las estimaciones son realizadas por el método de Míni-

mos Cuadrados Ordinarios (MCO) y por ende los análisis de signi…cancia y
residuos son análogos al análisis univariante, por lo que no haremos mucho
hincapié al respecto.
Cuando se habla de V AR el producto …nal más importante está formado
por dos componentes: La función de impulso-respuesta y la Descomposición
de Varianza. En el caso del primero, es necesario obtener la descomposición
de Wold del modelo estimado, es decir, la representación V M A (1).
En Eviews generamos la función de impulso-respuesta y gra…camos la

reacción hasta por 24 períodos. Le añadimos bandas sumando y restando el
doble de la desviación estándar.
@Yt+s j
Recordando que: @vj:t = sb
freeze(chol_imp) var1.impulse(24, se=a)

show chol_imp
Observamos detenidamente los resultados, recordando el ordenamiento

de las variables ( t , t , Rt ). La primera columna muestra la respuesta de
las tres variables (en ese orden) ante un choque en la in‡ación, la segunda
ante un choque en la tasa de desempleo y la tercera ante un choque en las
tasas de interés.
Los signos deben ser los correctos, de tal forma que podamos asegurar
que los datos describen correctamente el comportamiento de la economía
agregada. Claramente observamos los trade-o¤ entre in‡ación y desempleo
y entre tasa de interés y desempleo (proxy de la actividad económica) en el
corto plazo. De igual forma apreciamos la relación directa entre in‡ación y
tasa de interés, etc.
Para el tema de la signi…cancia de estos choques debe tenerse en cuen-
ta lo siguiente: En general un choque signi…cativo presenta las dos bandas
de con…anza en el mismo cuadrante, es decir, las dos del lado positivo o
viceversa.
9.5.3. Descomposición de Varianza

La contribución marginal de cada choque a la varianza total del vector
de series endogenas esta dado por:
1
100 E (Yt+s Yt+s=t )(Yt+s Yt+s=t ) var(vj;t ) bj bj0 + 1b
j j0
b 0
1 + ::: s 1b
j j0
b 0
s 1
En Eviews podemos construir la Descomposición de Varianza tal como

sigue:
f reeze(chol_decvar) var1.decomp(24,se=a) in‡ation un_rate fed_funds
show chol_decvar
El resultado nos muestra evolución de la contribución de cada variable
a lo largo del horizonte de predicción.
La primera …la nos muestra la contribución de cada una de las tres vari-
ables (según el orden señalado antes) al error de predicción de la in‡ación.
La segunda es para la predicción de la tasa de desempleo y la tercera para
la tasa de interés.
Observamos claramente que en los primero períodos solo es relevante el
choque de la misma variable, lo que va yendo en detrimento a medida que
el horizonte se hace más amplio. Es decir, en un primer momento funciona
el modelo adaptativo y a medida que avanza el tiempo la construcción del
modelo (estructura) comienza a tomar mayor ponderación.
9.5.4. Extensión: Predicción en VAR

El proceso de predicción en un modelo VAR es una extensión al univari-
ante, teniendo en cuenta la regla de formación para el horizonte dado.
Sea el modelo V AR siguiente:
La predicción para el siguiente período será:
Et Yt+1 = A0 + A1 Yt + A2 Yt 1 + ::: + Ap Yt p+1

Lo primero será parametrizar el programa, haciendo variar la muestra

cuando cambia el horizonte a predecir. En esta oportunidad haremos la
predicción de un período hacia delante (h = 1). En clases posteriores exten-
deremos este tema.
’Horizonte de Predicción
!s=1
smpl 1960:01 2000:4-!s
Luego, en Eviews es necesario extraer las matrices Ai para llevar a cabo
esta operación:
matrix pi=var1.@coefmat
for !j=1 to 3
vector(3) _r{!j}
next
for !k=1 to !i
matrix(3,3) pi{!k}t
_r1=@rowextract(pi,!k)
rowplace(pi{!k}t,_r1,1)
_r2=@rowextract(pi,!k+!i)
_r3=@rowextract(pi,!k+2*!i)
matrix (3,3) pi{!k}
pi{!k}=@transpose(pi{!k}t)
d pi{!k}t
next
vector(3) mut
mut=@rowextract(pi,!k+2*!i)
vector(3) mu
mu=@transpose(mut)
d _r* mut
Luego convertimos las variables a matriz y operamos la predicción:
scalar _N=var1.@regobs
!n=_N
matrix _Yt=@convert(g1)
matrix _Y=@transpose(_Yt)
d _Yt
for !j=0 to !i-1
!f=!j+1
vector _Y{!f}=@columnextract(_Y,!n-!j)
next
9.6 VAR EN MATLAB8 115
vector(3) _Yf{!s}
_Yf{!s}=mu+pi1*_Y1+pi2*_Y2
9.6. VAR en MATLAB7

9.6.1. Estimación
Recordando el modelo de Stock y Watson procedemos a replicarlo en el
entorno MATLAB. La idea está en estimar por mínimos cuadrados ordinar-

ios (MCO) los parámetros del modelo siguiente, para luego hacer el análisis
de impulso-respuesta y descomposición de varianza.
Ya tenemos nuestro primer objetivo, para lo cual debemos implementar

una rutina que replique dicho procedimiento en forma ordenada y plausible.
Antes de empezar a programar debemos tener bien claro el objetivo ó lo que
queremos lograr, de tal forma que no perdamos tiempo de trabajo.
En primer lugar necesitamos los datos para poder estimar el sistema

V AR, los cuales reán importados directamente de una hoja Excel. Para
ello se debe …jar en dicho arhivo las variables a utilizar, teniendo cuidado
en seguir el orden utilizado en la estimación por Eviews. Una vez que se
tenga este archivo listo se debe ir a la opción ’FilenImport data...’, para
luego dar click en ’…nish’. Con esta sentencia MATLAB creará una matriz
llamada ’data’que contendrá las series de tiempo para poder ser trabajadas.
Luego de esto, esposible pasar al paso de estimación, capturando los datos
importados:
y=data;
En resumidas cuentas necesitamos una función que muestre los resulta-
dos de la estimación del sistema V AR, contando como argumentos princi-
pales a los datos yt , el número de rezagos p y si es necesario un grupo de
variables exógenas, tema que se verá más adelante. Por simplicidad asumire-
mos que para este caso no existen variables exógenas, dejando abierta la
posibilidad para temas futuros de análisis.
7
La base de estos programas puede ser encontrada en "Econometric Toolbox for MAT-
LAB"en http://www.spatial-econometrics.com
Entonces, concluimos que necesitamos una función de dos argumentos

tal como:
function results = vare(y,p)
La primera línea del programa está escrita, con lo cual ya tenemos el ob-
jetivo trazado. En este caso y representa la matriz principal de datos (todas
las series de tiempo en columnas concatenadas en una sola matriz). Luego,
el resultado ó imagen de la función deberá tomar una forma particular, dado
que tenemos varias cosas que exponer cuando estimamos un var, por ejem-
plo, el criterio de información Schwarz, así como la signi…cancia global, etc.
En suma, es necesario construir un objeto que cumpla con las propiedades de
almacenar varios resultados a la vez, así como la descripción de los mismos.
En primera instancia el modelador podria escoger una matriz cono el objeto
deseado, pero dado que sería mejor incorporar la descripción de los resulta-
dos, es conveniente trabajar con texto y números a la vez. Para ello existe el
objeto estructuras (struct), que es capaz de crear una matriz ó arreglo de
dos columnas distintas: una para la descripcion (texto) y la segunda para
los resultados númericos ó strings (texto). Es decir, el elemento struct es
una suerte de tabla de resultados …jada a gusto del modelador. En realidad
el término estructura es mucho más complejo que una tabla o una matriz,
pero por simplicidad estos términos nos facilitan el entendimiento del pro-
cedimiento. Luego de obtener los resultados, estos podrán ser llamados como
se hace comunmente con las componentes de un vector, tal como results(i),
suponiendo que en la posición i se encuentra guardado el resultado tal como,
por ejemplo, criterio de Schwarz. No´tese que en MATLAB ya existe una
función var para calcular la varianza de un proceso estocástico (vector), por
lo que será necesario escoger un nombre distinto, tal como vare.
La estimación de un sistema VAR está basada en la lógica de mínimos
cuadrados ordinarios (MCO), por lo que será necesario crear una función que
replique este procedimiento. Asimismo, existen varias funciones adicionales
que seran utilizadas en el desarrollo de este procedimiento y que se encuen-
tran descritas en el apéndice de este capítulo.
Continuando con la función creada, capturamos el número de observa-
ciones (T) y el número de ecuaciones a estimar (número de variables del
sistema var).
[T n] = size(y);
Dentro de la estructura se especi…ca el nombre de la función utilizada
en la estimación, que siempre es útil cuando se trabaja con diversos experi-
mentos computacionales simultáneamente.
results.meth = ’vare’;
Dado el número de rezagos propuesto, obtenemos el número de observa-

ciones disponibles para la estimación (Te). Asimismo, se agrega el término
constante como variable explicativa:
Te = T - p;
k = n*p + 1;
nvar = k;
results.nvar = nvar;
Como siempre es necesario tener a los rezagos de las variables en forma
matricial, la función mlag permite obtener este tpo de matriz, que facilita
enormemente los cálculos9 .
xlag = mlag(y,p);
Guardamos la información necesaria en la estructura de resultados:
results.T = Te;
results.n = n;
results.p = p;
Construimos la matriz Xt , que representa las variables explicativas del
modelo en cuestión:
xmat = [xlag(p+1:T,:) ones(T-p,1)];
Hasta aqui hemos recolectado la información relevante necesaria para la
estimación de un VAR por MCO. El siguiente paso será crear un secuencia
iterativa que estime los parámetros de cada ecuación por MCO y que con-
struya los indicadores relevantes para el diagnóstico de la regresión, tales
como R2 , el estadístico F , el criterio de Schwarz, etc. El objeto results es
una estructura que permite realizar dicho proceso sin mayores di…cultades:
Dado que es un proceso iterativo, especi…caremos el código para estimar
una sola ecuación y luego este será repetido n veces.
for j=1:n;
En el ejercicio, la variable j es la endógena en la estimación por MCO:
yvec = y(p+1:T,j);
Estimando por MCO la ecuación correspondiente:
res = ols(yvec,xmat);
La función ols construye una estructura de resultados (res) similar a
la que deseamos obtener en este ejercicio, cuyo detalle se encuentra en el
apéndice a este capítulo. En este caso capturamos los parámetros estimados
y los valores de los estadísticos t correspondientes para la ecuación j y los
almacenamos en nuestra estructura de resultados:
results(j).beta = res.beta;
results(j).tstat = res.tstat;
9
Ver el detalle de esta y otras funciones en el apéndice de este capítulo.
De igual forma, construimos las probabilidades asociadas a estos valores

y los registramos en la estructura de resultados:
tstat = zeros(nvar,1);
tstat = res.tstat;
tout = tdis_prb(tstat,Te-nvar);
results(j).tprob = tout;
Transferimos el resto de indicadores de la regresión MCO realizada:
Residuos:
results(j).resid = res.resid;
Suma de cuadrados de los residuos:
sigu = res.resid’*res.resid;
Valores estimados:
results(j).yhat = res.yhat;
Valores observados:
results(j).y = yvec;
R-cuadrado:
results(j).rsqr = res.rsqr; % r-cuadrado
R-cuadrado ajustado:
results(j).rbar = res.rbar;
Varianza estimada:
results(j).sige = res.sige;
El estadístico Box-Pierce Q para los residuos:
elag = mlag(res.resid,p);
etrunc = elag(p+1:Te,:);
rtrunc = res.resid(p+1:Te,1);
qres = ols(rtrunc,etrunc);
Ajustando por el numero de rezagos:
if p ~= 1
boxq = (qres.rsqr/(p-1))/((1-qres.rsqr)/(Te-p));
else
boxq = (qres.rsqr/(p))/((1-qres.rsqr)/(Te-p));
end;
results(j).boxq = boxq;
Construyendo los estadísticos de signi…cancia global: En este apartado
se mide la signi…cancia por cada rezago, excluyendo uno por cada iteración:
for r=1:n;
xtmp = [];
for s=1:n;
if s ~= r
xlag = mlag(y(:,s),p);
xtmp = [xtmp trimr(xlag,p,0)];

end;
end;
xtmp = [xtmp ones(Te,1)];
b = xtmpnyvec;
etmp = yvec-xtmp*b;
sigr = etmp’*etmp;
ftest(r,1) = ((sigr - sigu)/p)/(sigu/(Te-k));
end;
results(j).ftest = ftest;
results(j).fprob = fdis_prb(ftest,p,Te-k);
end; % Fin del programa
Mostramos los resultados:
prt_var(results,vnames)
***** Vector Autoregressive Model *****

