Sie sind auf Seite 1von 14

Taller

Daniela Cepeda
Nicols Martnez
Econometra Avanzada
Noviembre de 2016
a) Tabule y grafique la serie de la inflacin anual desde 1990 hasta 2015. Muestre el
histograma y las estadsticas descriptivas. Qu dice la prueba Jarque Bera?
Muestre el correlograma; qu dice la prueba Q?
A Variacin Anual
o
IPC
199
0
199
1
199
2
199
3
199
4
199
5
199
6
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
2011
201
2
201
3
201
4
201
5

32,36%
26,82%
25,13%
22,60%
22,59%
19,46%
21,63%
17,68%
16,70%
9,23%
8,75%
7,65%
6,99%
6,49%
5,50%
4,85%
4,48%
5,69%
7,67%
2,00%
3,17%
3,73%
2,44%
1,94%
3,66%
6,77%

Los datos anteriores corresponden a los de la inflacin anual en Colombia desde 1990
hasta el 2015, como se puede apreciar hace 26 aos Colombia tena unas tasas de
inflacin demasiado altas. Este fenmeno de las altas tasas de inflacin viene de tiempo
atrs, mucho antes de 1990.
A partir de 1967 se implant un rgimen cambiario que caus una mayor indexacin de la
economa, luego de eso vino el shock de los precios relativos del petrleo en 1973 lo cual
causo un deterioro de las finanzas pblicas por que la exploracin y la exportacin de
crudo se vieron fuertemente desincentivadas debido a una equivocada poltica petrolera,
adems el incremento permanente de las reservas internacionales por parte del Banco de
la Repblica, aument la base monetaria presionando fuertemente la demanda agregada y
por lo tanto los precios.
Ya luego en 1990 la inflacin empieza a descender y esto se le atribuye a la liberacin de
las importaciones, a la reduccin del ritmo de devaluacin, a la disminucin de los
aranceles y a la independencia del Banco de la Repblica y de la poltica monetaria, y la
prohibicin del Banco de la Repblica de financiar (Montealegre, 2005).
Grafica de la serie
INF
35
30
25
20
15
10
5
0
90

92

94

96

98

00

02

04

06

08

10

12

14

16

La grfica anterior muestra la inflacin anual desde el ao 1990 hasta el ao 2015, la cual
encuentra su valor ms alto en 1990 con un valor 32.36% y el ms bajo en el 2013 con
un valor de 1.94%.
La estacionalidad se refiere al comportamiento de las series de tiempo que presentan un
comportamiento que se repite cada ao (o periodo en el cual se analice); las fluctuaciones

de este se replican en cada periodo y por ende pueden ser predichas y se distorsiona la
tendencia de los datos.
Con respecto a la serie de la inflacin desde 1990 hasta 2015 se puede observar la forma
en la cual se comporta de manera no estacional a lo largo de los aos. Su comportamiento
no se repite a travs del tiempo, en el 90 la inflacin aument considerablemente, luego
en el 91 tuvo un comportamiento ms estable, en el que la inflacin con cay ni creci
mucho, ya para el 92 si hubo una disminucin de aproximadamente un 5% de la
inflacin, luego volvi a aumentar, hasta el 97 donde la inflacin sufri una gran
disminucin. Ya despus del 2000 se puede observar un comportamiento de la inflacin
menos variable que en los aos anteriores, pero podra decirse que no hay estacionalidad
en toda la serie respecto a la inflacin.
La estacionariedad se refiere a que las caractersticas probabilsticas no cambian en el
tiempo, si se da estacionariedad sera ms fcil de modelar y de hacer predicciones,
tambin se puede decir que hay estabilidad y especificacin de los parmetros de la
muestra, en otras palabras no hay cambios ni en la media, ni en la varianza ni en la
covarianza.
La funcin de distribucin acumulativa es independiente del tiempo.
En esta serie no se presenta estacionariedad, pero asumimos que si hay para poder hacer
pronsticos a cerca del futuro.
Histograma y estadsticos descriptivos.
6

Series: INF
Sample 1990 2016
Observations 26

5
4
3
2

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

11.38385
7.320000
32.36000
1.940000
9.079451
0.820232
2.308818

Jarque-Bera
Probability

3.432927
0.179701

1
0
0

10

15

20

25

30

Respecto a la inflacin podemos observar que tiene una media es de 11.38 de 1990 a
2015 y su desviacin estndar es de 9.07, lo que indica que los valores de la inflacin no
se encuentran muy cerca de la media. La mediana de la serie de inflacin es 7.32.
Adems de eso el valor mximo de la serie es 32.36 y el valor mnimo de la serie, es
decir el valor mnimo que tom inflacin durante todos los periodos fue de 1.76%.
Jarque Bera

La prueba de Jarque-Bera (1987) es una prueba asinttica que determina la normalidad o


no en el comportamiento de los errores, el estadstico definido por ellos es:
2
~2 ~
b1 ( b23 )

=T
+
6
24

[(

)]

El estadstico presentado anteriormente se debe comparar con una chi cuadrado con dos
grados de libertad.
Para nuestra muestra en particular utilizaremos:
= 0.05

Para la inflacin
Jarque-Bera = 3.432927
Chi Cuadrado (2) = 5.99146455
Comparando el valor del estadstico con el valor de la chi cuadrado con dos grados de
libertad el resultado es:
3.432927 < 5.991465
Por lo tanto podemos decir que la serie de la inflacin no sigue una distribucin normal.
A un vilel de significancia del 5%, a= 0,05 se concluye a travs del p-value que este es
mayor al nivel de significancia, por ende no existe evidencia para rechazar la hiptesis
nula, la cual indica que la variable se distribuye normal.
Esto se puede corroborar si se analiza la curtosis y la asimetra, se sabe que la asimetra
debe ser cercana a 0 y la curtosis debe estar alrededor de 3 para que sea normal.

Correlograma

El correlograma de una serie es una representacin grfica de sus coeficientes de auto


correlacin simple y parcial. La secuencia de coeficientes de autocorrelacin simple se
denomina Funcin de Autocorreacin Simple (AC) y la secuencia de coeficientes
parciales Funcin de Autcorrelacin Parcial (PAC).
El correlograma de la inflacin nos muestra que esta no se comporta como un ruido
blanco por lo cual hay relacin entre la inflacin del periodo t y su pasado, que puede ser
una relacin con el valor que tomo la inflacin en los periodos anteriores, y de igual
manera puede ser que tenga relacin con los errores de los valores anteriores.
Por otro lado, la prueba Q se realiza para encontrar autocorrelacin pues su hiptesis nula
establece independencia lineal (no hay autocorrelacin). Est dada por la siguiente
expresin:
s

Q=n (n+2)
=1

[ r^ () ]
n

En este sentido, de existir autocorrelacin la sumatoria de la expresin es


estadsticamente grande y como consecuencia, lo es el valor de Q.
Para este caso se observa que cada uno de los valores que toma Q es lo suficientemente
grande (mayor a cero) como para rechazar la hiptesis nula. Sin embargo, para ser ms
estrictos sto se puede hacer a travs del p-value.
Estableciendo un nivel de significancia =0.05 , se observa que el pvalue<
para todos los , entonces se establece que existe evidencia para rechazar la hiptesis
nula, es decir, efectivamente existe autocorrelacin.

Adems se evidencia que los primeros datos son los que mayor significancia econmica
tienen.
b) Suavice la serie usando un suavizado aritmtico rezagado (backward) de dos rezagos.
Grafique la serie original y la suavizada sobre los mismos ejes.

35
30
25
20
15
10
5
0
90

92

94

96

98

00

02

04

INF2

06

08

10

12

14

16

INF

Los mtodos de suavizado se aplican para remover el ruido y las fluctuaciones de corto
plazo, dejando slo su movimiento de largo plazo es decir su tendencia. Para el caso del
suavizado aritmtico, se quiere obtener una versin suavizada s t de la serie original
xt .
Una de las alternativas para obtener s t es el promedio aritmtico rezagado que est
dado por la expresin:
m

1
st =
x
m+1 i=0 t i

Se toma sobre los m+1 ltimos trminos perdiendo m observaciones de s t al inicio de


la serie. Esta versin es ms utilizada porque generalmente se quiere tener suavizado el
dato ms reciente, esto es, hay ms inters en el dato ms reciente que en el ms lejano.
Para el suavizado aritmtico de 2 rezagos, se tom sobre los ltimos m+1 trminos que
para este caso son 2 (m+1=2). Para esto se deben perder m= 1 datos al comienzo.

