PARTE CINCO ECONOMETRIA DE SERIES DE TIEMPO Las series de tiempo han adquirido un uso tan frecuente e intensivo en la inves- tigaci6n empfrica, que los econometristas han empezado recientemente a pres- tar cuidadosa atencién a ese tipo de informacién. En el capitulo 1 se hizo énfasis en un supuesto implicito en el cual se basa el anilisis de regresién que conside- ra series de tiempo, esto es, que dichas series son estacionarias. De no ser éste el caso, el procedimiento convencional de prueba de hipétesis, basado en las pruebas ¢, F, ji cuadrada y otras pruebas similares, sera de dudosa aceptacién. En los capitulos 21 y 22 se consideraran en detalle las series de tiempo. En el capitulo 21 se define primero el concepto de serie de tiempo estacio- naria y luego se desarrollan pruebas para determinar si una serie de tiempo es estacionaria. Para este fin, se introducen algunos conceptos relacionados, tales como raiz unitaria, caminata aleatoria y serie de tiempo integrada. Luego, se diferencia entre serie de tiempo estacionaria alrededor de una tendencia (TS) y estacionaria en diferencia (DS), v se seialan sus implicaciones pricti- cas. Un problema comtin en las regresiones que contienen series de tiempo es el fenémeno de la regresi6n espuria; aqui se analizaran sus implicaciones practi- cas. Se introduce luego el concepto de cointegracién y se senala su importan- cia en la investigacion empirica. Todos estos conceptos estan bien ilustrados. En el capitulo 22, el enfoque principal esta en la proyeccién utilizando se- ries de tiempo. Si se supone que una serie de tiempo es estacionaria o que pue- de convertirse en estacionaria mediante la(s) transformaci6n(es) apropiada(s) se muestra cémo el disefio de modelos ARIMA, hecho popular por Box ¥ Jenkins, puede utilizarse para predecir. En este capitulo se analiza también un método de proyeccién alterno, conocido como vectores autorregresivos (VAR) y se consideran sus véntajas sobre los modelos econométricos de proyeccién de ecuaciones simultaneas tradicionales. Mediante ejemplos apropiados, se mues- tra la forma como se realiza la proyeccién mediante ARIMA y VAR 765766 PARTE CINCO: -CONOMETRIA DE SERIES DE TIEMPO Estos dos capitulos son apenas un bosquejo de la econometria de series de tiempo. Esta es una de las areas mas activas de la investigacién econométrica y se han escrito ya diversos libros especializados sobre este tema. El objetivo de estos dos capitulos es solamente introducir al lector al atractive mundo de la econometria de series de tiempo.21 ECONOMETRIA DE SERIES DE TIEMPO: ALGUNOS CONCEPTOS BASICOS Enel capitulo 1 se mencioné que uno de los dos tipos importantes de informa- ci6n utilizada en el andlisis empfrico son las series de tiempo. En este capitulo y el siguiente se estudia en detalle tal informacién ya que ésta plantea diversos desaffos a econometristas y practicantes. Primero, el trabajo empirico basado en series de tiempo supone que la serie de tiempo en cuesti6n es estacionaria. Aunque en el capitulo 1 se introdujo una idea intuitiva de estacionariedad, el concepto se analiza con mas detalle en este capitulo. Mas especificamente, se trataré de averiguar el significado de estacio- nariedad y la raz6n por la cual se debe tener en cuenta En segundo lugar, en el capitulo 12, sobre la autocorrelacién, se analizaron varias de sus causas. A veces la autocorrelacién se origina debido a que las series de tiempo subyacentes no son estacionarias. Tercero, al efectuar la regresin de una variable de serie de tiempo sobre otra variable de serie de tiempo, con frecuencia se obtiene una R? muy elevada (superior a 0.9) aunque no haya una relaci6n significativa entre las dos. Esta situacién ejemplifica el problema de la regresin espuria disparatada, cuya naturaleza se analizaré en breve. Por consiguiente, es muy importante averi- guar si la relaci6n entre las variables econémicas es verdadera o es espuria. En. este capitulo se vera la forma como puede surgir una regresi6n espuria cuando las series de tiempo no son estacionarias. En cuarto lugar, algunas series de tiempo financieras, como los precios de las acciones, muestran lo que se conoce como fenémeno de caminata aleato- ria. Lo anterior significa que la mejor prediccién para el precio de una accién. digamos de IBM, es igual a su precio actual, mas un choque puramente aleato- rio (0 término de error). Si en verdad éste fuera el caso, el pronéstico del precio de las acciones seria un ejercicio inutil. 767