Dependent Variable = inflation
R-squared = 0.8341
Rbar-squared = 0.8277
sige = 1.0906
Q-statistic = 9.7705
Nobs, Nvars = 162, 7
******************************************************************
Variable Coefficient t-statistic t-probability
inflation lag1 0.700602 8.862242 0.000000
inflation lag2 0.224005 2.700673 0.007690
un_rate lag1 -0.661919 -1.950173 0.052960
un_rate lag2 0.568061 1.756862 0.080916
fed_fund lag1 0.130823 1.321686 0.188220
fed_fund lag2 -0.094622 -0.935041 0.351222
constant 0.609946 1.710357 0.089201
****** Granger Causality Tests *******

Variable F-value Probability
inflation 189.084954 0.000000
un_rate 2.309166 0.102752
fed_fund 1.199544 0.304113
Dependent Variable = un_rate

R-squared = 0.9780
sige = 0.0526
******************************************************************
inflation lag1 0.035764 2.060187 0.041053
inflation lag2 -0.028532 -1.566536 0.119262
un_rate lag1 1.520327 20.398499 0.000000
un_rate lag2 -0.575917 -8.111388 0.000000
fed_fund lag1 0.011441 0.526398 0.599364
fed_fund lag2 0.018993 0.854726 0.394022
constant 0.099242 1.267314 0.206944

inflation 2.143652 0.120689
un_rate 2435.118546 0.000000
fed_fund 6.905810 0.001340
Dependent Variable = fed_fund

R-squared = 0.9177
sige = 0.8690
******************************************************************
inflation lag1 -0.019923 -0.282335 0.778063
inflation lag2 0.193685 2.616006 0.009776
un_rate lag1 -1.355610 -4.474370 0.000015
un_rate lag2 1.272148 4.407671 0.000019
fed_fund lag1 0.920866 10.422457 0.000000
fed_fund lag2 -0.031834 -0.352422 0.725001
constant 0.567454 1.782607 0.076608

inflation 8.644371 0.000276
un_rate 10.010499 0.000082
fed_fund 381.412820 0.000000
Calculamos las funciones de impulso respuesta de la descomposición de

Cholesky:
[out1,out2]=irf(results,10,’o1’,vnames)
Como hemos podido apreciar, los resultados son similares a los reporta-
dos por Eviews 5.1., lo cual valida la rutina utilizada anteriormente. Debe
recordarse que lo importante es …jar el ordenamiento de las variables en el
archivo de datos adjunto, dado que esto afecta la estimación e identi…cacion
del V AR.
Capítulo 10
Modelos Var Estructurales

en la Práctica
10.1. Introducción
En este capítulo replicaremos dos de los ejemplos más populares en ma-
teria de Vectores autorregresivos estructurales. Ambos fueron presentados
en el capítulo anterior, por lo que en este apartado entraremos directamente
a la aplicacón. El primer modelo lo presentan Stock y Watson (2001), es
decir, haremos la especi…cación estructural del modelo del capítulo anteri-
or. El segundo modelo es un Var simple bi-variado que utiliza restricciones
de largo plazo para la identi…cacion de modelos estructurales, que se desar-
rolla con …nes didácticos. Finalmente veremos a Bernanke y Mihov (1998),
quienes plantean un modelo del mercado interbancario, con el objetivo de
identi…car choques de política monetaria.La mayor parte de este apartado
se encuentra basada en el capitulo 6 de Favero (2001).1 En el desarrollo del
capítulo se ofrecen rutinas de Eviews 5.1. para la estimacion de estos mode-
los. Asimismo, al …nal de cada modelo se presenta la estimación del mismo
ejercicio por medio de rutinas de MATLAB.
10.2. El Modelo de Stock y Watson (2001)

De acuerdo al modelo resuelto en el capítulo anterior, especi…camos una
forma diferente a la recursiva, restringiendo las relaciones contemporáneas
entre variables. En este caso, asumiremos que la in‡ación no reacciona ante
1
Favero, Carlo (2001): .A pplied Macroeconometrics". Oxford University Press.
123
124CAPíTULO 10 MODELOS VAR ESTRUCTURALES EN LA PRÁCTICA
un choque en la tasa de interés en el mismo período, lo que llevará a que la

forma estructural solamente cuente con 5 parámetros a estimar. El sistema
quedará sobre-identi…cado, por lo que será necesario validar esta especi…-
cación mediante un test de sobre-identi…cación, conocido como el estadístico
J2 .
De esta forma tendremos:
0 1 0 1
1 0 0 NA 0 0
B C B C
B C B C
A = B N A 1 0 C, B = B 0 NA 0 C
@ A @ A
0 NA 1 0 0 NA
De esta forma, el sistema tiene 5 parámetros estructurales frente a 6 de

la forma reducida, por lo que cuenta con un grado de libertad.
Fijamos las matrices en Eviews:
’Especi…cación estructural
matrix(3,3) pata
pata.…ll(by=r) 1,0,0, na,1,0, 0,na,1
matrix(3,3) patb
patb.…ll(by=r) na,0,0, 0,na,0, 0,0,na
pata(3,1)=0
’La in‡ación no reacciona en forma contemporánea a la tasa de interés
El número óptimo de rezagos se encuentra grabado en el objeto var,
dado que fue utilizado en la última estimación por MCO (forma reducida).
Asimismo, utilizamos los residuos de la forma reducida como condiciones
iniciales para el algoritmo:
freeze(svar1) var1.svar(rtype=patsr,conv=1e-5,namea=pata,nameb=patb,F0=residuos)
’show svar1
freeze(svar1_imp) var1.impulse(24, se=a,imp=struct)
show svar1_imp
freeze(svar1_decvar) var1.decomp(24,se=mc,imp=struct) in‡ation un_rate fed_funds
’show svar1_decvar
var1.makeresids sres_in‡ation sres_un_rate sres_fed_funds
group sresiduos sres_in‡ation sres_un_rate sres_fed_funds
freeze(struct_resid) var1.resids
’show struct_resid
2
Estadístico comúnmente utilizado en la estimación por el Método Generalizado de
Momentos (MGM)
10.2 EL MODELO DE STOCK Y WATSON (2001) 125
El test Chi-cuadrado acepta la hipótesis nula de sobreidenti…cación, lo

cual implica que la especi…cación es correcta y no será necesario descartarla.
Es decir, podría entrar como un modelo candidato para ser escogido entre
otros más.
Response to Structural One S.D. Innovations ± 2 S.E.
Response of INFLATION to Shock1 Response of INFLATION to Shock2 Response of INFLATION to Shock3

1.2 1.2 1.2
0.8 0.8 0.8
0.4 0.4 0.4
0.0 0.0 0.0
-0.4 -0.4 -0.4
-0.8 -0.8 -0.8

5 10 15 20 5 10 15 20 5 10 15 20
Response of UN_RATE to Shock1 Response of UN_RATE to Shock2 Response of UN_RATE to Shock3

.5 .5 .5
.4 .4 .4
.3 .3 .3
.2 .2 .2
.1 .1 .1
.0 .0 .0
-.1 -.1 -.1
-.2 -.2 -.2
-.3 -.3 -.3

5 10 15 20 5 10 15 20 5 10 15 20
Response of FED_FUNDS to Shock1 Response of FED_FUNDS to Shock2 Response of FED_FUNDS to Shock3

1.2 1.2 1.2
0.8 0.8 0.8
0.4 0.4 0.4
0.0 0.0 0.0
-0.4 -0.4 -0.4
-0.8 -0.8 -0.8
-1.2 -1.2 -1.2

5 10 15 20 5 10 15 20 5 10 15 20
Los resultados en este caso señalan que la actividad económica si reac-

ciona ante cambios en la tasa de interés, no así la in‡ación, que se explica
por los rezagos de política. Por otro lado, la tasa de interés reacciona ante
cambios en la in‡ación, lo que podría estar relacionado con una regla de
Taylor que mira hacia atrás para …jar sus decisiones de política. Del mismo
modo, esta tasa reacciona ante cambios en la actividad económica, que se
puede explicar por la misma a…rmación anterior.
10.3 EL MODELO CON RESTRICCIONES DE LARGO PLAZO127
Variance Decomposition
Percent INFLATION variance due to Shock1 Percent INFLATION variance due to Shock2 Percent INFLATION variance due to Shock3
100 100 100
80 80 80
60 60 60
40 40 40
20 20 20
0 0 0
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
Percent UN_RATE variance due to Shock1 Percent UN_RATE variance due to Shock2 Percent UN_RATE variance due to Shock3
100 100 100
80 80 80
60 60 60
40 40 40
20 20 20
0 0 0
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
Percent FED_FUNDS variance due to Shock1 Percent FED_FUNDS variance due to Shock2 Percent FED_FUNDS variance due to Shock3
90 90 90
80 80 80
70 70 70
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
0 0 0
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
En el corto plazo las predicciones son en base a modelos adaptativos,

pero en la medida en que el horizonte de predicción es mayor se apela al uso
de modelos estructurales, empleando otras variables para llegar a un mejor
resultado.
10.3. El modelo con restricciones de largo plazo

