Análisis de Series de Tiempo - EC711-L.

Examen Parcial
Solucionario
Rafael Caparó, [Link]@[Link]
Henry Colonia [Link]@[Link]
May 14, 2018

Instrucciones
• El desarrollo de la evaluación dura 2.5 horas, las primeras horas están
destinadas a resolver el conjunto de problemas en el cuadernillo. En la
última hora se debe desarrollar el laboratorio asignado, el cual deberá ser
enviado al correo del curso.

1 Preguntas opcionales
1.1 De investigación
De acuerdo a la conferencia sobre como publicar investigaciones ( WP Working
Paper ) en diferentes revistas de investigación (Journals)1
• Mencione los pasos para publicar un WP en un journal.
• Haga un ranking de los principales journal donde publicarı́a sus investiga-
ciones desarrolladas durante este curso.

1.2 De post curso ASTF

Desarrolle los siguientes casos2 :
• El fondo NHMBInterantional cuenta con 140 millones de soles (PEN) el
tipo de cambio a la fecha3 es de 3.3950/3.3980 USDPEN, para un primer
análisis de las posiciones óptimas se le ha pedido que considere otorgarle
la misma cantidad de dinero (Equity) a cada activo. Desarrolle un caso
donde se deba encontrar el VaR (Value at Risk) de un ”portafolio 1” de
renta fija con mı́nimo 7 bonos (considere 3 en USD y 4 en PEN), aumente el
número de activos financieros ( con renta variable) dentro de su portafolio
(cartera) con 5 acciones (stocks) y 2 monedas (cash), de esta manera el
1 Puedever el vı́deo que se encuentra en la page del curso, o en el grupo.
2 Paramayor detalle de los casos puede consultar la web del curso, o enviar un correo al
profesor: [Link]@[Link]
3 10/10/2016

1
 ”portafolio 2” estará compuesto por 14 activos, encuentre el VaR para
este último portafolio. El VaR debe ser calculado por los tres métodos
clásicos4 .

• Con el fin de mejorar la inversión inicial en cada activo usted ha contratado

a un QUANT para que le sugiera una nueva distribución de la cantidad
de dinero a invertir en cada activo dentro de los portafolios 1 y 2 de
tal manera que se respete las nuevas polı́ticas del fondo ( Minimización
absoluta del riesgo). Desarrolle un caso donde se encuentren los pesos (
posiciones o inversión de dinero) de la inversión en cada activo.

2 Preguntas teóricas:
• Muestre la importancia de la descomposición de Cholesky para el tratamiento
de la sobreparametrización en modelos VAR ( considere sus ventajas y sus
lı́mites)
• Defina invertibilidad en los procesos estacionarios y mencione la impor-
tancia del test de wold.
• Resuma los siguientes test involucrados en el análisis de series de tiempo
financieras: De Granger, LR, ADF, de la traza, de los eigenvalue, test
ARCH.

3 Preguntas Teóricas y Demostraciones

3.1 Procesos Estacionarios ARMA.
3.1.1 Pregunta 1: Invertibilidad (1 punto).
En esta sección, se pide a Ud. que demuestre la propiedad de invertibilidad
generalizada para un proceso AR(p) y MA(q).

3.1.2 Pregunta 2: Estacionariedad en sentido débil y en sentido es-

tricto (1 punto).
En esta sección se pide a Ud. que defina la estacionariedad en sentido débil y
en sentido estricto; mostrando las propiedades de cada una de estas.

3.2 Predicción.
Sea el proceso estacionario en covarianza {yt } un proceso ergódico, por ejemplo,
un proceso ARMA(p,q) con la representación de Wold:
∞
X
yt = µ + ψj εt−j , εt ∼ RB(0, σ 2 )
j=0

Y sea It = {yt , yt−1 , ...} el conjunto de información disponible al momento t.

4 Ver el libro de Jorion y apuntes de clase

2
3.2.1 Demostración 1: Teorema (1.5 puntos).
La predicción del error cuadrático medio mı́nimo (Minimum MSE) - la mejor
predicción - de yt+h basado de It es:
yt+h|t = E [yt+h |It ]

3.2.2 Demostración 2: Teorema (1.5 puntos).

La predicción lineal del mı́nimo error cuadrático medio (el mejor predictor lineal)
de yt+h basado en It es:
yt+h|t = µ + ψh εt + ψh+1 εt−1 + ...

