Prueba de Raíz Unitaria
Test de Dickey Fuller
• Con el fin de determinar las propiedades
de estacionariedad de las series se
pueden utilizar distintos procedimientos:
e...
• Si partimos del modelo Xt = ρXt-1 + ut
• Donde -1≤ρ ≤ 1
• Si ρ=1 estamos en el caso de raíz unitaria
• El test de Dickey...
• Si δ= 0 , entonces
∀∆Xt = ut
• Entonces las primeras diferencias son
estacionarias
• Pero la serie no es estacionaria (ρ...
• La prueba DF se estima en diferentes
formas
• Random walk
• Random walk con drift
• Random walk con drift y tendencia
Ejemplo: GDP – USA 70-91
Null Hypothesis: GDP has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLA...
• En el modelo RW el estimador de delta es
positivo (se descarta porque la serie seria
explosiva)
• En los otros dos model...
Null Hypothesis: GDP has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=0)
t-Statistic Prob...
Null Hypothesis: GDP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=0)
t-...
• Una forma complementaria de diagnóstico es el
exámen gráfico y de los correlogramas
• El correlograma muestral ilustra l...
• El estadístico Q de Ljung-Box prueba la
hipótesis conjunta de que todos los
coeficientes de autocorrelación son cero
• S...
2800
3200
3600
4000
4400
4800
5200
70 72 74 76 78 80 82 84 86 88 90
GDP
Date: 05/30/07 Time: 15:52
Sample: 1970Q1 1991Q4
Included observations: 88
Autocorrelation Partial Correlation AC PAC Q-St...
El test de Dickey Fuller Aumentado
(ADF)
• En el DF se supone que el ut no está
autocorrelacionado
• El ADF contempla esta...
Cointegración: introducción
• Regresión de una serie de tiempo con raíz
unitaria sobre otra serie de tiempo con raíz
unita...
• Sin embargo puede que dos series I(1) resulten
en una combinación lineal I(0)
• La combinación lineal puede cancelar las...
• Si los residuos son estacionarios la
metodología tradicional de OLS es
aplicable
• Ejemplo:
• Gasto en consumo personal ...
• Se somete el ut estimado a un test de raíz
unitaria
• Si es I(0) la regresión de consumo contra
ingreso sería cointegrad...
Mecanismo de Corrección de
Errores y Cointegración
• Si hay una relación de LP puede que en el
CP haya desequilibrios
• El...
• Consideremos el modelo
∀ ∆PCEt = α0+α1∆PDIt + α2ut-1 + εt
• El cambio en consumo depende del cambio en ingreso y
tambien...
• Si el ∆PCE está por encima de de su valor de
equilibrio comenzará a disminuir en el siguiente
período para corregir el e...
• Ejemplo 2 (coint_ej_2.wf1)
• Cointegración de tasas de bonos del
tesoro a 3 y 6 meses
• Se puede esperar que las tasas e...
• 1. Analizar si las dos series son
estacionarias
• 2. Analizar el orden de integración
• 3. Regresar la relación de LP ta...
Upcoming SlideShare
Loading in …5
×

Cointegracion 1

482 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
482
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
12
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Cointegracion 1

  1. 1. Prueba de Raíz Unitaria Test de Dickey Fuller
  2. 2. • Con el fin de determinar las propiedades de estacionariedad de las series se pueden utilizar distintos procedimientos: el Test de Dickey Fuller (DF), el Test de Dickey Fuller Aumentado (ADF)
  3. 3. • Si partimos del modelo Xt = ρXt-1 + ut • Donde -1≤ρ ≤ 1 • Si ρ=1 estamos en el caso de raíz unitaria • El test de Dickey-Fuller (DF) se basa en la siguiente regresión: ∀ ∆Xt = δXt-1 + ut • Donde δ = (ρ−1) • La hipótesis testeada es H0: Xt no es I(0), contra H1: Xt es I(0). • Ho se rechaza si el estimador de δ es negativo y significativamente diferente de cero.
  4. 4. • Si δ= 0 , entonces ∀∆Xt = ut • Entonces las primeras diferencias son estacionarias • Pero la serie no es estacionaria (ρ=1) • Se estima la regresión y se hace un test sobre la significación del δ • La H0 es δ=0
  5. 5. • La prueba DF se estima en diferentes formas • Random walk • Random walk con drift • Random walk con drift y tendencia
  6. 6. Ejemplo: GDP – USA 70-91 Null Hypothesis: GDP has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 5.798077 1.0000 Test critical values: 1% level -2.591813 5% level -1.944574 10% level -1.614315 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDP) Method: Least Squares Date: 05/30/07 Time: 15:42 Sample (adjusted): 1970Q2 1991Q4 Included observations: 87 after adjustments Variable Coefficient Std. Error t-Statistic Prob. GDP(-1) 0.005765 0.000994 5.798077 0.0000 R-squared -0.015192 Mean dependent var 22.93333 Adjusted R-squared -0.015192 S.D. dependent var 35.93448 S.E. of regression 36.20640 Akaike info criterion 10.02778 Sum squared resid 112737.7 Schwarz criterion 10.05612 Log likelihood -435.2083 Durbin-Watson stat 1.340574
  7. 7. • En el modelo RW el estimador de delta es positivo (se descarta porque la serie seria explosiva) • En los otros dos modelos no se rechaza la H0 • La serie GDP es no estacionaria: tiene raíz unitaria
  8. 8. Null Hypothesis: GDP has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.219165 0.9310 Test critical values: 1% level -3.507394 5% level -2.895109 10% level -2.584738 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDP) Method: Least Squares Date: 05/30/07 Time: 15:45 Sample (adjusted): 1970Q2 1991Q4 Included observations: 87 after adjustments Variable Coefficient Std. Error t-Statistic Prob. GDP(-1) -0.001368 0.006242 -0.219165 0.8270 C 28.20542 24.36532 1.157605 0.2503 R-squared 0.000565 Mean dependent var 22.93333 Adjusted R-squared -0.011193 S.D. dependent var 35.93448 S.E. of regression 36.13503 Akaike info criterion 10.03512 Sum squared resid 110987.9 Schwarz criterion 10.09181 Log likelihood -434.5278 F-statistic 0.048033 Durbin-Watson stat 1.351998 Prob(F-statistic) 0.827047
  9. 9. Null Hypothesis: GDP has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.625296 0.7750 Test critical values: 1% level -4.066981 5% level -3.462292 10% level -3.157475 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDP) Method: Least Squares Date: 05/30/07 Time: 15:46 Sample (adjusted): 1970Q2 1991Q4 Included observations: 87 after adjustments Variable Coefficient Std. Error t-Statistic Prob. GDP(-1) -0.060317 0.037111 -1.625296 0.1078 C 190.3837 103.5257 1.838999 0.0694 @TREND(1970Q1) 1.477641 0.917244 1.610958 0.1109 R-squared 0.030517 Mean dependent var 22.93333 Adjusted R-squared 0.007434 S.D. dependent var 35.93448 S.E. of regression 35.80066 Akaike info criterion 10.02768 Sum squared resid 107661.7 Schwarz criterion 10.11272 Log likelihood -433.2042 F-statistic 1.322060 Durbin-Watson stat 1.314680 Prob(F-statistic) 0.272075
  10. 10. • Una forma complementaria de diagnóstico es el exámen gráfico y de los correlogramas • El correlograma muestral ilustra la razón entre la covarianza al rezago k y la varianza muestral con respecto al rezago k • Las autocorrelaciones de una serie ruido blanco oscilan alrededor de cero • En el caso de RW los coeficientes son altos y descienden muy lentamente
  11. 11. • El estadístico Q de Ljung-Box prueba la hipótesis conjunta de que todos los coeficientes de autocorrelación son cero • Se distribuye como una χ2 con m grados de libertad (m=longitud del rezago)
  12. 12. 2800 3200 3600 4000 4400 4800 5200 70 72 74 76 78 80 82 84 86 88 90 GDP
  13. 13. Date: 05/30/07 Time: 15:52 Sample: 1970Q1 1991Q4 Included observations: 88 Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |*******| . |*******| 1 0.969 0.969 85.462 0.000 . |*******| .*| . | 2 0.935 -0.058 166.02 0.000 . |*******| . | . | 3 0.901 -0.020 241.72 0.000 . |*******| . | . | 4 0.866 -0.045 312.39 0.000 . |****** | . | . | 5 0.830 -0.024 378.10 0.000 . |****** | .*| . | 6 0.791 -0.062 438.57 0.000 . |****** | . | . | 7 0.752 -0.029 493.85 0.000 . |***** | . | . | 8 0.713 -0.024 544.11 0.000 . |***** | . | . | 9 0.675 0.009 589.77 0.000 . |***** | . | . | 10 0.638 -0.010 631.12 0.000 . |***** | . | . | 11 0.601 -0.020 668.33 0.000 . |**** | . | . | 12 0.565 -0.012 701.65 0.000 . |**** | . | . | 13 0.532 0.020 731.56 0.000 . |**** | . | . | 14 0.500 -0.012 758.29 0.000 . |**** | . | . | 15 0.468 -0.021 782.02 0.000 . |*** | . | . | 16 0.437 -0.001 803.03 0.000 . |*** | . | . | 17 0.405 -0.041 821.35 0.000 . |*** | . | . | 18 0.375 -0.005 837.24 0.000 . |*** | . | . | 19 0.344 -0.038 850.79 0.000 . |** | . | . | 20 0.313 -0.017 862.17 0.000 . |** | .*| . | 21 0.279 -0.066 871.39 0.000 . |** | . | . | 22 0.246 -0.019 878.65 0.000 . |** | . | . | 23 0.214 -0.008 884.22 0.000 . |*. | . | . | 24 0.182 -0.018 888.31 0.000 . |*. | . | . | 25 0.153 0.017 891.25 0.000 . |*. | . | . | 26 0.123 -0.024 893.19 0.000 . |*. | . | . | 27 0.095 -0.007 894.38 0.000 . |*. | . | . | 28 0.068 -0.012 894.99 0.000 . | . | . | . | 29 0.043 -0.007 895.24 0.000 . | . | . | . | 30 0.019 -0.005 895.29 0.000 . | . | . | . | 31 -0.003 -0.002 895.29 0.000 . | . | . | . | 32 -0.026 -0.028 895.38 0.000 . | . | . | . | 33 -0.046 0.007 895.69 0.000 .*| . | . | . | 34 -0.061 0.047 896.24 0.000 .*| . | . | . | 35 -0.075 0.004 897.08 0.000 .*| . | . | . | 36 -0.085 0.037 898.18 0.000
  14. 14. El test de Dickey Fuller Aumentado (ADF) • En el DF se supone que el ut no está autocorrelacionado • El ADF contempla esta posibilidad • Se adiciona al DF los valores rezagados de la variable dependiente • La Ho es idéntica al DF ∆Xt = β1 + β2 t + δXt-1 + Στ i=1 γi ∆Xt-i + ut
  15. 15. Cointegración: introducción • Regresión de una serie de tiempo con raíz unitaria sobre otra serie de tiempo con raíz unitaria • Puede llevar a “regresión espuria”. • Dos series no estacionarias no correlacionadas pueden tener una relación que aparece significativa en una regresión • Esto puede persistir aun en muestras grandes • Gran R2 y bajo DW (R2 >DW) • Si se diferencian las series la correlación (espuria) desaparece •
  16. 16. • Sin embargo puede que dos series I(1) resulten en una combinación lineal I(0) • La combinación lineal puede cancelar las tendencias estocásticas y resulta en una serie estacionaria • En estos casos las series están cointegradas • En términos económicos dos varibables serán cointegradas si existe una relación de largo plazo o de equilibrio entre ambas
  17. 17. • Si los residuos son estacionarios la metodología tradicional de OLS es aplicable • Ejemplo: • Gasto en consumo personal contra Ingreso disponible • PCEt = β1+β2PDIt + ut • Se puede expresar • ut = PCEt - β1−β2PDIt
  18. 18. • Se somete el ut estimado a un test de raíz unitaria • Si es I(0) la regresión de consumo contra ingreso sería cointegrada • Existe una relación de equilibrio o largo plazo • Ver archivo COINT_EJ_1
  19. 19. Mecanismo de Corrección de Errores y Cointegración • Si hay una relación de LP puede que en el CP haya desequilibrios • El ut puede ser pensado como el “error de equilibrio” • Se puede utilizar para vincular el comportamiento del consumo en el CP con su valor de LP • El MCE corrige el desequilibrio
  20. 20. • Consideremos el modelo ∀ ∆PCEt = α0+α1∆PDIt + α2ut-1 + εt • El cambio en consumo depende del cambio en ingreso y tambien del termino de error de equilibrio • Si este es distinto de cero entonces el modelo no está en equilibrio • Si el cambio en ingreso es cero y el ut-1 es positivo , entonces el consumo es demasiado alto • Se espera que alfa 2 sea negativa, entonces el cambio en el consumo será negativo para restaurar el equilibrio
  21. 21. • Si el ∆PCE está por encima de de su valor de equilibrio comenzará a disminuir en el siguiente período para corregir el error de equilibrio (MCE) • En el caso del ejemplo la estimación de la ecuación MCE muestra que el error de equilibrio es cero lo que sugiere que el consumo se ajusta a los cambios en el ingreso en el mismo período. • Los coeficientes de la ecuación de MCE se pueden interpretar como de corto plazo
  22. 22. • Ejemplo 2 (coint_ej_2.wf1) • Cointegración de tasas de bonos del tesoro a 3 y 6 meses • Se puede esperar que las tasas estén cointegradas, de otra manera , si hay diferencias sistemáticas los operadores aprovecharían cualquier discrepancia entre corto y largo plazo
  23. 23. • 1. Analizar si las dos series son estacionarias • 2. Analizar el orden de integración • 3. Regresar la relación de LP tasas a 6 meses contra 3 meses (no implica causalidad) • 4. Analizar si los residuales son estacionarioas • 5. Estimar el MCE

×