Este modelo utiliza las restricciones de largo plazo como una alternativa
para obtener un sistema VAR exactamente identi…cado. En esta oportunidad
utilizaremos un modelo sencillo, donde solamente estará presente la brecha
de producto y la tasa de desempleo para Estados Unidos, en el período
1948-1987 (datos trimestrales).
La idea es ilustrar con este ejemplo sencillo la utilidad de las restricciones
de largo plazo para identi…car un Var estructural. Si bien es cierto un modelo
bi-variado no necesita otra especi…cación sino la triangular, no haremos uso
de dicho supuesto, asumiendo en cambio que una no afecta en el largo plazo

a la otra.
Sea un modelo V AR como el siguiente:
0 1
yt
donde: Yt = @ A,yt es el producto real en diferencias y ut es la
ut
tasa de desempleo. Lo que queremos demostrar es que ‡uctuaciones de corto
plazo en el desempleo (pequeñas desviaciones) no afectan al crecimiento del
producto en el largo plazo.
Estimamos un Var reducido similar al modelo de Stock y Watson:
’ Programa que aplica la metodología de Restricciones de Largo Plazo en un
Var Estructural
’11/01/06
’=====================================================
’Especi…camos la ruta del work…le
cd e:n
’Llamamos al work…le
load blanquah
’Estimamos un Var no restringido
!lagmax=6
vector(!lagmax) schw
smpl 1948:1 1987:4
var var1.ls 1 1 dy u @ c
schw(1)=var1.@sc
scalar _N=var1.@regobs
!n=_N
!i=2
var var1.ls 1 !i dy u @ c
schw(!i)=var1.@sc
while schw(!i)>schw(!i-1)
var var1.ls 1 !i dy u @ c
schw(!i)=var1.@sc
!i=!i+1
wend
10.3 EL MODELO CON RESTRICCIONES DE LARGO PLAZO129
d schw
scalar lagopt=!i
’Análisis de Causalidad à la Granger
group g1 dy u
freeze(granger_test) g1.cause(!i)
’show granger_test
!j=!i+1
freeze(lag_choice) var1.laglen(!j)
’show lag_choice
freeze(chol_imp) var1.impulse(24, se=a)
show chol_imp
freeze(chol_decvar) var1.decomp(24,se=a) dy u
’show chol_decvar
var1.makeresids res_dy res_u
group residuos res_dy res_u
freeze(chol_resid) var1.resids
’show chol_resid
freeze(var_chol) var1.results
’show var_chol
freeze(var_chol_eq) var1.representations
Recogemos los residuos de la forma reducida para utilizarlos como condi-
ciones iniciales. Luego, especi…camos la forma estructural con restricciones
de largo plazo y estimamos el modelo:
’Especi…cación estructural
var1.cleartext(svar)
var1.append(svar) @lr2(@u1)=0
freeze(results) var1.svar(rtype=text,conv=1e-4,F0=residuos)
show results
freeze(svar_imp) var1.impulse(24,se=a,imp=struct,a) dy u
show svar_imp
freeze(svar1_decvar) var1.decomp(24,se=a,imp=struct) dy u
show svar1_decvar
var1.makeresids sres_dy sres_u
group sresiduos sres_dy sres_u
freeze(struct_resid) var1.resids
’show struct_resid
Los resultados del modelo se presentan a continuación:
10.4 MIDIENDO LOS CHOQUES DE POLíTICA MONETARIA: BERNANKE Y MIHOV (19
Accumulated Response to Structural One S.D. Innovations
Accumulated Response of DY to Shock1 Accumulated Response of DY to Shock2

.008 .008
.004 .004
.000 .000
-.004 -.004
-.008 -.008
-.012 -.012
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
Accumulated Response of U to Shock1 Accumulated Response of U to Shock2

4 4
3 3
2 2
1 1
0 0
-1 -1
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
Como apreciamos en el resultado, este tipo de restricciones es útil para

identi…car sistemas Var, cuya imposición se re‡eja en las funciones de impulso-
respuesta acumuladas.
10.4. Midiendo los choques de Política Monetaria:

Bernanke y Mihov (1998) (en progreso...)
Como se señaló en el capítulo anterior, este modelo representa el mer-
cado interbancario donde opera el banco central. En el modelo se tienen
dos grupos de variables, aquellas variables que no son de política, Yt y las
variables de política, Pt . El modelo puede escribirse entonces como:
k
X k
X
Yt = Bi Yt i + Ci Pt i + Ay V t
i=0 i=0
k
X k
X
Pt = Di Yt i+ G i Pt i + AP VtP
i=0 i=0
de‡actor implícito del GDP, y un índice de precios de comodities:
El conjunto de variables de política esta conformado por la tasa de interés de

política, F F , el nivel de reservas no prestadas, N BR y el nivel de reservas
totalesj.T R
Pt = [F F; N BR; T R]
El nivel de reservas prestadas corresponde a las reservas generadas a través
de la ventanilla de descuento del banco central, mientras que las no prestadas,
a las generadas por operaciones de mercado abierto realizadas por el banco
central.
En forma simpli…cada, el modelo puede escribirse como:
0 1 0 1 0 1
Yt Yt 1 v Y
A @ A = C (L) @ A+B@ t A
Pt Pt 1 vtP
donde A representa las relaciones contemporáneas entre todas las vari-

ables del sistema y C (L) es la matriz de polinomios de rezagos, conformable
0 1
vtY
con el vector de variables del sistema (de orden …nito). Luego, v @ A
vtP
es el vector de choques estructurales, tanto de variables que son de política,
como de aquellas que no lo son. La existencia de elementos distintos de cero
fuera de la diagonal de B permite que algunos choques afecten directamente
a más de una variable en el sistema. Este aspecto es clave para los propósitos
de estimación del modelo, dejando claro que hace con …nalidad de efectuar
un posterior análisis de politica.
Modelos anteriores podian tener una especi…cacion similar, sin embargo
eran elaborados asumiendo total exogeneidad por parte de las variables de
política (Pt ). Ello implicaba que el unico propósito del modelo era obtener
multiplicadores dinámicos de política, señalando una relación de causalidad
directa entre instrumentos y variables macroeconómicas. Dicha identi…cación
era bastante limitada, porque como sabemos, el manejo de instrumentos
de política se encuentra condicionado al comportamiento de la economía
agregada y no es completamente exógeno. Esta modalidad, conocida como

la comisión de Cowles, fue descartada para evaluación de medidas de política.
Los modelos VAR en cambio, son estimados con el propósito de obtener
evidencia empírica sobre la respuesta de variables macroeconómicas ante
impulsos de politica monetaria, de tal forma que es posible discernir sobre
cuál es el modelo teórico (especi…cación estructural) que mejor describe la
realidad estudiada. Es por eso muy importante el conjunto de restricciones
que se aplican al modelo para identi…car acciones de política, teniendo en
cuenta la potencial endogeneidad de los instrumentos utilizados.
10.4.2. Identi…cación y estimación

Naturalmente, sabemos que el modelo estructural no es directamente ob-
servable. Como se vo anteriormente, lo que observamos es la forma reducida.
Así tenemos:
0 1 0 1 0 1
Yt Y u Y
t 1
@ A = A 1 C (L) @ A+@ t A
Pt Pt 1 uPt
donde u representa los errores de la forma reducida, vector distribuido

normal e independientemente, con matriz de covarianzas . La relacion entre
estos errores y los de la forma estructural es como sigue:
0 1 0 1
uYt vtY
A@ A=B@ A
utP vtP
que en forma simpli…cada es:
1
ut = A Bvt
De esta última expresión se deriva la relación entre matrices de covari-
anzas:
0 0 0 0
1 1
E ut ut = A BE vt vt B A
En forma empírica tenemos:

0 0
^ ^ 1^ ^ ^ 1
=A BI B A
Descomposicion de Choleski
La tradicional descomposición triangular será de la siguiente forma:
0 1 0 1
1 0 0 ::: 0 b11 0 ::: 0
B C B C
B C B C
B a21 1 0 ::: 0 C B 0 b22 ::: 0 C
A=B
B
C,
C
B
B=B C
C
B ::: ::: ::: ::: ::: C B ::: ::: ::: ::: C
@ A @ A
an1 ::: ::: ann 1 1 0 0 ::: bnn
De esta forma el sistema quedaría exactamente identi…cado, donde el

resultado del modelo dependerá del ordenamiento inicial de las variables
(por exogeneidad). En otras palabras, se trata de una estructura recursiva.
Modelo Estructural con restricciones contemporáneas

En este caso la …jación de restricciones en las matrices A y B será en base
información económica sobre cómo se relacionan las variables que integran
el sistema. Desde esta perspectiva, lo que se hace es incorporar elemen-
tos de teoría económica a un modelo de series de tiempo completamente
ateórico y puramente matemático. La información adquirida fuera del mod-
elo puede ser útil para que este último replique la realidad económica que
estamos tratando de representar, lo cual resulta completamente válido. De
esta forma, las funciones de impulso respuesta desprendidas de este modelo
tendrán un comportamiento coherente, derivado de un conocimiento previo.
El obejtivo en este caso es identi…car el mecanismo de transmisión de políti-
ca monetaria, por lo que las restricciones de identi…cación deberán estar
fundadas en ’hechos estilizados’y no en predicciones propias del modelo.
El sistema VAR cuenta con las seis variables señaladas anteriormente:
de‡actor implícito del GDP, y un índice de precios de comodities:
El conjunto de variables de política esta conformado por la tasa de interés

de política, F F , el nivel de reservas no prestadas, N BR y el nivel de reservas
totales,T R.
0
Pt = [F F; N BR; T R]
Los supuestos principales de identi…cación son:
- Ortogonalidad en las perturbaciones estructurales.

- Las variables macroeconómicas Yt , no reaccionan contemporáneamente
ante cambios en las variables de política Pt , pero no viceversa.
- Las restricciones impuestas en el bloque monetario del modelo re‡ejan
el modo de operar de la política monetaria.
Las relaciones contemporáneas entre la tasa de la Fed y el mercado de
reservas se derivan a continuación:
Parte II
Modelos de Series de Tiempo

no Estacionarias
137
10.5 INTRODUCCIÓN 139
10.5. Introducción
Capítulo 11
Raíces Unitarias y
Cointegración
11.1. Introducción
El análisis de Series Económicas hoy en día es un tema de alta rele-
vancia, en especial si se desea emitir juicios de valor relacionados con el
comportamiento de las mismas. Es por esta razón que estudiamos la pres-
encia de raíces unitarias en las series con las que trabajamos, en vista de
tomar acciones correctivas en caso estas se presenten.
La presencia de una raíz unitaria en una serie de tiempo económica
revela directamente inestabilidad en la misma, siendo necesario el aplicar
una transformación a la misma en vista de que sea posible trabajar con
ella mediante los métodos estudiados anteriormente. En estricto, una serie
integrada o no estacionaria es per se inestable en el tiempo, lo cual implicaría
que si sufre una perturbación temporal el efecto en ella será permanente. Por
tal motivo, el efectuar regresiones ó predicciones con una serie integrada
puede llevarnos a emitir conclusiones erradas, situación que puede evitarse
en la medida en que se lleve a cabo un proceso adecuado de identi…cación
de este fenómeno.
De acuerdo a la descripción anterior podemos entender que una serie
económica es susceptible de ser integrada y es más, dicha característica debe
tener algún signi…cado económico. En términos del análisis económico, lo
que se busca es determinar si una variable reacciona de forma temporal ó
permanente frente a los choques que se dan normalmente en la economía
nacional e internacional. Variables, por ejemplo, como el producto bruto
(en niveles) ó la Tasa de In‡ación anualizada (en porcentajes) se dice que
141
142 CAPíTULO 11 RAíCES UNITARIAS Y COINTEGRACIÓN
pueden ser integradas en la medida en que son afectadas tanto por choques
de oferta ó demanda y que no necesariamente pueden regresar a la tendencia
que presentaban antes de la ocurrencia de dicha perturbación.
11.2. Tests de Raíces Unitarias1