4 Ejercicios aplicativos
4.1 Ejercicio 1: Ecuaciones en Diferencias y Función de
Impulso Respuesta.
4.1.1 FIR: Función de Impulso Respuesta (2 puntos).
Considerar la siguiente ecuación en diferencias de orden 4:
yt = 0.5yt−1 − 0.8yt−2 + 0.006yt−3 + 0.016yt−4 + wt
donde wt ∼ RB(0, σu2 , se pide a Ud.
(a) Hallar la función de impulso respuesta para j = 0, 1, 2, 3.
(b) Determinar la función de impulso respuesta para los 30 primeros periodos
(Deberá presentar un script de MATLAB).

4.2 Ejercicio 2: Procesos estacionarios ARMA.

4.2.1 Estacionariedad en sentido débil (1.5 puntos).
Evaluar los procesos ARMA mostrados a continuación e indicar cuál o cuáles
de ellos son estacionarios en covarianzas. Nota: Tomar en cuenta que
εt ∼ RB(0, 1).
ARM A(2, 1) : yt = 0.4yt−1 + 0.5yt−2 + εt + εt−1
ARM A(2, 0) : yt = 0.5yt−1 + 0.04yt−2 + εt
ARM A(2, 2) : yt = 1.4yt−1 − 0.78yt−2 + εt + 1.3εt−1 + 1.4εt−2
ARM A(2, 0) : yt = 1.9yt−1 + 0.1yt−2 + εt

4.2.2 Función de autocovarianzas y funciones de autocorrelación (1.5

puntos).
De cada proceso estacionario encontrado en el ı́tem anterior, se pide:
(i) Hallar su forma M A(∞) y mostrar los tres primeros coeficientes.
(ii) Hallar la función de autocovarianza de orden j = 0, 1, 2, 3.
(iii) Hallar la función de autocorrelación simple para j = 0, 1, 2, 3.
(iv) Expresar la función generatriz de autocovarianzas.

3
4.3 Ejercicio 3: Aplicaciones prácticas.
4.3.1 Demanda de dinero y efectos de largo plazo (2 puntos).
Sea la ecuación de la demanda de dinero de Goldfelds (1973):

mt = 0.27 + 0.72mt−1 + 0.19It − 0.045rbt − 0.019rct

Y su ecuación en diferencias:

yt = φyt−1 + wt

Teniendo en cuenta que: yt = mt y además φ = 0.72. Se pide a Ud. :

(i) Demuestre que el multiplicador dinámico depende sólo de los periodos j.

(ii) Encuentre los autovalores (eigenvalues) de la siguiente expresión matricial:

ξt = F ξt−1 + vt

Equivalente a:
      
yt φ1 φ2 φ3 ... φp−1 φp yt−1 wt
 yt−1   1 0 0 ... 0 0 yt−2   0 
      
 yt−2   0 1 0 ... 0 0
=  yt−3  +  0 
   

 ..   .. .. .. .. .. ..   ..   .. 
 .  . . . . . .  .   . 
yt−p+1 0 0 0 ... 1 0 yt−p 0

5 Control de Lectura ( solo para el solucionario).

5.1 Lectura: Evaluación de portafolio de inversionistas in-
stitucionales: fondos mutuos y fondos de pensiones (5
puntos).
Defina los siguientes conceptos de manera concisa, no use más de 5 lı́neas: :

5.1.1 Indicador Treynor-Mazury.

5.1.2 Modelo EGARCH-M.
5.1.3 Timing.
5.1.4 Determinación del portafolio óptimo.
5.1.5 Concavidad del conjunto eficiente y modelo CAPM.

6 Laboratorio.
6.1 Comparando modelos de predicción.
6.1.1 Procesos AR(2) (2 puntos).
• Usando Eviews, crear un nuevo workfile con 250 datos sin estructura;
crear una variable llamada Y2 con valores simulados del proceso AR(2)

4
 siguiente:

yt = 1.2yt−1 − 0.4yt−2 + εt con εt ∼ N (0; (0.5)2 )

y1 = y2 = 0

Puede ver la ayuda en lı́nea de Eviews para la función nrnd para un

ejemplo de simulación de procesos AR.
• Mostrar (del proceso anterior) las simulaciones realizadas, y además, mostrar
la FAS y la FAP, con sus respectivos estadı́sticos descriptivos.