En esta grafica se muestra la serie suavizada con un rezago de dos, lo cual hace que la
serie se vea ms suavizada y que no se vean los picos que se presentan en la serie
original.
c) Suavice la serie usando el filtro Hodrick Prescott. Grafique la serie original y la
suavizada sobre los mismos ejes. Cmo comparan (b) y (c) en cuanto al nmero de
observaciones en las series suavizadas?
Hodrick-Prescott Filter (lambda=6.25)
40
30
20
10
4
0
2
0
-2
-4
90

92

94

96

98

00
INF

02

04
Trend

06

08

10

12

14

16

Cycle

El filtro de Hodrick-Prescott (1997) el cual buscaba explicar los ciclos econmicos


posteriores a la guerra. Para lo anterior se utiliz un mtodo que buscaba minimizar la
varianza de la serie original alrededor de la serie suavizada sujeto a una restriccin que
contrasta la segunda diferencia de la serie suavizada. De esta manera el filtro de HodrickPrescott sirve para suavizar series. La funcin objetivo del filtro es:

En el filtro Hodrick-Prescott, parte esencial es definir el lamba que es el parmetro que


controla la suavizacin de la serie, entre ms grande sea lamba ms suavizada va a ser la
serie. Convencionalmente el lambda utilizado para datos anuales es de 100, para datos
trimestrales es de 1600, y para datos mensuales es de 14400.

En el caso particular del trabajo, en el cual se est trabajando con los datos anuales de la
inflacin, se utiliza un lambda de 6.25,se utiliza el filtro de Ravn y Uhlig, en l se deben
especificar los parmetros usando la regla de la potencia de Ravn y Uhlig ( el nmero de
periodos por ao dividido en 4, elevado a la potencia y multiplicado por 1600) o se debe
especificar el lambda directamente. Como predeterminado se usa una potencia de 2,
definiendo los valores originales de lambda para Hodrick and Prescott como:

1
1600=6.25
4
Lo anterior a causa de que los datos son anuales y adems para efectos de anlisis, si la
potencia a la 4 es que se est minimizando la varianza de la serie original.
En el caso del filtro Hodrick-Prescott no se pierde ningn dato, es decir que el nmero de
observaciones es el mismo, mientras que en la serie suavizada por medio del mtodo
aritmtico rezagado si se pierden observaciones; en el caso de la rezagada dos aos se
pierde una observacin.

35
30
25
20
15
10
5
0
90

92

94

96

98

00

02
INFHP

04

06
INF

08

10

12

14

16

En esta grfica se evidencia el suavizado del que ya hemos hablado anteriormente, con l
lo que se busca es eliminar esos picos y valles tan abruptos que se presentan en la serie.

Ciclos
CICLO
4
3
2
1
0
-1
-2
-3
90

92

94

96

98

00

02

04

06

08

10

12

14

16

Durante el ciclo se ven muchos aumentos y disminuciones en la inflacin, pero


principalmente hay 2 hechos histricos que afectaron la inflacin colombiana durante
estos periodos, y estas son las crisis de 1998 y del 2008.
Entre 1997 y 1999 se produjo una reversin de los flujos de capital y un deterioro de los
trminos de intercambio, que llev a una fuerte reduccin del gasto agregado y a la
eliminacin del dficit en cuenta corriente, adems el producto cay ms de 4% en 1999
y los precios de la finca raz se contrajeron cerca de 27% en trminos reales, todo esto fue
seguido por la reversin de los flujos de capital que afect al sistema financiero a travs
de la reduccin en la liquidez con el consecuente incremento de sus costos de fondeo.
Las respuestas de polticas econmicas por parte del banco de la republica fueron
suministrar liquidez a travs de los mecanismos de prestamista de ltima instancia del
banco central, crear un programa de ayuda a los deudores que no estaban en mora, a
travs de prstamos en condiciones favorables. Debido a que la entidad hipotecaria
privada que entr en quiebra, fue intervenida por el gobierno, nacionalizada y por ltimo
vendida en el 2005, la entidad hipotecaria pblica que entr en quiebra fue liquidada por
el gobierno (Uribe, 2008).

