FACULTAD DE INGENIERIA ECONOMICA,

ESTADISTICA Y CIENCIAS
SOCIALES

Universidad Nacional de Ingeniera - Per

u

Profesor:

PhD. Caparo Coronado, Rafael Jimmy

Alumnos:

SETIEMBRE 2015 - LIMA

Analisis de series de tiempo financieras Laboratorio de Predicci
on

Indice

1
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1. Problemas de ciclos pasados

1.1. Mecanismo de Ecuaciones en Diferencia

Como se sabe:

F = T T 1

Donde:

1 0 ... 0

0 2 0 0
= .

.. .. .. ..
. . .
0 0 . . . p

1 2 . . . p 1

0 1 ... 0 1
F = .

.. .. .. .. ..
. . . .
0 0 ... 1 0

Si obtenemos la matriz columna de la matriz T como:

p1
t1 1 i
p2
t2 1 i

p3
ti = t3 1 = i
. .
. .
. .
tp1 1

Ademas 1 ,2 ,. . . ,3 son distintos entre s. Y i es el i-esimo valor propio de la matriz F, por lo

que:

F.ti = i .ti . . . . . . (1)

p1
p1
i 1 + ip2 2 + . . . + p


i
1 2 . . . p 1 p2 p1
i i 1
0 1 ... 0 1
p3 p2
i 2
F.ti = . i =

.. .. . . . ..
. ..

. . ...
..
.

0 0 ... 1 0

1 i

2
Analisis de series de tiempo financieras Laboratorio de Predicci
on

p1 pi

i
p2 p1
i i

p3 p2
i .ti = i i = i
. .
. .
. .
1 i
Los valores propios de la matriz F () deben satisfacer:

p = p1 1 + 1 + p2
i 1 + . . . + p

Se cumplira que: F.ti = i .ti . Ahora se tiene T = [t1 t2 . . . tp ] y T T 1 = 1, entonces lo siguiente:

t11 t12 . . . t1p t11 t12 . . . t1p 1 0 ... 0

t21 t22 . . . t2p t21 t22 . . . t2p 0 1 . . . 0
= . . .

. .. . . ..
.. ... .. .. .. . . . ..

. . . . . . . .
. .
tp1 tp2 . . . tpp tp1 tp2 . . . tpp 0 0 ... 1

sera equivalente a:

p1
i p1
i . . . p1
i t11 t12 . . . t1p 1 0 ... 0
p2
p2 . . . p2

t21 t22 . . . t2p
0 1 . . . 0

i i i
=

. .. .. . .. .
.. .. . ..
. .. .. .. . . . ...

. . .
. . . .
1 1 ... 1 tp1 tp2 . . . tpp 0 0 ... 1

Si p=2: ! ! !
1 2 t11 t12 1 0
=
1 1 t21 t22 0 1

1 t11 + 2 t21 = 1

t11 + t21 = 0

1 t11 + 2 t21 = 1

t21 (2 1 ) = 1
1 1
t21 = ; t11 =
2 1 1 2

se obtendra:

1 1
C1 = C11 t2 = 1 =
2 1 2 1

3
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1 2
C2 = C21 C 21 = 2 =
2 1 2 1
Si p=3:

21 22 23 t11 t12 t13 1 0 0

1 2 3 t21 t22 t23 = 0 1 0

1 1 1 t31 t32 t33 0 0 1

21 t11 + 22 t21 + 23 t31 = 1 . . . . . . (1)

1 t11 + 2 t21 + 3 t31 = 0 . . . . . . (2)

t11 + t21 + t31 = 0 . . . . . . (3)

Si restamos (1) (2)3 :

(21 1 3 )t11 + (22 2 3 ) = 1

1 (1 3 )t11 + 2 (22 3 )t21 = 1 . . . . . . (4)

Si restamos (2) (3)3 :

(1 3 )t11 + (2 3 )t11 = 0 . . . . . . (5)

Luego, si se resta (4) (5) :

(1 3 )(1 2 )t11 = 1
1 1 1
t11 = ; t21 = ; t31 =
(1 3 )(1 2 ) (2 1 )(2 3 ) (3 1 )(3 2 )

21
C1 = t11 t11
(1 3 )(1 2 )

22
C2 = t12 t21
(2 1 )(2 3 )

23
C3 = t13 t31
(3 1 )(3 2 )

Entonces, se puede generalizar como:

p1
i
Ci = Q p
i=1 ( p k )
j6=k

4
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1.2. Funci
on Impulso Respuesta

Formamos una ecuaci

on de orden1:

At = F At1 + t1 . . . . . . (1)

yt 0,6 t 0,11 0,006 yt1 w
t
yt1 = 1 1 0 yt2 + 0


yt2 0 1 0 yt3 0

Iteramos la ecuaci
on 1 un periodo atr
as:

At1 = F At2 + t1 . . . . . . (2)

Reemplazamos (2) en (1):

At = F (F At2 + t1 ) + t1

At = F 2 At2 + F t1 + t1 . . . . . . (3)

Iteramos (2) dos periodos atr

as:

At2 = F At3 + t2 . . . . . . (4)

Reemplazamos (4) en (3):

At = F 3 At3 + F 2 t2 + F t1 + t

Si generalizamos:

At+j = F t+j+1 A1 + t + F t+j + F 2 t+j2 + . . . + F t1 j1 + F t1 j

yt+j y 1 w wt+j1 wt+j2 wj1 w
  t j
+F 2 +. . .+F t1 0 +F t 0

yt+j1 = F t+j+1 y2 + 0 +F 0 0

yt+j2 y3 0 0 0 0 0

Si tomamos a j=0:

yt1 y
 1 wt wt1 wt2 wj1 w
 2
t1
t
0
yt2 = F t+1 y2 + 0 +F 0 +F 0 +. . .+F 0 +F 0

yt3 y3 0 0 0 0 0

5
Analisis de series de tiempo financieras Laboratorio de Predicci
on

Resolviendo se obtiene:

t+1 t+1 t+1 1 2 1

yt = F11 y1 + F12 y2 + F13 y3 + wt + F11 yt1 + F11 yt2 + . . . + F11 w0 + . . . ()

t+1 t+1 t+1

C = F11 y1 + F12 y2 + F13 y3

j
Donde F11 es el elemento (1,1) de la matriz F elevada a la j-esima potencia. Nos piden hallar:

dyt+1
dwt

Como j=0 y de () se tiene:

dyt
=1
dwt

yt+1 y 1 w t+1 wt wt1 w
  1
0 + F2 0 + ... + Ft 0

yt = F t+2 y2 + 0 + F

yt1 y3 0 0 0 0

Si resolvemos, en la primera fila se tiene:

yt+1 = C + wt+1 + f11

1 2
wt + f11 t
wt1 + . . . + f11 wt

si j=1 tenemos:
dyt+1 1 dy
= f11 t+1 = 0,6
dwt dwt

yt+2 y w
 1 t+2 wt+1 wt w
 2
0 + F2 0 + ... + Ft 0

yt+1 = F t+3 y2 + 0 + F

yt y3 0 0 0 0

en la primera fila se tiene:

yt+1 = C + wt+2 + f11

1 2
wt+1 + f11 t
wt + . . . + f11 wt

si j=2 tenemos:
dyt+2 2 dy dy
= f11 t+2 = (0,6)2 0,11 t+2 = (0,6)
dwt dwt dwt

6
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1.3. Captulo 1

Se propone que si los valores propios de F son menores que 1 en modulos, entonces la inversa
de (Ip F ) existe. Supongamos que la inversa de (Ip F ) no exista, entonces la determinante
|Ip F | debera ser cero. Pero

|Ip F | = | [F 1 Ip ]| = ()p |F 1 Ip |,

as que |F 1 Ip | debera ser cero siempre que la inversa de (Ip F ) fallara en existir. Pero
esto significara que 1 es un valor propio de F, el cual es regido por la asuncion que todos
los valores propios de F son estrictamente menores que 1 en modulos. Por lo tanto,la matriz
Ip F debe ser no singular.
Como [Ip F ]1 existe, eso satisface la ecuacion

[Ip F ]1 [Ip F ] = Ip

esta ecuacion se puede expresar como

x11 x12 x1p 1 1 1 2 p1 p 1 0 0

x21 x22

x2p 1 0 0 0 1 0

=

. .. .. . . .. .. .. .. ..
.. .. ..

. . . . . . .
xp1 xp2 xpp 0 0 1 0 0 1

Como nos piden el elemento (1,1) solo necesitamos encontrar el valor de x1 1, as que solo nos
interesa la primera fila de las matrices

1 1 1 2 p1 p

  1 0 0  
x11 x12 x1p = 1 0 0

.
.. .. .. ..

. . .

0 0 1

Multiplicamos la p-esima columna de la matriz por y agregamos el resultado a la (p-1)-esima

columna:

1 1 1 2 p1 2 p p

  1 0 0  
x11 x12 x1p = 1 0 0

.. .. .. ..

. . . .

0 0 0 1

Luego multiplicamos la (p-1)-esima columna por y agregamos el reusltado a la (p-2)-esima

columna. Siguiendo esa tendencia llegaremos a

7
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1 1 2 2 . . . p1 p1 p p 2 2 3 . . . p1 p p

  1
x11 x12 x1p

.. ..

. .
0 0
 
= 1 0 0

entonces

x11 (1 1 2 2 . . . p1 p1 p p ) = 1

x11 = 1/(1 1 2 2 . . . p1 p1 p p )

1.4. Captulo 3

Denotamos un AR(2)

Yt = c + 1 Yt1 + 2 Yt2 + t

usamos la notaci
on de operador rezago,

(1 1 L 2 L2 )Yt = c + t ()

la ecuacion es estable siempre que la raz de

(1 1 z 2 z 2 ) = 0

este fuera del crculo unitario. Cuando esa condicion es cumplida, el proceso AR(2) resulta ser
de covarianza estacionaria, y la inversa del operador autorregresivo es dado por

(L) = (1 1 L 2 L2 ) 1 = 0 + 1 L + 2 L2 + 3 L3 + . . .

Multiplicando ambos lados de () por (L) obtenemos

Yt = (L)c + (L)t

Es demostrado que

(L)c = c/(1 1 2 )

8
Analisis de series de tiempo financieras Laboratorio de Predicci
on

1.5. Captulo 4

Considerando un proceso ARMA(p.q) estacionario e invertible:

(1 1 L 2 L2 . . . p Lp )(Yt ) = (1 + 1 L + 2 L2 + . . . + q Lq )t

(Ybt+1|t ) = 1 (Yt ) + 2 (Yt1 ) + . . . + p (Ytp+1 ) + 1 bt + 2 bt1 + . . . + q btq+1


con bt generado recursivamente desde

bt = Yt Ybt|t1

Las predicciones de los periodos en adelante seran

(Ybt+s|t ) = 1 (Ybt+s1|t ) + 2 (Ybt+s2|t ) + . . . + p (Ybt+sp|t ) + s bt + s+1 bt1 +

. . . + q bt+sq

para s = 1, 2, . . . , q

(Ybt+s|t ) = 1 (Ybt+s1|t ) + 2 (Ybt+s2|t ) + . . . + p (Ybt+sp|t )

para s = q + 1, q + 2, . . .

donde

Yb |t = Y para t

Por lo tanto para una predicci

on cuyo horizonte s es mas grande que el orden q de la parte
de media m
ovil del proceso, las predicciones seguiran una ecuacion en diferencia de orden p
gobernado solamente por los par
ametros autorregresivos.

1.6. Bonus

a) Xn = Xn2 + Zn

E(Xn ) = E(Xn2 + Zn )

= + 0

=0

9
Analisis de series de tiempo financieras Laboratorio de Predicci
on

Cov(Xn , Xn ) = E(Xn .Xn ) = E(2 Xn2

2 + 2 Xn2 Zn + Zn2 )

= 0 + 0 + 2 = 2

Cov(Xn , Xnh ) = E(Xn .Xnh ) = E(Xn2 + Zn .Xnh )

=0+0=0

x(h) = (h)/(0) = 0/ 2 = 0

b) V ar[(X1 + X2 + X3 + X4 )/4]

1
16 [V ar(X1 + X0 + X1 + X2 ) + V ar(Z1 + Z2 + Z3 + Z4 )]

1 2 2
16 [(0,9) (4 ) + 4 2 ] = 0,11 2 = 0,11

c) V ar[(X1 + X2 + X3 + X4 )/4]

1
16 [V ar(X1 + X0 + X1 + X2 ) + V ar(Z1 + Z2 + Z3 + Z4 )]

1 2 2
16 [(0,9) (4 ) + 4 2 ] = 0,11 2 = 0,11

2. UWs Questions
1.

b)ct = ct ct1

ct = cpt + t cpt1 n1

ct = + t + t n1

c)
ct describe un proceso ARMA(0,1)

(0) = cov(ct , ct )

= E[( + t + t n1 )( + t + t n1 )]

10
Analisis de series de tiempo financieras Laboratorio de Predicci
on

= E(2 + t + t t1 + t + t t + t t t t1 + t + t t + t t t t1 t t1 t
t1 t + t1 t1 )

(0) = 2 + 2 + 2

(1) = 2 2

(2) = 2

..
.

(h) = 2

(h) 2
(h) = (0) = 2 +2 +2

2.

Para h=2,j=1

t+2|t = t+2 + 1 t+1

t+1|t = t+1

Corr(t+2|t , t+1|t ) = E(t+2|t .t+1|t )

E(t+2|t .t+1|t ) = E[(t+2 + 1 t+1 )(t+1 )]

Corr(t+2|t , t+1|t ) = 1 2

Para h=3,j=1

t+3|t = t+3 + 1 t+2 + 2 t+1

t+1|t = t+1

Corr(t+3|t , t+1|t ) = E(t+3|t .t+1|t )

E(t+3|t .t+1|t ) = E[(t+3 + 1 t+2 + 2 t+1 )(t+1 )]

Corr(t+2|t , t+1|t ) = 2 2

11
Analisis de series de tiempo financieras Laboratorio de Predicci
on

Para h=3,j=2

t+3|t = t+3 + 1 t+2 + 2 t+1

t+2|t = t+2 + 1 t+1

Corr(t+3|t , t+2|t ) = E(t+3|t .t+2|t )

E(t+3|t .t+2|t ) = E[(t+3 + 1 t+2 + 2 t+1 )(t+2 + 1 t+1 )]

Corr(t+3|t , t+2|t ) = 1 2 + 1 2 2

12