ANALISIS DE SERIES TEMPORALES

METODOLOGÍA DE BOX – JENKINS

MODELOS ARIMA
El análisis de series de tiempo trata del estudio del comportamiento de una serie de
tiempo utilizando como fuente de información los valores pasados de la propia serie.
La metodología que se sigue para hacer este análisis es la aportada por los investigadores
Box y Jenkins, por lo que se conoce este tipo de análisis de series temporales como análisis
de Box Jenkins. También se puede encontrar con la denominación de modelos ARIMA.

Definiciones:
Proceso Estocástico: llamamos proceso estocástico a una sucesión de variables aleatorias
{Yt} donde t = -.....-1, 0, 1, 2,

Ruido Blanco: Es una sucesión de variables aleatorias con esperanza cero, igual varianza e
independientes en el tiempo {et}

Paseo Aleatorio: llamamos paseo aleatorio a un proceso estocástico {Yt} cuyas primeras
diferencias forman un proceso ruido blanco. Yt-Yt-1 =et D Yt = et
Un proceso estocástico es estacionario en sentido estricto si para toda m-tupla (t1,...tm) y
todo entero k, el vector de variables Yt1,...,Ytm) tiene la misma distribución de probabilidad
conjunta que el vector (Yt1+k,...,Ytm+k).

La estacionariedad en sentido débil ó de segundo orden se produce cuando los momentos

de primer y de segundo orden del proceso estocástico son invariantes en el tiempo.

La función de autocorrelación:
Se define la Autocovarianza para el retardo k:

k=E(YtYtt-k) k=-.....-2,-1,0,1,2,3.......... cuando k=0  0=E(Yt2)=2y

La Función de Autocorrelacion (FAC) es una función compuesta por los llamados

coeficientes de autocorrelación, que se calculan como:

tanto los coeficientes de la función de autocovarianza como los coeficientes de la función

de autocorrelación son simétricos con respecto a k y supondremos, por ahora, que son
independientes del subíndice t, es decir, que estos coeficientes son constantes a lo largo del
tiempo y dependen solo de la longitud del retardo k.Para procesos reales se cumple
además:

Israel Esperon Castro

k=-k ; k=-k; 0=1; [k] 1
Ergocidad: las series temporales que se manejan en econometría están constituidas por
observaciones históricas, es decir, no proceden de la experimentación y por tanto, son
irrepetibles.

Una serie temporal puede contemplarse como una sola prueba de un experimento aleatorio
multivariante y constituye lo que se denomina una realización del proceso.
Los procesos que cumplen tales condiciones se denominan ergódicos.

Para hacer inferencias estadísticas en problemas donde interviene una solo variable
aleatoria es necesario recurrir a la repetición de experimentos.
Cuando un proceso estocástico cumple ciertas condiciones, es posible estimar
consistentemente sus características a partir de una realización del mismo. Los procesos
que cumplen tales condiciones se denominan ergódicos.
Un proceso estocástico estacionario es ergódico en la media, , si es posible estimar
consistentemente este parámetro haciendo uso de la media muestral temporal:

Función de autocorrelación muestral: en las aplicaciones prácticas, en las que se dispone

de ciertas observaciones, Yt t=1,...,T relativas a un proceso estocástico, la media del
proceso se puede estimar mediante:

Análogamente, la función de autocorrelación muestral se podrá calcular como:

La representación gráfica de , denominada correlograma muestral, constituye un

importante instrumento de análisis de series temporales.

Israel Esperon Castro