Scribd
Cargar
131 vistas6 páginas

Arima

Este documento presenta un resumen de los conceptos clave del modelo ARIMA (Autorregresivo Integrado de Media Móvil) para series de tiempo univariadas. Explica la notación de los modelos ARIMA, el concepto de orden de integración y cómo lograr la estacionariedad de una serie mediante diferenciación. También describe los supuestos de estacionariedad y ruido blanco que debe cumplir una serie de tiempo, así como las pruebas estadísticas para verificarlos. Finalmente, resume los pasos de la metodología Box

Cargado por

Jhonatan Catacora
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
131 vistas6 páginas

Arima

Este documento presenta un resumen de los conceptos clave del modelo ARIMA (Autorregresivo Integrado de Media Móvil) para series de tiempo univariadas. Explica la notación de los modelos ARIMA, el concepto de orden de integración y cómo lograr la estacionariedad de una serie mediante diferenciación. También describe los supuestos de estacionariedad y ruido blanco que debe cumplir una serie de tiempo, así como las pruebas estadísticas para verificarlos. Finalmente, resume los pasos de la metodología Box

Cargado por

Jhonatan Catacora
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 6

Modelo de Serie Temporal Univariado

ARIMA
Modelo Autorregresivo Integrado de Media Movil

Rolly Vasquez

Universidad Mayor de San Simón - UMSS


Econometría
https://youtu.be/9x_-FkSVxo8/

2021

Mi WhatsApp (UMSS) ARIMA 2021 1/6


Modelo de Serie Temporal Univariado ARIMA - Conceptos generales

ARIMA
1. Notación de los modelos ARIMA

Modelo lineal general: Yt = β0 + β1 Xt1 + β2 Xt2 + ... + ut

Modelo AR(p): Yt = c + φ1 Yt 1 + φ2 Yt 2 + ... + φp Yt p + ut


Modelo MA(q): Yt = c + θ 1 ut 1 + θ 2 ut 2 + ... + θ p ut q + ut
ARMA(p,q):
Yt = c + φ1 Yt 1 + ... + φp Yt p + θ 1 ut 1 + ... + θ p ut q + ut

Modelo ARIMA(p,d,q)

∆Yt = c + φ1 ∆Yt 1 + ... + φp ∆Yt p + θ 1 ut 1 + ... + θ p ut q + ut

Problem
Escribe los modelos: AR(1), AR(3), MA(2), MA(4), ARMA(1,2),
ARIMA(2,1,3), ARIMA(2,2,3)
Mi WhatsApp (UMSS) ARIMA 2021 2/6
Modelo de Serie Temporal Univariado ARIMA - Conceptos generales

ARIMA
2. Orden de integración

Yt estacionario I(0)

Estacionario
Yt no estacionario ∆Yt : I(1)

Problem
Desarrolle la primera y segunda diferencia de la serie analíticamente
Mi WhatsApp (UMSS) ARIMA 2021 3/6
Modelo de Serie Temporal Univariado ARIMA - Conceptos generales

ARIMA
3. Supuesto de estacionariedad

Supuesto de Estacionariedad
Media: E (Yt ) = µ
Varianza: var (Yt ) = E (Yt µ)2 = σ2
covarianza: cov (Yt ) = E [(Yt µ)(Yt +k µ)] = σ2
Prueba de Estacionariedad: Modelo de Dikey Fuller Aumentado ADF
∆Y t = µ + βt + δY t 1 +Σαi ∆Y t i +εt
Ho : δ = 0, (y t tiene raiz unitaria ) y t es no estacionaria

Problem
Explique por que δ = 0 use las ecuaciones necesarias
Mi WhatsApp (UMSS) ARIMA 2021 4/6
Modelo de Serie Temporal Univariado ARIMA - Conceptos generales

ARIMA
4. Supuesto de ruido blanco

Supuesto de ruido blanco


Media: E ( εt ) = 0
Varianza: var (εt ) = σ2ε
covarianza: cov (εt , εt +s ) = 0
Prueba de ruido blanco
Grá…co de los residuos
Ho :εt ~iidn (0, σ2ε ) Los errores del modelo son ruido blanco

Mi WhatsApp (UMSS) ARIMA 2021 5/6


Modelo de Serie Temporal Univariado ARIMA - Caso práctico

ARIMA
Metodología Box-Jekins

Siga el https://youtu.be/9x_-FkSVxo8/ para replicar el ejercicio.


1 Grá…co de la serie
2 Prueba de Estacionariedad
3 Correlograma
4 Estimación
5 Test de Ruido Blanco
6 Prónostico

Mi WhatsApp (UMSS) ARIMA 2021 6/6

También podría gustarte