PROCESOS ESTOCÁSTICOS

Un proceso estocástico o aleatorio es una colección de variables aleatorias

ordenadas en el tiempo.
La mayoría de los datos económicos se recopilan en puntos discretos de tiempo,
por lo tanto se dice que Yt.

Y= PIB
Y1= PIB 2000
Y2=PIB 2001
Y3= PIB 2002
Por lo tanto Y es una variable aleatoria
• Se asume que cada valor de Y1, Y2, …Yt en la serie es extraído al azar
de una distribución de probabilidad.

• Se busca describir las características de su aleatoriedad, esto ayuda a

inferir algo sobre las probabilidades asociadas con valores futuros
alternativos de la serie.
Estacionarios
Propiedad de los procesos estacionarios
• Se dice que cualquier serie de tiempo estocástica puede considerarse
generada por un conjunto de variables aleatorias distribuidas en
forma conjunta, es decir, el conjunto de datos individuales (Y1,…Yt)
representa un resultados particular de la distribución de probabilidad
conjunta P(Y1,….Yt)
• Así mismo una observación futura Yt+1 puede considerarse como
generada por una función de distribución de probabilidad
condicional.
• