Beruflich Dokumente
Kultur Dokumente
IDEAS CLAVE:
Hasta el momento hemos abordado la prediccin de series de manera individual.
En la prctica real a veces es necesario predecir varias series de manera conjunta
puesto que pueden estar relacionadas entre s. Una de las posibilidades es
afrontarlo con modelos de ecuaciones simultneas, pero esta opcin plantea
problemas. Por ello surgen como alternativa los modelos VAR.
La esencia de los modelos VAR es la siguiente: se propone un sistema de
ecuaciones, con tantas ecuaciones como series a analizar o predecir, pero en el que
no se distingue entre variables endgenas y exgenas. As, cada variable es
explicada por los retardos de s misma (como en un modelo AR) y por los retardos
de las dems variables. Se configura entonces un sistema de ecuaciones
autorregresivas o, si se quiere ver as, un vector autorregresivo (VAR).
La expresin general de un modelo VAR vendra dada por la siguiente
especificacin:
donde yt es un vector con las g variables objeto de prediccin (llammoslas
explicadas), xt es un vector de k variables que explican adicionalmente a las
anteriores, los coeficientes alpha y beta son matrices de coeficientes a estimar, y
psilon es un vector de perturbaciones aleatorias (una por ecuacin), cada una de
las cuales cumple individualmente el supuesto de ruido blanco (homoscedasticidad
y ausencia de autocorrelacin), y entre ellas cumplen el supuesto de
homoscedasticidad inter-ecuaciones. Un ejemplo nos ayudar a comprenderlo.
As especificado el modelo, puede ser estimado de manera consistente por
mnimos cuadrados ordinarios (MCO). La prediccin en el modelo es directa en
cualquier programa informtico.
Modelos de ecuaciones simultneas y Modelos VAR
A la hora de realizar prediccin conjunta de varias series econmicas podemos
encontrarnos con que entre ellas existan relaciones mutuas de interdependencia.
Una de las alternativas para la prediccin es estimar un sistema de ecuaciones que
refleje las relaciones de interdependencia o causalidad que pueden darse entre las
variables, bien sean las que sern objeto de prediccin u otras relacionadas con
aquellas. Este es el enfoque de los modelos de ecuaciones simultneas o
estructurales.
Ahora bien, en los modelos de ecuaciones simultneas, es necesario distinguir entre
variables endgenas y variables predeterminadas. Esta distincin tiene una cierta
base en la direccin de la causalidad de las variables y est inspirada en las
relaciones sugeridas por la teora econmica. Lo que ocurre es que la teora
econmica no siempre sugiere una especificacin concreta entre variables. Adems,
poco nos dice de la relacin dinmica de las mismas, cuando el tiempo interviene
en las ecuaciones, al incluir variables con retardos o desfasadas. Ms an, la
estimacin e inferencia se complica con el hecho de que las variables explicadas
pueden aparecer tanto a la izquierda como a la derecha de las ecuaciones, es decir,
pueden tambin intervenir como variables explicativas. La adopcin de una
especificacin en estas condiciones (distincin entre variables endgenas, nmero
de retardos ptimo,...) adolece de una alta subjetividad.
Adems, estos modelos para ser correctamente estimados deben superar una serie
de condiciones conocidas como de identificabilidad que suponen, en la prctica, que
algunas de las variables predeterminadas no intervienen en todas las ecuaciones.
Nuevamente, cuestin subjetiva en la especificacin.