• Usando las primeras 200 observaciones de Y2, estimar el modelo como un

AR(2) y MA(1) por mı́nimos cuadrados ordinarios. Mostrar el ajuste de
dicha ecuación. Desde el menu ”View” en la ventana de la ecuación, inves-
tigar la estructura del modelo ARMA, graficar los valores actual, ajustado
y los residuos y graficas la FAS y FAP de los residuos estimados. Comente
brevemente lo que ha obtenido como resultado y nombre la ecuación como
AR2FIT.
• Finalmente, elaborar un informe en MSWord con los resultados obtenidos
y hacer una comparación entre ambos modelos. El informe final y el
workfile deberán ser enviados a los correos del curso, teniendo como plazo
máximo el dı́a de hoy a las 22:00 horas.

6.1.2 Gestión de Portafolios de Inversión (4 puntos).

El laboratorio enviado al correo del curso, será tomado en cuenta. Se calificará
de la siguiente manera:
• 1.0 punto: Informe final en LaTeX.
• 2.5 puntos: Archivo en MS Excel correctamente ejecutado.

• 0.5 puntos: Calidad del informe y redacción.

7 Vectores Autoregresivos
Considere el siguiente VAR bivariado

y1t = 2, 03y1,t−1 + 0, 04y2,t−1 + 1t−1

y2t = 1, 02y1,t−1 + 3, 05y2,t−1 + 2t−1
Con E(1t 1τ ) = 1 para t = τ y 0 en otros casos, E(2t 2τ ) = 2 para t = τ y
0 en otros casos y Con E(1t 2τ ) = 0 para t = τ

1. Determine si este sistema es estacionario en covarianzas.

∂Yt+s
2. Calcular ψs = ∂0t para s = 1 y 2. ¿Cuál es el lı́mite cuando s → ∞?

5
 3. Calcule la fracción del MSE del error de predicción dos periodos hacia
adelante para la variable 1:
2
E [y1,t+2 − E(y1,t+2 /yt , yt−1 , · · · )]

que es debido a 1;t+1 y 1;t+2 .

8 VAR: Análisis de estabilidad

Recuerde que un proceso VAR estable es estacionario y ergódico si sus primeros
momentos son invariantes en el tiempo (media , varianza y autocovarianza, por
ejemplo), para el problema considere el siguiente VAR Bivariado:

     1 1
   2 2
   
y1t c π π12 y1t−1 π π12 y1t−2 e
= 1t + 111 1 + 112 2 + 1t
y2t c2t π21 π22 y2t−1 π21 π22 y2t−2 e2t

Donde : cov(e1t , e1t ) = σ12 y 0 para otros casos, como un caso particular del
siguiente VAR(p):

φ(L) Yt = µ + t

φ(L) = In − φ(1) L − · · · − φ(p) Lp

8.1 Pregunta
Señale las dos condiciones que hacen estable el VAR. Comente cada condición
en un total de no más de 5 lı́neas.

9 Procesos estacionarios ARMA , VAR

9.1 Ejercicio
Consideramos un proceso vectorial (Yt ) de tamaño n, que se supone es integrado
de orden 1, y admite una representacion VAR de la forma :

φ(L) Y = µ +  (1)
Donde  es innovación de Y e φ(0) = Id

• Utilizando la descomposición

φ(X) = φ((1) + (1 − X)φ+ (X) (2)

demuestre que podemos escribir el modelo en forma equivalente:

p−1
X
(1 − L)Yt = −φ(1) Yt−1 + Γi (1 − L)Yt−i + µ + t
i=i

6
 • Mostrar que el rango de φ(1) es estrictamente menor que n.
• Supongamos que el rango de φ(1) es igual a r. Demostrar que existe 2
matrices α y β y de dimensiones (n, r) y rango r tal que φ(1) = αβ 0
• Mostrar que β 0 yt es necesariamente estacionario (Las columnas de son
entonces llamadas vectores de cointegracion yt )
• Suponga que la representación Wold del proceso Y es de la forma
(1 − L)Y = m + C(L) (3)