Los test de raíces unitarias son utilizados para determinar si una serie in-
tegrada es estacionaria en tendencia o en diferencias. Es decir, permiten dar
un aproximado del verdadero proceso generador de datos. Dadas las difer-
encias estadísticas entre una serie integrada y una estacionaria, usualmente
se a…rma que una simple inspección visual permite identi…car el grado de
la misma, así como el proceso generador de datos. Un primer ejemplo nos
ilustrará acerca de este tema:
Suponga dos procesos estocásticos tales como:
8 8
< yt 1 + "t < 0;05 + zt 1 + "t
yt = , zt =
: 0;9y +" : 0;05t + "t
t 1 t
En ambos casos el primer proceso corresponde a un camino aleatorio,

siendo incorporando una deriva en el segundo. Por su parte, el segundo
proceso de (y) corresponde a un AR(1) estacionario y el segundo proceso de
(z) corresponde a un proceso estacionario en tendencia.
Suponga entonces que se realiza el experimento para procesos de 100
observaciones, buscando evaluar grá…camente los resultados.
El código en Eviews para este experimento se presenta a continuación:
’Raíces Unitarias
’Ejemplos Chumacero (2001)
’19/01/05
’=====================================================
!T=100
work…le u !T
’AR(1)
!rho=0.9
smpl @all
series e=0.01*nrnd
!ci=0.0001
1
Tomado de Chumacero (2001)
11.2 TESTS DE RAíCES UNITARIAS2 143
smpl 1 1
series y=!ci
series y=!rho*y(-1)+e
smpl @all
genr ar1=y
dy
’Random walk
!rho=1
smpl 1 1
series y=!ci
series y=!rho*y(-1)+e
smpl @all
genr rw=y
dy
group rvsar ar1 rw
show rvsar.line
’trend
!beta=0.05
smpl @all
series e=0.01*nrnd
!ci=0.000
series y=!beta*@trend+e
genr trend=y
dy
’Random walk + drift
!alpha=0.05
!rho=1
smpl 1 1
series y=!ci
series y=!alpha+!rho*y(-1)+e
smpl @all
genr rwd=y
dy
group rw_trend rwd trend
show rw_trend.line
.08
5
4
.04
3
.00 2
1
-.04
0
-.08 -1
10 20 30 40 50 60 70 80 90 100 10 20 30 40 50 60 70 80 90 100
AR1 RW RWD TREND
Observando los grá…cos, ¿es posible determinar si una serie es integrada?
11.3. El Test de Dickey –Fuller aumentado (ADF)

Tradicionalmente los tests de raíces unitarias son utilizados para evalu-
ar el verdadero proceso generador de datos (series estacionarias en media,
tendencia, etc.). Como ha sido comprobado, la identi…cación grá…ca no es
del todo convincente, lo cual nos lleva a buscar un soporte numérico y es-
tadístico. El test más popular para llevar a cabo este procedimiento es el de
Dickey-Fuller aumentado (ADF), que viene dado por:
p
X
yt = + t + yt 1 + i yt i + "t
i=1
donde denota el número de rezagos necesario para que "t sea ruido
blanco. La ecuación anterior es estimada por MCO con el objetivo de con-
trastar la Hipótesis H0 : = 1 (yt tiene una raíz unitaria) mediante el
^
estadístico t del estimador . Tal como es documentado por Dickey y Fuller
(1979)3 , la distribución asintótica de este estimador no es estándar y por
tal razón, si se utilizan los métodos tradicionales de contraste de hipótesis
se producirá un error de Tipo I, Chumacero (2001)4 detalla este problema
grá…camente.Considere el siguiente proceso estocástico:
3
Dickey y Fuller (1979): Distributions of the estimates for autorregressive time series
with a unit root. JASA, 74, 427-431.
4
Chumacero, R. (2001): "Testing for unit roots using economics", Documentos de Tra-
bajo del Banco Central de Chine 102, Banco Central de Chile.
11.3 EL TEST DE DICKEY –FULLER AUMENTADO (ADF)145
yt = 0;1 + yt 1 + "t ; "t N (0; 1)
Suponga que esta serie es generada 1000 veces bajo las mismas condi-
ciones, donde cada muestra es también de 1000 observaciones. Nos interesa
comparar la distribución del estadístico t para el test de Dickey –Fuller au-
mentado contra la de una normal, para lo que estimamos este valor en cada
réplica del experimento. Luego gra…camos los histogramas para cada una de
las distribuciones.El código en Eviews para este experimento se presenta a
continuación:
’Ejemplo 2 Chumacero(2001)
’19/01/05
’=======================================
!T=1000
work…le u !T
!exp=1000
vector(!exp) td
’Random walk + drift
for !i=1 to !exp
smpl @all
series e=nrnd
!ci=0.0001
!alpha=0.05
!rho=1
smpl 1 1
series y=!ci
series y=!alpha+!rho*y(-1)+e
smpl @all
genr rwd=y
dy
freeze(temp) rwd.uroot(adf,const,lag=3,save=mout)
td(!i)=temp(7,4)
d temp
d mout
next
smpl @all
mtos(td,tds)
freeze(hist_norm) e.hist
freeze(hist_tds) tds.hist
140
120
100
80
60
40
B
20
C
A
0
-4,0 -3,4 -2,8 -2,2 -1,6 -1,0 -0,4 0,1 0,7 1,3 1,9 2,5 3,1 4,0
norm t
Las líneas verticales corresponden a los valores críticos para cada una
de las observaciones. El área denotada por “A” corresponde a la región de
rechazo para un test asintóticamente normal. Asimismo, el área denotada
por “C” corresponde a la región de rechazo para el test ADF. Por tanto, el
área “A+B” representa la distorsión que genera el utilizar un valor crítico
estándar para este tipo de test. Dado este problema, es bastante frecuente
declarar una serie como estacionaria cuando en realidad es integrada. En par-
ticular, es importante señalar que el ejemplo anterior se hizo con la …nalidad
de ilustrar los posibles problemas que se pueden encontrar al utilizar el test
ADF, tales como utilizar los valores críticos incorrectos, así como identi…car
una serie como integrada cuando en realidad es estacionaria, pero cercana
a la raíz unitaria. No obstante, el test descrito es llevado a la práctica en el
apartado siguiente.
11.4. El Test de Dickey –Fuller aumentado (ADF)

en Eviews
En Eviews lo importante es indicar el proceso generador de datos antes
de ejecutar el test. Son tres ecuaciones las que se estiman alternativamente:
11.4 EL TEST DE DICKEY –FULLER AUMENTADO (ADF) EN EVIEWS147
Estacionariedad Test ADF

p
X
Estacionaria en tendencia yt = + t + yt 1 + i yt i + "t
i=1
p
X
Estacionaria en media ( = 0) yt = + yt 1 + i yt i + "t
i=1
p
X
Autorregresivo ( = = 0) yt = yt 1 + i yt i + "t
i=1
El orden correcto es el de estimar la ecuación estacionaria en tendencia

^
y contrastar el valor de . Si en caso el resultado es una serie estacionaria
( < 1), el proceso termina. Caso contrario, el siguiente paso es el de veri-
…car la signi…cancia de . En caso no sea signi…cativo, deberá evaluarse la
^
ecuación estacionaria en media y volver a contrastar el valor de . Si en caso
el resultado es una serie estacionaria, el proceso termina. Caso contrario, el
siguiente paso es el de veri…car la signi…cancia de . En caso no sea signi-
…cativo, deberá evaluarse la ecuación autorregresiva y volver a contrastar el
^
valor de . En caso el resultado es una serie estacionaria, el proceso termina,
caso contrario la serie tiene una raíz unitaria.
El código en Eviews para este experimento se presenta a continuación:
’Test ADF Secuencial
’01/02/06
’=====================================================
’Argumentos:
’Serie: %0
’=====================================================
’Resultados (ver trend, inter, nin):
’0: PGD Inválido
’1: Serie Integrada y PGD válido
’2: Serie Estacionaria y PGD válido
’=====================================================
genr y= { %0}
’Tendencia
freeze(trend_adf) y.uroot(adf,t)
%data=trend_adf(3,1)
%lag=@mid( %data,13,2)
!lag=@val( %lag)
!tstat=@val(trend_adf(7,4))
!MKt=@val(trend_adf(9,4))
!Bt=@val(trend_adf(24+!lag+2,5))
vector(1) tend
if abs(!tstat)<abs(!MKt) then
if !Bt>0.05 then
tend(1)=0
’Intercepto
freeze(inter_adf) y.uroot(adf,c)
!tstat=@val(inter_adf(7,4))
!MKt=@val(inter_adf(9,4))
!Ct=@val(inter_adf(24+!lag+1,5))
vector(1) inter
if !Ct>0.05 then
inter(1)=0
’Ninguno
freeze(nin_adf) y.uroot(adf,n)
!tstat=@val(nin_adf(7,4))
!MKt=@val(nin_adf(9,4))
vector(1) nin
nin(1)=1
else
nin(1)=2
endif
else
inter(1)=1
endif
else
inter(1)=2
endif
else
tend(1)=1
endif
else
tend(1)=2
endif
Replicaremos este procedimiento para la tasa de crecimiento del PBI
Peruano, tomando datos mensuales y desde enero de 2002. Intuitivamente
esta serie debería ser estacionaria, debido a que los choques en la economía
11.4 EL TEST DE DICKEY –FULLER AUMENTADO (ADF) EN EVIEWS149
agregada y los quiebres que esta implica se re‡ejan en el nivel de producto

(boom de producción, crisis …nanciera internacional, etc.), pero en el largo
plazo estas variaciones son relativamente constantes.
Grá…camente tenemos:
10
0
2002 2003 2004 2005
VPBI
Una simple inspección nos lleva a a…rmar que esta serie es estacionaria,
con una ligera inclinación positiva, lo cual implicaría la posible presencia de
un componente tendencial.
De acuerdo al programa descrito anteriormente, los resultados indican
que esta serie es estacionaria y que efectivamente, cuenta con un componente
tendencial (signi…cativo al 10 %). Adicionalmente, no fue necesario utilizar
primeras diferencias rezagadas en la estimación.
11.5. Raíces unitarias en presencia de cambios es-

tructurales
En términos estadísticos el aceptar una hipótesis falsa es considerado
como un error de Tipo II, es decir, si concluimos que una serie es integrada
cuando no lo es nos encontraremos en el escenario descrito. Cuando las series
de tiempo presentan cambios estructurales y son sometidas al test ADF el
resultado es susceptible de ser fallido. En otras palabras, se declarará una
serie como integrada cuando no necesariamente lo es. En vista de ello, el Test
de Zivot y Andrews se encarga de solucionar este problema, encontrando
el verdadero proceso generador de datos y calculando el punto aproximado
donde se genera el quiebre en la serie. En estricto, el test de Zivot y Andrews
calcula el valor del test ADF y sus variantes para cada observación en el
11.5 RAíCES UNITARIAS EN PRESENCIA DE CAMBIOS ESTRUCTURALES151
tiempo, colocando los resultados en un grá…co. De esta forma podremos

visualizar si la serie presenta un cambio drástico en algún punto del tiempo
para este estadístico.
Capítulo 12
Cadenas de Markov y
Modelos de Cambios de
Régimen
12.1. Introducción y motivación