Por otro lado el ao 2008 fue un ao caracterizado por tener un comportamiento


decreciente en el mbito econmico, esto se ha generado por una variedad de razones
entre las cuales se destacan a grandes rasgos dos: por un lado las polticas contractivas en
el mbito monetario y fiscal a inicios del 2008 y por otro lado la crisis econmica
internacional.
Colombia desde el ao 2002 hasta el 2006 haba entrado en un ciclo expansivo de
la economa, como se ve en la grfica, debido a las favorables condiciones
internacionales las cuales permitieron a la econmica colombiana obtener un buen
rendimiento en su balanza comercial, producto del aumento de la demanda internacional
por productos primarios, los cuales debido a dicho aumento de la cantidad demandada
genero un incremento de los precios de las materias primas a nivel global. Por tanto
Colombia se benefici econmicamente en la medida que aumentaron tanto la cantidad
como el precio de sus exportaciones alcanzndose una buena tasa de crecimiento
econmico.
d) Suponga que la serie de inflacin es estacionaria. Especifique y estime un modelo
ARMAX (puede tener solo parte AR, parte MA, o ambas) con una variable exgena,
la cual debe ser estacionaria y estar rezagada. Tabule y grafique la variable exgena
y justifque su escogencia. Muestre el correlograma de los residuos del modelo
estimado Cul es la prediccin del modelo para la inflacin de 2016?
Para la eleccin de nuestra variable exgena la cual nos pueda ayudar a predecir la
inflacin del 2016 decidimos emplear el desempleo, como sabemos de las principales
caractersticas que podemos extraer de la poltica monetaria es que la inflacin y el PIB
de un pas estn fuertemente relacionados. Sabemos que mayores a mayores tasas de
inflacin el crecimiento econmico se vern golpeada de manera negativa, razn por la
cual el banco regula las tasas de inters, por lo que poder predecir correctamente la
inflacin nos puede ayudar a hacer cambios en las tasas de inters y poder controlarla con
mayor facilidad. La escogencia del desempleo radico a una teora desarrollada por
William Phillips en 1958 en su obra The Relation Between Unemployment and the Rate
of Change of Money Wage Rates in the United Kingdom, 18611957. Ac Phillips
formula su famosa curva de Phillips la cual relaciona la tasa de inflacin y el desempleo
de manera negativa, esto quiere decir que a mayor inflacin menor desempleo. Por estas
razones consideramos que el uso del desempleo para nuestro modelo ARMAX tiene un
gran peso y nos ayudara a hacer predicciones acertadas respecto a la inflacin del 2016.

DES
22
20
18
16
14
12
10
8
90

92

94

96

98

00

02

04

06

08

10

12

14

Esta es la grfica del desempleo anual para Colombia entre los aos 1990 y 2015,
podemos apreciar que antes del 98 las tasa de desempleo en Colombia eran relativamente
bajas ubicando cerca al 10% e incluso mantenindose en un digito durante 3 aos, a partir
del 98 el desempleo se dispara de una manera bastante drsticamente mostrndonos la
grave crisis financiera que sufri Colombia en el 98 a raz del UPAC, inicia una etapa de
recuperacin a partir del nuevo milenio y aunque ha tenido alzas en ciertos ao, la
tendencia ha sido a la baja a partir del 2000 hasta el 2015, donde la economa se empez
a recuperar pero las crisis mundiales se alcanzaron sentir en ciertos aos.
35
30
25
20
15
10
5
0
90

92

94

96

98

00

02
DES

04

06

08

10

12

14

INF

En esta grafica tenemos tanto la series de la inflacin y el desempleo anual entre los aos
1990 y 2015, como podemos apreciar se puede ver que ambas tiene un relacin negativa,

que aunque no es perfecta si es apreciable, cuando la inflacin decreci de los aos 90 al


98 el desempleo aumento y donde sube la inflacin pueden verse leves cadas en el
desempleo.
Decidimos correr un modelo MA(1) y la variable exgena con 3 rezagos (DES -3), los
parmetros fueron escogidos despus de haber realizado los clculos varias veces y donde
encontramos que los coeficientes daban significativos para nuestro modelo que pudieran
predecir la inflacin para el 2016.