Con C(0) = Id
• Utilizando la descomposición
C(L) = C(1) + (1 − L)C + (L)
Mostrar, que hay un paseo aleatorio1 (multivariable) T y un proceso esta-
cionario S de tal manera que
Y =S+T

• Demostrar que necesariamente : β 0 m = 0 y β 0 C(1) = 0

10 Ejercicios aplicativos
10.1 Ejercicio 1: Ecuaciones en Diferencias y Función de
Impulso Respuesta.
10.1.1 FIR: Función de Impulso Respuesta (2 puntos).
Considerar la siguiente ecuación en diferencias de orden 4:
yt = 0.5yt−1 − 0.8yt−2 + 0.006yt−3 + 0.016yt−4 + wt
donde wt ∼ RB(0, σu2 , se pide a Ud.
(a) Hallar la función de impulso respuesta para j = 0, 1, 2, 3.
(b) Determinar la función de impulso respuesta para los 30 primeros periodos
(Deberá presentar un script de MATLAB).

10.2 Ejercicio 2: Procesos estacionarios ARMA.

10.2.1 Estacionariedad en sentido débil (1.5 puntos).
Evaluar los procesos ARMA mostrados a continuación e indicar cuál o cuáles
de ellos son estacionarios en covarianzas. Nota: Tomar en cuenta que
εt ∼ RB(0, 1).
ARM A(2, 1) : yt = 0.4yt−1 + 0.5yt−2 + εt + εt−1
ARM A(2, 0) : yt = 0.5yt−1 + 0.04yt−2 + εt
ARM A(2, 2) : yt = 1.4yt−1 − 0.78yt−2 + εt + 1.3εt−1 + 1.4εt−2
ARM A(2, 0) : yt = 1.9yt−1 + 0.1yt−2 + εt

7
10.2.2 Función de autocovarianzas y funciones de autocorrelación
(1.5 puntos).
De cada proceso estacionario encontrado en el ı́tem anterior, se pide:
(i) Hallar su forma M A(∞) y mostrar los tres primeros coeficientes.
(ii) Hallar la función de autocovarianza de orden j = 0, 1, 2, 3.
(iii) Hallar la función de autocorrelación simple para j = 0, 1, 2, 3.
(iv) Expresar la función generatriz de autocovarianzas.

10.3 Ejercicio 3: Aplicaciones prácticas.

10.3.1 Demanda de dinero y efectos de largo plazo (2 puntos).
Sea la ecuación de la demanda de dinero de Goldfelds (1973):

mt = 0.27 + 0.72mt−1 + 0.19It − 0.045rbt − 0.019rct

Y su ecuación en diferencias:

yt = φyt−1 + wt

Teniendo en cuenta que: yt = mt y además φ = 0.72. Se pide a Ud. :

(i) Demuestre que el multiplicador dinámico depende sólo de los periodos j.
(ii) Encuentre los autovalores (eigenvalues) de la siguiente expresión matricial:

ξt = F ξt−1 + vt

Equivalente a:
      
yt φ1 φ2 φ3 ... φp−1 φp yt−1 wt
 yt−1   1 0 0 ... 0 0 yt−2   0 
      
 yt−2   0 1 0 ... 0 0
=  yt−3  +  0 
   

 ..   .. .. .. .. .. .. .  .
.   ..   .. 
 
 .  . . . . .
yt−p+1 0 0 0 ... 1 0 yt−p 0

11 Laboratorio.
11.1 Comparando modelos de predicción.
11.1.1 Procesos AR(2) (2 puntos).
• Usando Eviews, crear un nuevo workfile con 250 datos sin estructura;
crear una variable llamada Y2 con valores simulados del proceso AR(2)
siguiente:

yt = 1.2yt−1 − 0.4yt−2 + εt con εt ∼ N (0; (0.5)2 )

y1 = y2 = 0

Puede ver la ayuda en lı́nea de Eviews para la función nrnd para un

ejemplo de simulación de procesos AR.

8
 • Mostrar (del proceso anterior) las simulaciones realizadas, y además, mostrar
la FAS y la FAP, con sus respectivos estadı́sticos descriptivos.