Durante los últimos años se ha venido haciendo énfasis en el uso de téc-
nicas de modelación avanzadas dentro del marco del análisis de series de
tiempo económicas, hecho motivado principalmente por las de…ciencias del
análisis de regresión clásico en materia de robustez y poder predictivo. En
efecto, en el trabajo diario temas como cambios estructurales, inestabilidad
de parámetros, no estacionariedad, volatilidad, outliers, etcétera, nos llevan
a cuestionar las conclusiones a las que nos hacía llegar el análisis de modelos
ARIMA ó ARMA. Ante esta problemática han surgido modelos que, apun-
tando a obtener una transformación plausible de la serie a analizar, lograban
aproximarse a la metodología en cuestión.
Por otro lado, también surgieron modelos que, en vez de transformar la
serie, apuntaban mas bien a extraer ó ‘…ltrar’un componente no observable
de la serie. Dicho componente es el conocido ‘estado’de la variable y es el
que guía las ‡uctuaciones principales de la serie bajo análisis. De hecho, han
surgido diversos algoritmos que se encargan de estimar dicho componente
en base a la información disponible y el más conocido es el denominado
Filtro de Kalman. El estado estimado se desenvuelve dentro de un espacio
determinado ó domino, y es por esta razón que se conoce a esta clase de
modelos como de espacio de estados (state-space).
Los modelos de Markov-Switching forman parte de este grupo de algo-
153
154CAPíTULO 12 CADENAS DE MARKOV Y MODELOS DE CAMBIOS DE RÉGI
ritmos que se encargan de …ltrar el componente no observable de una serie

de tiempo. La diferencia radica en que en éstos modelos el estado es una
variable aleatoria discreta. Es decir, el espacio del estado es un conjunto
de puntos discretos asociados a un proceso estocástico determinado. En un
modelo de Markov-Switching este proceso estocástico sigue una Cadena de
Markov.
En estricto, una Cadena de Markov es un proceso estocástico que cumple
con la propiedad de Markov, que señala que la probabilidad de encontrarse
en un estado determinado j en un instante t es condicionada únicamente
al estado en se que ubicó el proceso en t-1. En otras palabras, la única
información relevante para poder predecir donde se encontrará dicha variable
en el instante t es la posición que ocupó en t-1 y mas bien el resto de
información hacia atrás ya no es de utilidad.
En este capítulo veremos al detalle en qué consiste una Cadena de
Markov, cómo se caracteriza, cuáles son sus propiedades principales y cómo
se construye dicho proceso, para luego pasar a aplicar dicho concepto en el
análisis de series de tiempo mediante la simulación de un modelo sencillo
utilizando MATLAB R .
12.2. Cadenas de Markov

12.2.1. De…niciones principales
Proceso Estocástico: Secuencia o vector de variables aleatorias. fyt g1 t=0
Propiedad de Markov: Se dice que un proceso estocástico fxt g tiene la
propiedad de Markov si 8k 2; :::; t se cumple que Pr (xt+1 jxt ; xt 1 ; :::; xt k ) =
Pr (xt+1 jxt ), es decir, los rezagos no añaden información a la predicción. Este
proceso es caracterizado como una Cadena de Markov.
Por lo tanto, una Cadena de Markov invariante en el tiempo es determi-
nada por tres objetos:
Un vector x 2 Rn que representa los valores posibles del estado de

sistema. En otras palabras, el espacio del estado es de orden …nito
(n < 1).
Una matriz de transición P(nxn) que mide la probabilidad de moverse

de un estado a otro. El elemento pij mide la probabilidad de pasar
del estado i en el instante t al estado j al período siguiente (t + 1).
pij = Pr (xt+1 = xj jxt = xi ). P(nxn) es entonces una matriz estocástica.
12.2 CADENAS DE MARKOV 155
Un vector 0 2 Rn que representa la distribución inicial de los estados.

El elemento 0i mide la probabilidad de encontrarse en el estado i en
el instante t = 0.
Bajo estas propiedades podemos asumir que:

n
X
8i = 1; :::; n se cumple que pij = 1. La suma de todas las …las de
j=1
P es igual a 1, lo cual tiene sentido desde que cada …la representa el
universo de estados a terminar partiendo del estado i . Nota: F il = j
y Col = i.
n
X
0i = 1: El universo de estados en los cuales se puede empezar la
i=1
Cadena de Markov.
La matriz estocástica P de…ne la probabilidad de moverse del estado i

al estado j de un período al siguiente. Luego, si quisiéramos medir la prob-
abilidad de pasar del estado i al estado j luego de dos períodos tendríamos
lo siguiente:
Pr (xt+2 = xj jxt = xi )
Xn
= Pr (xt+2 = xj jxt+1 = xh ) Pr (xt+1 = xh jxt = xi )
h=1
Es decir, se tiene en cuenta el universo de puntos intermedios sobre los

cuales se puede situar x en t + 1:
n
X
Pr (xt+2 = xj jxt = xi ) = pih phj = p2ij
h=1
En general tenemos que: Pr (xt+k = xj jxt = xi ) = pkij . Probabilidad de pasar

del estado i al estado j luego de k períodos.Las probabilidades vistas hasta
ahora se re…eren a distribuciones condicionales, es decir, que dependen de
la posición o estado anterior. Si por el contrario quisiéramos determinar la
probabilidad de encontrarse en un estado j en un instante determinado y de
forma incondicional debemos trabajar con lo siguiente:
Partiendo de la distribución incondicional inicial 0 es posible determinar

las distribuciones iniciales para cada período, trabajando con la matriz de
transición P .
0
1 = Pr (x1 ) = 0 P
0 0
2 = Pr (x2 ) = 1 P = 0 P2
:::
0 0
k = Pr (xk ) = k 1 P = 0 Pk
12.2.2. Distribuciones estacionarias

En base a la ecuación anterior podemos inferir cómo hallar una distribu-
0 0
ción estacionaria incondicional, siguiendo la ley de movimiento: t+1 = t P
. Luego, si la distribución es estacionaria, entonces t+1 = t = , lo cual
0 0 0
nos llevaría a: = P =) (I P ) = 0. Tomando la transpuesta:
0
I P = 0.
Cuando hablamos de estacionariedad nos referimos a momentos invari-
antes en el tiempo. Se trata en este caso de estacionariedad en sentido fuerte,
es decir, que todos los momentos de esa distribución son constantes en el
tiempo.
En términos del álgebra lineal esta ecuación de…ne un vector propio
0
asociado a un valor propio de P igual a la unidad ( = 1). En otras palabras,
0
para que exista una distribución estacionaria es necesario que P tenga un
valor propio unitario. Luego, analizando la de…nición de P sabemos que
X n
pij = 1, lo cual garantiza que existe al menos un ( = 1) y por tanto
j=1
existe una que satisface esta ecuación. Dependiendo de los elementos de P
es posible que exista más de un ( = 1), lo cual indicaría que no es única.
12.2.3. Derivación de la probabilidades del estado estacionario

Dada la matriz de transición de probabilidades P de orden M y un vector
columna iM = 1M , donde todas sus componentes son iguales a 1. Entonces
Xn
0 0
se cumple que iM P = iM desde que pij = 1.Sea luego un vector M x1 de
j=1
0
probabilidades de estado estacionario, tenemos que iM = 1. De acuerdo a la
12.2 CADENAS DE MARKOV 157
0
de…nición anterior se cumple que IM P = 0M . . Tenemos entonces:
2 3 2 3 2 3
0 0
I P 0 I P
4 M 5 = 4 M 5.Sea A = 4 M 5 una matrix (M + 1) xM .
0 0
iM 1 iM
Dado que A no es cuadrada, es imposible despejar a menos que tomemos
el producto interno
2 y 3pre-multipliquemos por la inversa, tal como sigue:
0 1 0M
= AA A0 4 5.
1
0 1
Sea entonces Z = A A A0 , será igual a la última columna de Z.
La rutina de Matlab R que genera este proceso se llama markov_ss.m.
12.2.4. Estacionariedad Asintótica

Es difícil hablar de distribuciones con momentos exactamente iguales a
lo largo del tiempo, por lo que empíricamente es recomendable trabajar con
una suerte de estacionariedad asintótica ó en el límite.
El experimento es como sigue: Partiendo de una distribución arbitraria
0 , ¿las distribuciones condicionales t convergen a una estacionaria?
La pregunta puede ser respondida probando la existencia del límite:
L{m t = 1 . Luego, si es que este existe es necesario también determinar
t!1
si está asociado a la condición inicial 0 . Esto se puede probar realizando
simulaciones sobre un mismo modelo, analizando la sensibilidad del límite
a la condición inicial. Si la respuesta es negativa entonces podemos a…rmar
que el proceso es asintóticamente estacionario y con una distribución única
e invariante.
0
De…nición: Sea 1 el único vector que satisface I P = 0. Si 8 0
0
t
se cumple que P converge siempre a 1 , decimos entonces que la Ca-
dena de Markov es asintóticamente estacionaria con una distribución única
e invariante.
12.2.5. Simulación de una Cadena de Markov

Dada una matriz de transición P asociada a un proceso de markov St ,
sabemos que es posible calcular la distribución estacionaria de este proce-
so, dada por . Si tomamos esta distribución como punto de partida 0 ,
procederemos a simular luego los valores de St .
La lógica de la simulación va de la mano con el tema de generación de

números aleatorios. Para iniciar la cadena de markov es necesario tomar
valores aleatorios iniciales, los cuales nos van a permitir determinar en qué
estado se ubicará la cadena en base a la distribución asignada.
Un ejemplo facilitará el entendimiento del proceso. Seguiremos la rutina

dada en ejemplo_markov.m:
Supongamos que el espacio de estados viene

2 dado3por xt = f0; 1g y que
0;7 0;3
la matriz de transición asociada es P = 4 5. Con estos datos la
0;2 0;8
distribución estacionaria es fácilmente obtenida, .
Para el tema de la generación de número aleatorios se utilizará la dis-

tribución uniforme entre 0 y 1, que es consistente con la necesidad de hallar
valores en este rango, desde que trabajamos con probabilidades.
¿Cómo se determina la posición inicial en la cadena? Sea Generamos un

numero aleatorio ~. Luego, si , entonces la posición queda descartada como
inicial. Si mas bien , entonces es la posición inicial. En nuestro ejemplo: Si ,
entonces queda descartado y mas bien queda como posición inicial. El vector
de estado en sería De no cumplirse la premisa, la solución es contraria a la
anterior.
Sea , donde es la columna i-ésima de . Para hallar la distribución de

probabilidad en debemos pre-multiplicar por . De esta forma, se tiene la dis-
tribución de probabilidad de condicionada a ( ). Del mismo modo, generamos
y ~encontramos la posición discriminando por el número aleatorio.
La simulación se desarrolla de la misma forma durante T iteraciones

(asignadas arbitrariamente). Lo más relevante es capturar la posición en
cada periodo, para luego gra…carla.
La rutina ejemplo_markov.m lleva a cabo este proceso, donde la simu-

lación es hecha para T = 50, resultando el siguiente grá…co:
12.3 MODELOS DE MARKOV SWITCHING 159
12.3. Modelos de Markov Switching

El objetivo de este apartado es estimar modelos univariantes con cambios
de régimen, donde la variable de estado del modelo es discreta y sigue una
Cadena de Markov. En líneas generales el uso de las Cadenas de Markov en
el análisis de series de tiempo es importante porque:
Permite estimar modelos con quiebres estructurales sin conocer expre-

samente en qué puntos del tiempo se encuentran estos.
Los cambios de régimen son endógenos a las características del modelo

y variables explicativas.
Brinda una comprensión mayor sobre la noción de ‘estado’ y lo que

representa esta variable.
Los primeros en introducir los modelos de Markov Switching fueron

