Universidad Nacional Autnoma de Mxico

Facultad de Estudios Superiores Acatln

Licenciatura en Actuara
Series de Tiempo
Semestre 2016-II

Los siguientes ejercicios representan un complemento prc4co del curso de Series de Tiempo, si bien
no forman parte de la evaluacin por lo que no son obligatorios si se recomienda ampliamente su
resolucin.

1. Pruebe que para |a|>1:
(
#$
&
& =
1
$)*

2. Supongase que la oferta de dinero en la economa puede representarse por un
proceso {mt} que 4ene la forma mt=m+pmt-1+et, donde m es una constante y 0<p<1,
muestre que es posible expresar mt+n en trminos del valor conocido mt y la sucesin
{ et+1, et+1,, et+n}

3. Suponga que un inves4gador es4ma la siguiente relacin para la tasa de inacin
(t): t=-0.05+0.7t-1+0.6 t-2, si la inacin para el periodo 0 y 1 fue de 10% y 11%
respec4vamente. Encuentre la solucin homognea, la par4cular y la general para
este sistema.

4. Considere la ecuacin en diferencias de primer grado Yt=a0+a1Yt-1+t con |a1|<1, sin
condicin inicial. Muestre que la solucin general ser:

&
*
& = .& + + .& &
1 .
$)*

5. Considere la ecuacin en diferencias homognea de segundo grado Yt=a1Yt-1+a2Yt-2
con .1 + 41 > 0; muestre que la solucin a esta ecuacin 4ene la forma & =
. .1 + 1 11 con 1 y 2 las soluciones de la ecuacin 2-a1-a2=0

6. Muestre que un proceso de caminata aleatoria con tendencia no es un proceso de
ruido blanco

7. {t}tT un proceso estocs4co normal independientemente distribuido, i.e. para toda
tT t~N(t,t2). Sea Xt= t+t-1 para todo tT.

1

a. Cul es la distribucin de Xt? (Nombre la distribucin y los valores de los
parmetros)
b. Es {Xt}tT un proceso Gaussiano?
c. Encontrar Cov(Xt, Xs)

8. Dar un ejemplo de un proceso estocs4co {Xt}tT tal que:

a. Sea idn4camente distribuido pero no sea estrictamente estacionario.
b. Sea covarianza-estacionario pero no sea estrictamente estacionario.

9. Son las deniciones de proceso dbilmente estacionario y cov-estacionario,
anlogas?

10. Pruebe las siguientes propiedades de la funcin de autocovarianza:

a. gx(h)=gx(-h) " h
b. gx(0)0
c. |gx(h)| gx(0) " h

11. Considere la sucesin de v.a.s Zt=Asen(wt+q) donde A es una v.a. con media cero y
varianza unitaria y q se distribuye uniformemente en el intervalo [-p,p]
independientemente de A. {Zt}tT es un proceso de covarianza estacionaria?.

12. {t}tT ruido blanco dbil. Sea Xt= t+t-1t-1+t-2t-2 con 20 para todo tT.

a. Es {Xt}tT un proceso cov-estacionario?
b. Si es un proceso cov-estacionario, encontrar la funcin de autocorrelacin.

13. Sea el proceso Yt=a0+a1Yt-1+a2t+et donde |a1|<1. Es {Yt}tT un proceso estacionario?,
si no lo es existe alguna tranformacin que lo haga estacionario?

14. Se dice que el proceso AR(p) 4ene condiciones de estacionariedad, pues si ciertas
condiciones sobre sus parmetros no se cumplen, el proceso no es estacionario.
Pruebe que las condiciones de estacionariedad para el proceso AR(1) se reducen a
||<1.

15. Se dice que el proceso MA(q) 4ene condiciones de inver-vilidad, pues si ciertas
condiciones sobre sus parmetros no se cumplen, el proceso no es inver4ble. Pruebe
que las condiciones de estacionariedad para el proceso MA(1) se reducen a ||<1.

2
 16. Muestre que el modelo MA(1) no 4ene condiciones de estacionariedad.

17. Muestre que el modelo AR(1) no 4ene condiciones de inver4bilidad.

18. Muestre que el proceso AR(1) (Yt=a0+a1Yt-1+et) es equivalente al modelo Yt=a0/(1-
a1)+t donde t=a1t-1+et

19. Sea {Xt}tT un proceso MA(1) que sa4sface la ecuacin Xt= t+t-1 para todo tT, con
funcin de autocorrelacin x(h).

a. Pruebe que max > (1) = 0.5
:
b. Pruebe que min > 1 = 0.5
:

20. Encuentra la ACF y la PACF de los siguientes modelos:

a. Yt=-0.5Yt-1+et
b. Yt=0.5Yt-1+et
c. Yt=Yt-1+et
d. Yt=et+0.5et-1
e. Yt=0.4Yt-1-0.4Yt-2+et
f. Yt=-0.4Yt-1+et+0.3et-1
g. Yt=-Yt-1+et+et-1
h. Yt=.6Yt-1+.3t-2+et
i. Yt=.8Yt-1-.5t-2+et

21. Para los procesos del ejercicio anterior seale a que 4po de modelos corresponden
y si son inver4bles y estacionarios.

22. Para los procesos del ejercicio 16 calcule la varianza de cada proceso asumiendo que
Var(et)=1

23. Considere el proceso autoregresivo de segundo orden Yt=a0+a2Yt-2+et donde | a2|<1,
encuentre:

a. Et-2(Yt)
b. Et-1(Yt)
c. Et(Yt+2)
d. Cov(Yt, Yt-1)
e. Cov(Yt, Yt-2)
f. Las autocorrelaciones parciales 11 y 22

3
 g. Et(Yt+s)
h. et(s)

24. Sea {Xt}tT un proceso MA(1) que sa4sface la ecuacin Xt= t+t-1 para todo tT, con
funcin de autocorrelacin x(h) y {Yt}tT un proceso MA(1) que sa4sface la ecuacin
Xt= t+(1/)t-1 para todo tT, con funcin de autocorrelacin y(h). Pruebe que y=
x.

25. Sea & & un proceso MA(q), muestre que:

0 >
U
& , &KL =
S1 $ $#L 0
$)L


XY K.
26. Pruebe que si un proceso AR(2) es estacionario entoces .1 <
1

27. Pruebe que el modelo ARMA(1,1) 4ene condiciones de inver4vilidad y
estacionariedad, cules son?

28. Inves4gue las condiciones de estacionariedad del modelo AR(p), de inver4bilidad del
modelo MA(q) y de inver4vilidad y estacionariedad del modelo ARMA(p,q)

29. Bajo condiciones de inver4bilidad y estacionariedad. Muestre que el modelo
ARMA(1,1) equivale a un modelo AR()

30. Bajo condiciones de inver4bilidad y estacionariedad. Muestre que el modelo
ARMA(1,1) equivale a un modelo MA()

31. Una de las transformaciones ms usadas para estabilizar la varianza es la
[\] #.
tranformacin de Box&Cox (1964) la cual se dene como & = . Muestre que
^
T(Yt)ln(Yt) cuando l0.

32. Para cada uno los siguientes patrones de ACFs y PACFs proponga por los menos dos
4pos de procesos (AR(p), MA(q), ARMA(p,q)) con los que intentara modelar dichas
series especicando el nmero de rezagos que usara y las razones por las que
propondra dichos modelos.