• Usando las primeras 200 observaciones de Y2, estimar el modelo como un

AR(2) y MA(1) por mı́nimos cuadrados ordinarios. Mostrar el ajuste de
dicha ecuación. Desde el menu ”View” en la ventana de la ecuación, inves-
tigar la estructura del modelo ARMA, graficar los valores actual, ajustado
y los residuos y graficas la FAS y FAP de los residuos estimados. Comente
brevemente lo que ha obtenido como resultado y nombre la ecuación como
AR2FIT.
• Finalmente, elaborar un informe en MSWord con los resultados obtenidos
y hacer una comparación entre ambos modelos. El informe final y el
workfile deberán ser enviados a los correos del curso, teniendo como plazo
máximo el dı́a de hoy a las 22:00 horas.

11.2 Gestión de Portafolios de Inversión (4 puntos).

El laboratorio enviado al correo del curso, será tomado en cuenta. Se calificará
de la siguiente manera:

• 1.0 punto: Informe final en LaTeX.

• 2.5 puntos: Archivo en MS Excel correctamente ejecutado.
• 0.5 puntos: Calidad del informe y redacción.

12 Laboratorio hecho en clase: Volatilidad de

los mercados financieros
Vamos hacer uso de los modelos ARIMA-GARCH para modelar los merca-
dos financieros emergentes, comenzaremos con el mercado financiero peruano.
Tratáremos de modelos activos de renta fija, renta variable, el riesgo paı́s, ı́ndices
bursátiles, cierres de tipo de cambio, cotizaciones de commodities y fondos mu-
tuos.

12.1 GARCH Simétricos

Usamos los modelos GARCH simétricos para modelar la volatilidad suponiendo
que los shock positivos y negativos pueden tener los mismos impactos en la
volatilidad del instrumento financiero, estos modelos serán mejorados considerando
el componente asimétrico mediante modelos EGARCH,PARCH,MCARCH, etc,
los cuales debe desarrollar en el siguiente apartado.

12.2 Requerimiento de datos

Los datos proporcionados por el Bloomberg, Reuters o yahoo finance5 se deben
almacenar en algún archivo del Excel, R, MATLAB, Eviews u otro que esté
5 Se debe citar siempre la fuente de datos utilizada, para el mercado FOREX puede optar

por OANDA.

9
disponible para utilizarse en tiempo real6 . La cantidad de datos depende del
activo (desde la fecha actual hacia la mayor cantidad de periodos pasados).
Se requiere un análisis de la serie en niveles de los correlogramas (FAS,FAP),
raı́z unitaria y análisis gráfico de detección de tendencias, normalidad y otros
indicadores tipo asimetrı́a y kurtosis, esto también para la Se debe modelar la
primera diferencia de la serie y luego los retornos, antes de ello

12.3 Tareas
Las siguientes tareas son validas para la nota del laboratorio experimental. Re-
alizar un modelo ARMA-GARCH para el retorno de un activo financiero de un
paı́s emergente (PERU sobre todo ( no puede ser el mismo entre los alumnos).

Se debe presentar el informe para el viernes al medio dı́a. No hay tolerancia.

Los activos financieros pueden ser los que se mencionaron en clase, sobre todo
los fondos mutuos

12.4 GARCH Asimétricos

Se debe incluir los modelos asimétricos vistos en clase al informe anterior,
usted deberá presenta (en grupo) un informen que resuma que modelo GARCH
Simétrico o Asimétrico se ajusta mejor a los siguientes instrumentos financieros:
Renta variable (acciones) renta fija( precio de un bono o un equivalente a activo
libre de riesgo), un fondo mutuo.

En resumen deben desarrollar los mismos pasos que en el apartado anterior

y responder que tipo de ARMA-GARCH son los retornos de : Un fondo mutuo,
un bono ( precio sucio o limpio), y el tipo de cambio.

Anticiparse a los acontecimientos futuros no sólo te da la ven-

taja en casi todo, también puede posesionarte hacia el umbral de la exce-
lencia , en tal medida prepararse lo es todo...
...cuida lo que haces con tu tiempo libre !!!!

Rafael Caparó

6 Se recuerda que se les dio un código y una Macros VBA, para este tipo de análisis.

10