da Nena Altamirano Olano manca 1 anno
169
Più simili a questo
Enuncia que la varianza condicional de u en el tiempo t depende no sólo del término de error al cuadrado del periodo anterior, sino también de su varianza condicional en el periodo anterior.
La heteroscedasticidad, o varianza desigual, puede tener una estructura autorregresiva en la que la heteroscedasticidad observada a lo largo de diferentes periodos quizá esté autocorrelacionada
Problemas en la creación de modelos VAR
5. La (FIR) Función de Impulsorespuesta estudia el impacto de tales choques durante varios periodos en el futuro.
4. En un modelo VAR de m variables, todas las m variables deben ser estacionarias.
3. Seleccionar la longitud apropiada del rezago.
2. Son menos apropiados para el análisis de políticas.
1. Es ateórico porque utiliza menos información previa.
VAR y causalidad
Si dos variables, por ejemplo Xt y Yt, están cointegradas y cada una es individualmente I(1), es decir, es integrada de orden 1, Xt debe causar a Yt, o Yt debe causar a Xt.
Estimación de VAR
Una forma de decidir esta cuestión es utilizar criterios como el de Akaike o el de Schwarz, para después elegir el modelo que proporcione los valores más bajos de dichos criterios.
Patrón típico de FACP
-Picos significativos en el rezago q. -Decrece exponencialmente. -Decrece exponencialmente.
Patrón típico de FAC
-Disminuye exponencialmente -Picos significativos en los rezagos q. -Decrece exponencialmente.
Paso 4 (Pronóstico): Los pronósticos obtenidos por este método son más confiables que los obtenidos de modelos econométricos tradicionales
Paso 3 (Examen de diagnóstico): Ver si el modelo seleccionado se ajusta a los datos en forma razonablemente buena.
Paso 2 (Estimación): Estimar los parámetros de los términos autorregresivos y de promedios móviles incluidos en el modelo
Paso 1 (Identificación): Encontrar los valores apropiados de p, d y q
la media y la varianza de una serie de tiempo débilmente estacionaria son constantes y su covarianza es invariante en el tiempo; muchas series de tiempo económicas son no estacionarias
El objetivo de BJ es identificar y estimar un modelo estadístico que se interprete como generador de los datos muestrales.
En un proceso ARMA (p, q), habrá p términos autorregresivos y q términos de promedios móviles.
Es tan sólo una combinación lineal de términos de error de ruido blanco.
El valor de pronóstico de Y en el periodo t es simplemente alguna proporción (=α_1) de su valor en el periodo (t − 1) más un “choque” o perturbación aleatoria en el tiempo t.
Popularmente conocida como metodología de Box-Jenkins (BJ)
El interés de este métodos no está en la construcción de modelos uniecuacionales o simultáneas, sino en el análisis de las propiedades probabilísticas o estocásticas.
los parámetros estimados no son invariantes ante cambios de política.
A partir de las series de tiempo estimamos un modelo apropiado de demanda que sirve para el pronóstico de la demanda en el futuro.
Ajusta una curva apropiada a datos históricos de una determinada serie de tiempo. Existen diversos tipos:
Suavizamiento exponencial simple
Método lineal de Holt
Método de Holt-Winters
