Descomposición y simulación de series de tiempo Ponencia XXVII COLMEME Escuela Superior de Economía, IPN Descomposición y simulación de series de tiempo Miguel Heras Villanueva ESE-IPN Juan Francisco Islas Aguirre FAO-MX UP Lázaro Cárdenas Santo Tomás, octubre 12, 2017
Descomposición y simulación de series de tiempo con Stata y R Objetivos Desarrollo de la técnica de descomposición multiplicativa. Caracterizar los componentes de ciclo, tendencia, estacionalidad e irregularidad en dichas series. Simular los procesos estocásticos AR que describen a las series de tiempo univariadas en tres casos. Atender a la clasificación de modelos auto-regresivos considerados por la prueba de Dickey-Fuller.
Principios de descomposición de series de tiempo Componentes de separación Tendencia-Ciclo: Representa los cambios de largo plazo en el nivel de la serie de tiempo. Estacionalidad: Caracteriza fluctuaciones periódicas de longitud constante causadas por factores tales como temperatura, estación del año, periodo vacacional, políticas, etc. Error: Efecto de factores desconocidos, impredecibles. Dato = Patrón + Error
Principios de descomposición de series de tiempo Componentes de separación Serie ajustada por estacionalidad
La técnica de descomposición multiplicativa Considerando la base de datos airline.csv de pasajeros de una línea aérea internacional que presentan Makridakis et. al. (1998), capítulo 3, el algoritmo de descomposición comprende los siguientes pasos. Paso 1: Estimación de tendencia-ciclo. Mediante promedio móvil centrado MA 12.
Descomposición Multiplicativa La técnica Descomposición Multiplicativa Paso 2: Cálculo de la razón porcentual datos a promedio móvil.
Descomposición Multiplicativa La técnica Descomposición Multiplicativa Paso 3: Índice estacional. Una vez removido el componente tendencia-ciclo, bajo la descomposición multiplicativa se asume que el componente estacional es constante año con año. De acuerdo al conjunto de datos considerado se requiere calcular un valor para cada mes. El índice estacional se construye promediando las observaciones sin tendencia correspondientes a cada mes para todos los años observados.
Descomposición Multiplicativa La técnica Descomposición Multiplicativa Paso 4: Serie de Irregularidad. Se obtiene a partir de:
Resumen gráfico de la Descomposición Multiplicativa Nota: Se sugiere realizar la comprobación
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR 3 ya vistos
Variable no estacionaria y simulación de modelos AR 3 ya vistos
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Variable no estacionaria y simulación de modelos AR
Referencias Carter, Hill, Grifiths (2014) Principles of Econometrics, Wiley Fuleky, Peter (2014) Time series decomposition http://www2.hawaii.edu/~fuleky/econ427/6_Time_series_decomposition.html#1 Hyndman, Rob y George Athanasopoulos (2012) Forecasting: principles and practice, OTexts https://www.otexts.org/fpp Makridakis, Wheelwright and Hyndman (1998) Forecasting: methods and applications, John Wiley & Sons