Goldfeld y Quandt (1973), quienes lo aplicaron a un modelo de varias vari-
ables explicativas. Posteriormente Hamilton (1989) extendería este tema al
análisis uni y multivariado de procesos autorregresivos temporales. Desar-
rollaremos en este apartado un modelo AR(1) con cambios estructurales en
el parámetro de persistencia, que se deriva a continuación:
2
yt = St y t 1 + "t ; t = 1; 2; :::; T; donde "t N (0; St )
St = 0 (1 St ) + 1 St ) Si St = 1 ) 1
Si St = 0 ) 0
2 = 2 (1 St ) + 2S ) Si St = 1 ) 21
St 0 1 t
Si St = 0 ) 20
St = f0; 1g, Régimen 0 o 1.
Nótese que si St es conocido a priori, entonces hace las veces de una vari-
able dummy tradicional. Bajo este contexto, la función de Log-Verosimilitud
viene dada por :
T 2
!
X 1 yt St y t 1
Ln (L) = Ln (f (yt jSt )) ; dondef (yt jSt ) = q exp 2
t=2 2 2 2 St
St
El problema de maximización sería: M ax Ln (L)

f 0 ; 1 ; 20 ; 21 g
Las di…cultades surgen cuando el vector St no es observado ex – ante,
lo que hace que los algoritmos predictores-correctores sean los principales
candidatos a ser utilizados para …ltrar dicho vector. Esta clase de algoritmos
predice, con la información disponible en t 1 , el valor de St con cierta
con…abilidad y luego, al realizarse yt , esta información es actualizada con
una ganancia.
12.3.2. Estimación del modelo

Paso 1: Considere la densidad conjunta de yt y St (no observado), que
puede ser expresada como el producto de las densidades marginales:
f yt ; St j t 1 = f yt jSt ; t 1 f St j t 1 , donde t 1 representa el
set de información disponible en el instante t 1, que para …nes prác-
ticos resulta siendo el conjunto de rezagos de yt .
Paso 2: Para obtener la densidad marginal de yt debe integrarse con re-

specto a St , es decir, sumar las densidades de yt para todos los posibles
valores de St .
1
X
f yt j t 1 = f yt ; S t j t 1
St =0
X 1
= f yt jSt ; t 1 f St j t 1
St =0
2 2
fyt 0 yt 1 g fyt 1 yt 1 g
= p1 2 exp 2 Pr St = 0j t 1 +p 1 exp 2 Pr St = 1j t 1
2 0 2 0 2 2 2 1
1
Por lo tanto, la función
( 1 de Log-verosimilitud viene
) dada por:
XT X
Ln (L) = Ln f yt jSt ; t 1 f St j t 1 ,
t=2 St =0
que puede ser interpretada como un promedio ponderado de densidades
marginales. Entonces, el problema está en calcular correctamente las pon-
deraciones ó probabilidades de St . Esto puede ser realizado fácilmente me-
diante un …ltro que presentaremos a continuación. Sin embargo, como toda
estimación no lineal, es necesario establecer una condición inicial para que
esta pueda llevarse a cabo. En otras palabras, debemos suponer un compor-
tamiento a priori de St plausible.
Por simplicidad, asumiremos que St sigue una Cadena de Markov de
primer orden, lo cual implica que solamente el primer rezago es relevante
para predecir la posición futura de la variable. Es importante señalar que
los procesos de Markov no son la única alternativa para construir modelos
de saltos discretos (switching), pero en este caso consideramos que es lo que
más se aproxima al análisis que se desea realizar.
Construimos entonces las probabilidades de la función de verosimilitud:
1
Pr (St = 0jSt 1 = 0) = p = 1+exp(p 0)
1
Pr (St = 1jSt 1 = 1) = q = 1+exp(q 0)
con sus respectivos complementos. Estas probabilidades harán las veces
de las ponderaciones de las densidades marginales de yt en la función de
verosimilitud.
Fijando valores iniciales para = 0 ; 1 ; 20 ; 21 ; p0 ; q0 es posible comen-
zar a iterar la función de verosimilitud a …n de obtener los valores óptimos
asociados a los datos de yt . La función construida en Matlab R se llama
Loglike_ar1.m y presenta justamente estos seis argumentos.
El problema de maximización sería ahora: M axLn (L). La rutina de
Matlab R que ejecuta este proceso es ar1.m. En estricto, el programa min-
imiza el negativo de esta función, que para …nes prácticos nos brinda el
mismo resultado.
12.3.3. Filtrado de probabilidades

^ ^ ^2 ^2 ^ ^
Una vez estimados 0 ; 1 ; 0 ; 1 ; p; q es posible …ltrar las probabilidades
de St condicionales a la información disponible en t 1. Dado que es una
variable no observada, adoptamos el siguiente algoritmo para el cálculo de
las probabilidades.
Paso 1: Dada Pr St 1 = ij t 1 , i = 0; 1 al inicio de la iteración t, las

ponderaciones Pr St = jj t 1 se calculan como sigue:
1
X
Pr St = jj t 1 = Pr St = j; St 1 = ij t 1
i=0
1
X
= Pr (St = j; St 1 = i) Pr St 1 = ij t 1
i=0
Observamos que el primer término corresponde a la probabilidad de
transición. Asimismo, el segundo es la probabilidad observada al inicio
de la iteracion, por lo que ambos elementos son conocidos. A este
proceso se le conoce como predicción de probabilidades.
Paso 2: Una vez que llega la realización de yt (al término de la iteración

t), podemos actualizar la probabilidades como sigue:
f (St =jjyt ; t 1 )
Pr (St = jj t) = Pr St = jjyt ; t 1 = f (yt j t 1 )
f (yt jSt =j; t 1 ) Pr(St =jj t 1 )
=
X1
f (yt jSt =i; t 1 ) Pr(St =ij t 1 )

i=0
donde t = t 1 ; yt .
Esta probabilidad actualizada sirve como dato para la iteración siguiente.
Se asume que la matriz de transición es invariante en el tiempo.
Es necesario iniciar el …ltro de algún modo, para lo cual lo más recomend-
able sería tomar la distribución estacionaria en base a la matriz de transición
estimada en el apartado anterior. El programa de Matlab R markov_ss.m
realiza este proceso, tal como fue indicado líneas arriba. Del mismo modo,
la función Filter.m realiza el cálculo de la probabilidades tanto predichas
como actualizadas. La rutina ar1.m llama también a esta función luego de
obtener los parámetros estimados en el apartado anterior.
12.3.4. Suavizado (Smoothing) de probabilidades
Las probabilidades …ltradas en el paso anterior eran condicionadas a la

información disponible en t 1 (predicha) y en t (actualizada). El algoritmo
propuesto por Kim se encarga de calcular las probabilidades en cada instante
t condicionadas a la información disponible de toda la muestra (T ). Dicho
de otro modo, se ajustan las probabilidades dado que existe una mayor
información disponible, lo que para …nes prácticos implica que es posible
conocer la probabilidad de encontrarse en un estado j en el instante t, dado
que el estado se ubicó en k en el instante t + 1.
La probabilidad conjunta vendría dada por:
Pr (St = j; St+1 = kj T ) = Pr (St+1 = kj T ) Pr (St = jjSt+1 = k; T )
Pr(St =j;St+1 =kj t )
= Pr (St+1 = kj T) Pr(St+1 =kj t )
Pr(St+1 =k;St =j) Pr(St =jj
t)
= Pr (St+1 = kj T ) Pr(St+1 =kj t )
Nótese que el segundo término del lado derecho viene formado por las
probabilidades …ltradas antes y también por las probabilidades de transición
estimadas.
X1
Luego: Pr (St = jj T ) = Pr (St = j; St+1 = kj T )
k=0
Implementando el …ltro:
Al alcanzar la iteración T en el proceso de …ltrado se obtiene la siguiente
información:
Pr (ST = 0j T ), Pr (ST = 1j T ) (actualizadas) y Pr ST = 0j T 1 , Pr ST = 1j T 1
(predichas).
En T 1:
Pr(ST =kjST 1 =j) Pr(ST 1 =jj T 1 )
Pr (ST 1 = j; ST = kj T ) = Pr (ST = kj T ) Pr(ST =kj T 1 )
1
X
Pr (ST 1 = jj T) = Pr (ST 1 = j; ST = kj T)
k=0
La función Smooth.m de Matlab R realiza este procedimiento. Los ar-
gumentos en este caso son las probabilidades predichas y actualizadas cal-
culadas por Filter.m, así como el vector de parámetros estimados por Log-
like_ar1.m. La rutina ar1.m llama a esta función luego de ejecutar el …ltrado
de las probabilidades.
En línea con lo explicado en este apartado, podemos realizar un exper-
imento para 15 observaciones con ar1.m, obteniendo el siguiente resultado
para = 0 ; 1 ; 20 ; 21 ; p; q :
12.4 ALGUNAS EXTENSIONES 165
12.4. Algunas extensiones

12.4.1. Aproximación discreta
Generalmente se tienen muchas di…cultades a la hora de resolver modelos
dinámicos, puesto que no siempre es posible obtener soluciones analíticas.
Alternativamente existe un procedimiento que permite aproximar de for-
ma discreta un proceso autorregresivo, presentando un espacio de estados
y una matriz de transición. Para …nes prácticos, decimos que la solución
aproximada sigue una Cadena de Markov invariante de primer orden.
Tauchen (1985) desarrolló este tema tanto para modelos univariados co-
mo multivariados, dejándonos la enseñanza de que debemos aprovechar las
ventajas computacionales de nuestros tiempos en vista de llegar a soluciones
rápidamente y con sentido. En estricto, Tauchen …ltra los posibles valores
de la solución y los agrupa en un espacio de estados, brindando también la
matriz de transición asociada. En esta oportunidad solamente veremos el
caso escalar.
Supongamos que se tiene un proceso AR(1) tal que: yt = yt 1 + "t ,
donde "t es un ruido blanco con varianza 2" . Sea F la función de densidad
acumulada de "t tal que: Pr ("t u) = F u" . Por simplicidad se asume
" = 1. Luego sea yet el proceso discreto que aproxima a yt y sean y 1 < y 2 <
::: < y N los N valores equidistantes que yet puede tomar. Una alternativa para
seleccionar estos valores es tomar a y N como un múltiplo m de la desviación
1
2 2
estándar incondicional del proceso y = 1 " 2 . Luego y 1 = y N y el
resto de valores son equidistantes.
Con el espacio de estados aproximado, se procede a estimar la matriz
de transición pij = Pr yet = y j je
yt 1 = y i que sigue el proceso. Sea el paso
w = y j y j 1 , luego para cada i, si 2 j N 1, entonces:
w w
pij = Pr y j y i + "t yj +
2 2
despejando en función a "t tenemos por diferencia de áreas:
w w
yj + 2 yi yj 2 yi
pij = F F :
" "
Caso contrario en tendremos:

!
w w
y1 + 2 yi yN 2 yi
pi1 = F opiN = 1 F
" "
La racionalidad para asignar las probabilidades de esta forma radica en

que yet es el proceso discreto que aproxima a yt , por lo tanto, de acuerdo a
la ley de movimiento de yt ) y j y i + "t . Dado que y i es …jo, entonces la
j
distribución de probabilidad de y es una función lineal de la distribución
de "t .
La rutina de Matlab R tauchen.m describe este proceso en forma detal-
lada.
12.4.2. Modelado de preferencias