Dependent Variable: INF


Method: ARMA Generalized Least Squares (BFGS)
Date: 11/09/16 Time: 12:34
Sample: 1993 2015
Included observations: 23
Convergence achieved after 6 iterations
Coefficient covariance computed using outer product of gradients
d.f. adjustment for standard errors & covariance
Variable

Coefficient

Std. Error

t-Statistic

Prob.

DES(-3)
MA(1)

0.613560
0.727667

0.155850
0.160925

3.936857
4.521765

0.0008
0.0002

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.381394
0.351937
5.651594
670.7509
-71.80096
0.902288

Inverted MA Roots

-.73

Correlograma de los errores

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.

9.203043
7.020406
6.417474
6.516213
6.442307

Podemos apreciar que aunque los coeficientes fueron significativos, si analizamos los
p-values no son muy altos del comienzo por lo cual podemos afirmar completamente que
se traten de ruida blanco y podran existir problemas de especificacin en el modelo.
Consideramos que esto se puede deber a que asumimos que la inflacin es estacionario
pero existe evidencia que la inflacin opera de esta manera.

Prediccin
30

Forecast: INFF
25

Actual: INF

20

Forecast sample: 1990 2016


Adjusted sample: 1993 2016

15

Included observations: 24

10

Root Mean Squared Error

8.030658

Mean Absolute Error

6.217839

Mean Abs. Percent Error

86.53716

Theil Inequality Coefficient

0.415886

5
0
-5
-10
94

96

98

00

02

04

INFF

06

08

2 S.E.

10

12

14

16

Bias Proportion

0.039232

Variance Proportion

0.394365

Covariance Proportion

0.566403

Theil U2 Coefficient

2.491926

Symmetric MAPE

68.91569

Nuestra prediccin para el 2016 es de 6.2%, aunque por lo que consideramos se deriva
tambin de los problemas de especificacin presentados al elaborar el modelo, aunque
tras diversos intentos de especificar el modelo, este fue un escenario donde la prediccin
se acerca los mas a lo esperado y tuvo la raz de error cuadrtico medio ms bajo que
pudimos obtener conservando nuestros coeficientes significativos.

e) Cul sera su prediccin para la inflacin del 2016 si combina el resultado del
modelo con elementos por fuera del modelo (juicio personal, anlisis o intuicin
econmica)? Haga una defensa convincente de su prediccin.
Consideramos que nuestra prediccin resulta ser bastante cercana a valores esperados por
fuera del modelo, ya que BANREP espera que la inflacin de este ao se encuentre
situada alrededor del 6.3%, aunque no podemos dejar a un lado que nuestro intervalo de
confianza muy ancho da un chance muy grande a fallar, consideramos que la escogencia
de la exgena no fue equivocada, tras la realizacin del marco terico consideramos que
la curva de Phillips y la relacin del desempleo con la inflacin puede explicar muy bien
la relacin existente entre ambas variables econmicas. Aunque la curva de Phillips fue
elaborada en un periodo donde las condiciones econmicas eran muy distintas, ya que
estamos tratando de una teora elaborada hace siglos y por esto ha recibo fuertes crticas,
pero aun as su teora es un componente importante e la teora macroeconmica impartida
en la academia por lo cual consideramos que el desempleo si funciona como una variable
exgena para este caso y respaldamos nuestra prediccin ya que se encuentra entre el
rango propuesto para la inflacin final del ao 2016 propuesto por el Banco de la
Repblica.

Bibliografa
Impacto de la crisis mundial en Colombia. (14 de Mayo de 2009). Obtenido de
http://www.zonaeconomica.com/jeisonandres/impacto-crisis-mundial-colombia.
Montealegre, A. M. (27 de 05 de 2005). Obtenido de
http://www.scielo.org.co/pdf/eg/v21n95/v21n95a04.pdf
Uribe, J. D. (Mayo de 2008). Obtenido de
http://www.banrep.gov.co/docum/Lectura_finanzas/pdf/jdu_may_2008.pdf