FACULTAD DE INGENIERÍA DE SISTEMAS
CÁTEDRA : ECONOMETRÍA
INTRODUCCIÓN
AUTOCORRELACION Series de tiempo
HETEROCEDASTICIDAD Corte transversal
Los investigadores en la proyección de series de tiempo
financieras, tales como precios de acciones, tasas de
inflación, tasas de cambio, han observado que su
habilidad de predecir tales variables varía
considerablemente de un periodo a otro.
Esto sugeriría que la varianza de los errores de
predicción no es constante sino que varía de un periodo
a otro, es decir que hay una autocorrelación en la
varianza de los errores de predicción.
IDEAS CLAVE
VOLATILIDAD :
• Es la fluctuación esperada en el precio de un activo
en un periodo determinado.
• Es de anotar que, aunque la serie sea estacionaria y
tenga, por tanto, varianza constante, puede
presentar oscilaciones a corto plazo que es lo que
recoge la varianza condicional para el estudio de la
volatilidad.
• Debido a que la volatilidad varía en el tiempo, los
modelos clásicos de series de tiempo no son
adecuados para modelarla, puesto que uno de sus
supuestos es que la varianza es constante.
MODELOS AUTORREGRESIVOS
Cuando el modelo de regresión incluye no
solamente los valores actuales sino además los
valores rezagados (pasados) de las variables
explicativas (las X), se denomina modelos de
rezagos distribuidos. Si el modelo incluye uno o
más valores rezagados (pasados) de las variables
explicativas, se denomina autorregresivo.
REPRESENTACIÓN DE UN MODELO
AUTORREGRESIVO
Representa un modelo de rezago distribuido mientras
que
Es un ejemplo de un modelo autorregresivo. Estos
últimos también se conocen como modelos dinámicos
puesto que señalan la trayectoria en el tiempo de la
variable dependiente en relación con su(s) valor(res)
pasado(s).
EL PAPEL DEL “TIEMPO”, O EL
“REZAGO” EN LA ECONOMÍA
En Economía la dependencia de una variable Y
(la variable dependiente) respecto a otra u
otras variables X (las variables explicativas)
raramente es instantánea.
Muy frecuentemente, Y responde a X en un
lapso de tiempo, el cual se denomina rezago.
DEFINICIÓN
Los modelos ARCH, han sido diseñados para
modelar la volatilidad, es decir los momentos donde
la varianza de predicción pueden cambiar en el
tiempo (varianza condicional), y resultan apropiados
cuando los residuos de las estimaciones presentan
heterocedasticidad.
OBJETIVOS DEL MODELO ARCH
Contribuir con la disminución de las limitaciones
estructurales de los modelos financieros al incorporar
la estimación de la varianza condicional variable en las
series de tiempo.
Capturar la incertidumbre de la variable (a través de
la varianza condicional), al estimar la varianza
condicional de los residuos.
Determinar un patrón de comportamiento estadístico
para la varianza.
MODELO ARCH
• En el modelado de la econométrica tradicional,
es habitual imponer el supuesto de
homoscedasticidad, es decir, constancia de la
varianza.
• La modelización ARCH, por el contrario,
plantea una estrategia de modelización
dinámica de la propia varianza, es decir,
determinar su patrón de comportamiento
estadístico.
MODELO ARCH
Un proceso ARCH(q) simple viene definido por
dos expresiones:
PRIMERA SEGUNDA
• Se modela la • Es la varianza
esperanza condicionada la
condicionada en que es modelada
función de la en función de
varianza y de un sus valores
término de error. pasados.
MODELO ARCH
La ideal del ARCH es que la varianza de µ en el tiempo t (=σ2),
depende del tamaño del término de error al cuadrado en el tiempo
(t-1), es decir de µ2t-1.
Del modelo de regresión:
Yt = β 1 + β 2 X 2t + ... + β k X kt + u t
condicional a la información disponible en el tiempo (t-1), el
término de perturbación de distribuye así:
u t ≈ N [ 0 , (α 0 + α 1 u 2
t −1 )]
La varianza de ut depende del termino de perturbación al cuadrado
en el periodo de tiempo anterior, denominado ARCH(1).
Generalizado, un ARCH(p), se escribe:
var(ut ) = σ = α 0 + α u
t
2 2
1 t −1 +α u2
2 t −2 + ... + α u 2
p t− p
DEBILIDADES DE LOS MODELOS ARCH
• El modelo trata de la misma manera los cambios
positivos y negativos, puesto que depende de los
cuadrados de los cambios previos.
• El modelo ARCH es demasiado restrictivo.
• No provee nada nuevo para la comprensión de las
series temporales financieras. Solamente aportan una
manera mecánica para describir el comportamiento de
la varianza condicional, pero no dice nada sobre las
causas de que tal comportamiento ocurra.
• Los modelos ARCH a menudo sobre-predicen la
volatilidad, porque responden lentamente a grandes
shocks aislados que cambian la serie.