(1 )
X 1
t Ct
Sea un consumidor con preferencias E 1 , donde 0 < <1
t=0
y > 1.
Sea que el consumo sigue una Cadena de Markov de primer orden, el
espacio de estados que puede tomar el consumo es: Ct = fC1 ; C2 ; :::; CN g .
Denotaremos P como la matriz de transición asociada a este proceso y 0
como la distribución inicial. ( ) (1 )
X1 X C1
Ci1 C
t t
1
t t
Sean ui = 1 , vi = E 1 E 1 jC0 = Ci y el
t=0 t=0
escalar V = E fvi g.
1
X 1
X
Sea v = t t
P u= ( P )t u.
t=0 t=0
Luego, es fácil demostrar que: v = (IN P ) 1 u.
Mientras no se conozca el estado inicial, el valor esperado de v viene
dado por:
XN
V = E fvg = vi 0i .
i=1
Supongamos que el consumo tiene dos estados C = (1; 5) y que la prob-
abilidad de comenzar en un estado o en otro está dividida en partes iguales,
es decir 0 = (0;5; 0;5). Consideremos ahora dos procesos de markov con
matrices de
0transición:
1 0 1
1 0 0;5 0;5
P1 = @ A y P2 = @ A, manteniendo constante tanto el
0 1 0;5 0;5
espacio de estados como la distribución inicial.
Sean = 0;95 y = 2;5. La idea sería determinar qué proceso de
markov nos lleva a una función de valor más alta, para luego establecer un
ordenamiento de preferencias entre matrices de transición.
12.5 REFERENCIAS 167
La rutina de Matlab R consumo.m lleva a cabo este proceso y lo intere-

sante de este resultado es que VP1 = VP2 = 7;2630, lo que indica que el
consumidor es indiferente a las matrices de transición dadas. Cabe señalar
que este resultado se mantiene inclusive si llegase a variar.
La interpretación de este resultado es que, dado que el consumidor tiene
completa incertidumbre sobre en qué estado se va a situar inicialmente, la
distribución inicial asigna 50 % para cada posibilidad. En ese instante, sobre
P1 el consumidor tiene 50 % de probabilidad de tener un consumo de 5 toda
tu vida y 50 % de tener un consumo de 1, por lo que está completamente
indiferente sobre qué estado alcanzará. Del mismo modo, bajo P2 el con-
sumidor es indiferente al inicio y a lo largo de toda su vida sobre qué estado
alcanzará.
De acuerdo a este planteamiento, sea cualesquiera de las dos matrices,
la racionalidad del consumidor es la misma, es decir, incertidumbre total
sobre qué nivel de consumo alcanzará, lo que lleva a una función de utilidad
esperada igual en ambos casos.
Un análisis mucho más profundo nos dice que si hacemos variar la dis-
tribución de probabilidad inicial, el consumidor estará revelando que tiene
cierta información que lo hacen pensar que alcanzará un nivel de consumo
determinado, en vez del otro. Si esto ocurriese entonces el consumidor podrá
entonces discriminar entre un proceso de markov y otro.
En breve, si el consumidor …ja una probabilidad más alta para 1, entonces
preferirá P2 . Caso contrario, preferirá P1 . Es lógico desde que si sabe que
es más probable que su consumo sea bajo, no va a preferir una matriz de
transición donde no va a poder salir de ese estado. Si por el contrario, sabe
que es más probable que su consumo sea alto, va a preferir entonces una
matriz de transición donde se asegure de no salir de ese estado.
Este ejemplo es importante porque permite …jar una línea de base para
la construcción de modelos de equilibrio general con cambios de régimen.
12.5. Referencias
Aoki, M.(?): “Not More So: Some Concepts Outside the DSGE Frame-
work”. Department of Economics, University of California, Los Ange-
les.
Fischer, A.; Dueker, M & Dittmar, R. (2002): “Stochastic Capital De-

preciation and the Comovement of Hours and Productivity”. Swiss
National Bank and CEPR.
Hamilton, J. (1989): “A New Approach to the Economic Analysis of

Nonstationary Time Series and Business Cycle.”Econometrica, Vol.57,
No 2 (Mar. 1989), 357-384.
Humala, A. (2004): “Modelling interest rate pass-through with endoge-

nous switching regimes in Argentina”. University of Warwick, June
2004.
Kim, C. & Nelson, C. (1999): “State-Space Models with Regime Switch-

ing”. Capítulo 4. The MIT Press.
Krolzig, H.-M. (1997): “Markov-Switching Vector Autoregressions. Mod-

elling, Statistical Inference and Application to Business Cycle Analy-
sis”, Lecture Notes in Economics and Mathematical Systems, Volume
454, Berlin: Springer.
Ljungqvist, L & Sargent, T. (2000): “Recursive Macroeconomic The-

ory”. Capítulo 1. The MIT Press.
Sims, C. & Zha, T. (2004): “Were There Regime Switches in U.S.

Monetary Policy?”Working paper 2004-14, June 2004. Federal Reserve
Bank of Atlanta.
Tauchen, G. (1985): “Finite State Markov-Chain approximations to

univariate and Vector Autorregressions”. Economics Letters 20 (1986)
177-181.
12.6. Apéndice: Programas de Matlab

12.6.1. ar1.m
% Procedimiento que replica a Hamilton (1989)
% Basado en Kim & Nelson (1998)
% Markov Switching AR(1)
%
% 02/10/05
%
clear
P=[0.80,0.20;0.30,0.70];
phi1=log((1/P(1,1))-1);
12.6 APÉNDICE: PROGRAMAS DE MATLAB 169
phi2=log((1/P(2,2))-1);
beta0=0.99;
beta1=0.65;
sigma0=1;
sigma1=0.5;
T=15;
rho=0.8;
mu=0;
y(1)=randn(1);
for i=2:T
y(i)=mu+rho*y(i-1)+randn(1);
end
y=y’;
global y;
theta(1)=beta0;
theta(2)=beta1;
theta(3)=sigma0;
theta(4)=sigma1;
theta(5)=phi1;
theta(6)=phi2;
Loglike_ar1(theta);
% Seleccionando el vector de opciones default
options = optimset(’fminsearch’);
% Ajustando las opciones

options.MaxFunEvals= 30000;
options.LargeScale=’o¤’;
options.MaxIter= 15000;
[theta_…n,LogF,exit‡ag,output] =fminsearch(’Loglike_ar1’,theta,options);
theta_…n;
for i=1:4
Result(i)=theta_…n(i);
end
P1est=1/(1+exp(theta_…n(5)));
Q1est=1/(1+exp(theta_…n(6)));
Result(5)=P1est;
Result(6)=Q1est;
Result
Pest=[P1est,(1-P1est);(1-Q1est),Q1est]
LogF=-LogF
exit‡ag
%======================================================
% Filtering
[Filt_pr,Filt_act]=Filter(theta_…n);
…gure(1)
subplot(2,2,1);plot(Filt_pr(:,1),’b’);title(’Pr(St=0jt-1)’);xlabel(’t’);ylabel(’Pr(St=0)’);
subplot(2,2,2);plot(Filt_pr(:,2),’r’);title(’Pr(St=1jt-1)’);xlabel(’t’);ylabel(’Pr(St=1)’);
%======================================================
% Smoothing
% Tenemos Pr(ST=0jphi(T)) y Pr(ST=1jphi(T))
% Iterando hacia atrás:
Smooth_m=Smooth(Filt_pr,Filt_act,theta_…n);
subplot(2,2,3);plot(Smooth_m(:,1),’b’);title(’Pr(St=0jT)’);xlabel(’t’);ylabel(’Pr(St=0)’);
subplot(2,2,4);plot(Smooth_m(:,2),’r’);title(’Pr(St=1jT)’);xlabel(’t’);ylabel(’Pr(St=1)’);
%======================================================
% Simulación de Cadenas de Markov
% Simulación sobre la muestra
% En este caso la distribución inicial será la del estado estacionario.
pi0=markov_ss(Pest);
pi0=pi0’;
x=[0;1];
[simul,estado1]=simulate_markov(x,Pest,pi0,T);
…gure(2)
subplot(2,2,1:2);plot(simul,’bo-’);title(’Cadena Simulada sobre la muestra’);xlabel(’t’);ylabel(’S(t)’);
% Simulación hacia adelante
% En este caso la distribución inicial será formada por las probabilidades
% …ltradas para t=T (actualizadas).
pi0_s=[Smooth_m(T,1),Smooth_m(T,2)];
h=20;
[simul,estado2]=simulate_markov(x,Pest,pi0_s,h);
subplot(2,2,3:4);plot(simul,’bo-’);title(’Cadena Simulada h períodos hacia ade-
lante’);xlabel(’h’);ylabel(’S(T+h)’);
12.6.2. Loglike_ar1.m
function LogL=Loglike_ar1(theta)
% Función de Log-verosimilitud para un AR(1) de T observaciones con 2

% estados. Se asume que el modelo no tiene intercepto.
% theta: Vector de parámetros.
% 02/10/05
global y;
y0=randn(1);
p1=1/(1+exp(theta(5)));
q1=1/(1+exp(theta(6)));
P=[p1,(1-p1);(1-q1),q1];
Pi=markov_ss(P);
T=length(y);
%t=1
LogL=0;
alpha = p1*Pi(1,1)+(1-p1)*Pi(2,1);
beta = (1-q1)*Pi(1,1)+q1*Pi(2,1);
phi=normpdf(y(1),y0*theta(1),theta(3))*alpha+normpdf(y(1),y0*theta(2),theta(4))*beta;
alpha_pr=(normpdf(y(1),y0*theta(1),theta(3))*alpha)/phi;
beta_pr=(normpdf(y(1),y0*theta(2),theta(4))*beta)/phi;
LogL= LogL+log(phi);
%======================================================
for i=2:T
% Predicción
% Pr(S(t+1)=0jphi(t))
alpha = p1*alpha_pr+(1-p1)*beta_pr;
beta = (1-q1)*alpha_pr+q1*beta_pr;
%======================================================
% Actualización
phi=normpdf(y(i),y(i-1)*theta(1),theta(3))*alpha + normpdf(y(i),y(i-1)*theta(2),theta(4))*beta;
alpha_pr=(normpdf(y(i),y(i-1)*theta(1),theta(3))*alpha)/phi;
beta_pr=(normpdf(y(i),y(i-1)*theta(2),theta(4))*beta)/phi;
LogL=LogL+log(phi);
end
LogL=-LogL;
end
12.6.3. Filter.m
function [Filt_pr,Filt_act]=Filter(theta)
% Filtrado de probabilidades no observadas (predicción y actualización).
% Se asume una matriz de transición invariante en el tiempo.
% Los parámetros theta deben ser previamente estimados (ML).
% alpha: Pr(St=0jphi(t-1))
% beta: Pr(St=1jphi(t-1))
% alpha_pr: Pr(St=0jphi(t))
% beta_pr: Pr(St=1jphi(t))
% 02/10/05
global y;
y0=randn(1);
p1=1/(1+exp(theta(5)));
q1=1/(1+exp(theta(6)));
P=[p1,(1-p1);(1-q1),q1];
Pi=markov_ss(P);
T=length(y);
Filt_pr=zeros(T,2);
Filt_act=zeros(T,2);
%t=1
alpha = p1*Pi(1,1)+(1-p1)*Pi(2,1);
beta = (1-q1)*Pi(1,1)+q1*Pi(2,1);
Filt_pr(1,1)=alpha;
Filt_pr(1,2)=beta;
phi=normpdf(y(1),y0*theta(1),theta(3))*alpha+normpdf(y(1),y0*theta(2),theta(4))*beta;
alpha_pr=(normpdf(y(1),y0*theta(1),theta(3))*alpha)/phi;
beta_pr=(normpdf(y(1),y0*theta(2),theta(4))*beta)/phi;
Filt_act(1,1)=alpha_pr;
Filt_act(1,2)=beta_pr;
%======================================================
for i=2:T
% Predicción
alpha = p1*alpha_pr+(1-p1)*beta_pr;
beta = (1-q1)*alpha_pr+q1*beta_pr;
Filt_pr(i,1)=alpha;
Filt_pr(i,2)=beta;
%======================================================
% Actualización
phi=normpdf(y(i),y(i-1)*theta(1),theta(3))*alpha+ normpdf(y(i),y(i-1)*theta(2),theta(4))*beta;
alpha_pr=(normpdf(y(i),y(i-1)*theta(1),theta(3))*alpha)/phi;
beta_pr=(normpdf(y(i),y(i-1)*theta(2),theta(4))*beta)/phi;
Filt_act(i,1)=alpha_pr;
Filt_act(i,2)=beta_pr;
end
end
12.6.4. Smooth.m
function Smooth_m=Smooth(Filt_pr,Filt_act,theta)
% Corrección de probabilidades con información de toda la muestra.
% La iteración es hacia atrás.
% Las probabilidades condicionales al pasado deben ser estimadas
% anteriormente (Filter).
% alpha_pr: Pr(St=0jphi(T))
% beta_pr: Pr(St=1jphi(T))
% 02/10/05
global y;
y0=randn(1);
p1=1/(1+exp(theta(5)));
q1=1/(1+exp(theta(6)));
P=[p1,(1-p1);(1-q1),q1];
T=length(y);
Smooth_m=zeros(T,2);
%t=T
alpha = Filt_act(T,1);
beta = Filt_act(T,2);
Smooth_m(T,1)=alpha;
Smooth_m(T,2)=beta;
for i=T:-1:2
alpha = Smooth_m(i,1);
beta = Smooth_m(i,2);
alpha_pr=(alpha*p1*Filt_act(i-1,1))/Filt_pr(i,1)+(beta*(1-p1)*Filt_act(i-1,1))/Filt_pr(i,2);
beta_pr=(alpha*(1-q1)*Filt_act(i-1,2))/Filt_pr(i,1)+(beta*q1*Filt_act(i-1,2))/Filt_pr(i,2);
Smooth_m(i-1,1)=alpha_pr;
Smooth_m(i-1,2)=beta_pr;
end
end
12.6.5. markov_ss.m
function [Pi,V,Val]=markov_ss(P)
% Cálculo de la distribución estacionaria de probabilidades del estado.
% El argumento es la matriz de transición P.
% Pi : Distribución estacionaria.
% V : Vectores propios de P.
% Val: Vector columna con los valores propios de P.
% 02/10/05
[V,D]=eig(P);
m=length(P);
T=eye(m);
A=T-P’;
clear T;
y=ones(1,m);
A=[A;y];
clear y;
Tr=((A’*A)^(-1))*A’;
Pi=Tr(:,m+1);
Val=diag(D);
12.6.6. simulate_markov.m1
function [chain,state] = simulate_markov(x,P,pi0,T);
% % x = the quantity corresponding to each state, typical element x(i)
% % P = Markov transition matrix, typical element p(i,j) i,j=1,...n
% % pi0 = probability distribution over initial state
% % T = number of periods to simulate
%%
% % chain = sequence of realizations from the simulation
% % Modi…cation of progam by L&S.
n = length(x); % % what is the size of the state vector?
E = rand(T,1); % % T-vector of draws from independent uniform [0,1]
cumsumP = P*triu(ones(size(P)));
% % creates a matrix whose rows are the cumulative sums of
% % the rows of P
% % % % % SET INITIAL STATE USING pi0

E0 = rand(1,1);
ppi0 = [0,cumsum(pi0)];
s0 = ((E0<=ppi0(2:n+1)).*(E0>ppi0(1:n)))’;
s = s0;
% % % % % ITERATE ON THE CHAIN
for t=1:T,
state(:,t) = s;
ppi = [0,s’*cumsumP];
s = ((E(t)<=ppi(2:n+1)).*(E(t)>ppi(1:n)))’;
end
chain = x’*state;
12.6.7. ejemplo_markov.m
% Ejemplo de simulación de una Cadena de Markov
% 02/10/05
P=[0.7,0.3;0.2,0.8]; % Matriz estocástica de Transición.
s=[0;1]; % Valores que toma el estado.

1
Tomado del web site de Chris Edmond: http://pages.stern.nyu.edu/~cedmond/406/
T=50; % Número de períodos a simular.

pi0=markov_ss(P);
pi0=pi0’; % Distribución inicial(estado estacionario).
% Simulación
[cadena,estado] = simulate_markov(s,P,pi0,T);
…gure(1)
plot(cadena,’bo-’)
title(’Simulación de una Cadena de Markov’)
12.6.8. tauchen.m2
function [prob,eps,z]=tauchen(N,mu,ro,sig);
% Discretizes an AR(1) process into a Markov chain. Determines the optimal
grid
% and transition matrix. Based on Tauchen (1991).
%
% y(t)= mu(1-ro) + ro*y(t-1) + u(t) with V(u) = sig^2
%
% syntax:
%
% [prob,eps,z]=tauchen(N,mu,ro,sig)
%
% N is the number of points on the grid.
% prob is the transition matrix
% eps contains the cut-o¤ points from - infty to + infty
% z are the grid points, i.e. the conditional mean within [eps(i),eps(i+1)].
global mu_ ro_ sigEps_ sig_ eps_ jindx_
if N==1;prob=1; eps=mu;z=mu;
else;
if ro==0;
sigEps=sig;
eps=sigEps*norminv((0:N)/N)+mu;
eps(1)=-20*sigEps+mu;
eps(N+1)=20*sigEps+mu;
aux=(eps-mu)/sigEps;
aux1=aux(1:end-1);
aux2=aux(2:end);
2
Tomado de www.eco.utexas.edu/~cooper/dynprog/tauchen.m
z=N*sigEps*(normpdf(aux1)-normpdf(aux2))+mu;
prob=ones(N,N)/N;
else;
sigEps=sig/sqrt(1-ro^2);
eps=sigEps*norminv((0:N)/N)+mu;
eps(1)=-20*sigEps+mu;
eps(N+1)=20*sigEps+mu;
aux=(eps-mu)/sigEps;
aux1=aux(1:end-1);
aux2=aux(2:end);
z=N*sigEps*(normpdf(aux1)-normpdf(aux2))+mu;
mu_=mu;ro_=ro;sigEps_=sigEps;eps_=eps;sig_=sig;
prob=zeros(N,N);
for i=1:N
for jindx_=1:N
prob(i,jindx_)=quadl(@integ3,eps_(i),eps_(i+1),1e-6)*N;
end
end
end
z=z’;
eps=eps’;
end
function F=integ3(u);
global mu_ ro_ sigEps_ eps_ jindx_ sig_
aux1=(eps_(jindx_)-mu_*(1-ro_)-ro_*u)/sig_;
aux2=(eps_(jindx_+1)-mu_*(1-ro_)-ro_*u)/sig_;
F=(normcdf(aux2)-normcdf(aux1));
F=F.*exp(-0.5*(u-mu_).*(u-mu_)/sigEps_^2);
pi=4*atan(1);
F=F/sqrt(2*pi*sigEps_^2);
12.6.9. consumo.m
% Modelado de preferencias vía Cadenas de Markov
% Basado en L&S (2000), Ej 1.3
% 02/10/05
c = [1;5];
pi0 = [0.5,0.5];
beta = 0.95;
gamma = 2.5;
P1 = eye(2,2);
P2 = 0.5*ones(2,2);
u = (1/(1-gamma))*c.^(1-gamma);
v1 = inv(eye(2,2)-beta*P1)*u;
v2 = inv(eye(2,2)-beta*P2)*u;
V(1) = pi0*v1;
V(2) = pi0*v2;
V

NotasdeClase 2019 I UDEP

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

NotasdeClase 2019 I UDEP

Загружено:

Авторское право:

Доступные форматы

Índice general

I Series de tiempo estacionarias 1

3. Predicción en modelos ARMA 15

4. Identi…caciòn de los modelos ARIMA 25

5.2.2. Métodos basados en derivadas . . . . . . . . . . . . . . 34

7.6. Estimación de modelos VAR(p) . . . . . . . . . . . . . . . . . 85

9. Modelos VAR en la práctica 103

10.Modelos Var Estructurales en la Práctica 123

II Modelos de Series de Tiempo no Estacionarias 137

11.Raíces Unitarias y Cointegración 141

12.Cadenas de Markov y Modelos de Cambios de Régimen 153

En este primer capítulo se presentan algunas herramientas básicas que

1.1. Ecuaciones en diferencia

presentes y pasados de !. La forma más sencilla de resover esta ecuación

La solución, luego de sustituir recursivamente las ecuaciones anteriores,

Notese que la solución es un promedio ponderado de los valores pre-

La ecuación anterior puede resolverse de manera análoga al caso anteri-

Donde, las nuevas variables se de…nen com:

Una forma alternativa de resolver este sistema de ecuaciones en diferencia

donde se obtiene a partir de los valores propios de la matriz F, tal que:

Los valores propios de F pueden encontrarse a partir de las raíces del

1.2. Operadores de Rezago

Una ecuación en diferencias de orden 1 puede escribirse de una manera

De esta forma, una ecuación en diferencias de orden p puede escribirse

Esta misma estratégia de solución puede generalizarse para el caso de

Por ello, la solución puede escribirse como:

Donde, cada uno de estos parámetros auxiliares pueden encontrarse de

Utilizando la notación previamente desarrollada la solución de una ecuación

y de esta expresión se tiene que_

Donde , 2 y j representan la media, varianza y covarianza de orden

(FAS). El FAS se de…ne como la correlacíon temporal entre yt y yt j, para

De otro lado, el FAP denota la correlacíon entre yt y yt j una vez que se

donde ss , la correlacíon parcial de orden s. A continuacíon desarrollam-

2.2. Modelos AR(p)

Este polinomio de rezago puede factorizarse utilizando sus correspondi-

Utilizando la solucíon desarrollada en el caṕitulo 1, podemos expresar el

Donde: k = c1 k1 +c2 k2 +c3 k3 +::+cp kp , y ci ha sido de…nido en ecuacíon

La condicíon necesaria y su…ciente que garantiza que los momentos de…nidos

Una forma alternativa de encontrar las segundos momentos de un mod-

El sistema anterior permite resolver para todos los valores de s en

por motivos de exposición asumamos que el orden del proceso autorre-

2.3. Modelos MA(q)

donde, ! t es un proceso ruido blanco. Utilizando operadores de rezago, un

Note que todos los procesos MA(q) son estacionarios, independiente-

donde, E ((yt ) (yt s )) = 0, para s > q:Para ganar más intuición

Recuerde que en el caso de los modelos de médias móviles, la función

2.4. Modelos ARMA(p,q)

2.5. El teorema de representación de Wold

Proposition 1 i) (descomposición de Wold). Cualquier proceso estacionario

3.1. Conceptos básicos

Donde "t N (0; 2 ) , y además donde It = fyt ; yt 1 ::g denota el conjunto de

t+h=t = yt+h yt+h=t

El mejor predictor de yt+h basado en la información It , aquél que genera el

Prueba ( ver Hamilton páginas 72-73)

yt+h=t = c + h "t + h+1 "t 1 ::

El error de predicción del mejor predictor lineal esta dado por:

t+h=t = yt+h yt+h=t (3.2)

y su error cuadrático medio esta dado por:

t+h=t no esta correlacionado con ningún elemento en It

La forma de yt+h=t esta relacionada con la función de impulso respuesta

M SE( t+h=t ) = var( t+h=t ) < var(yt )

l mh!1 M SE( t+h=t ) = var(yt )

3.2. Predicción con intervalos de con…anza

3.3. Predicción con parámetros estimados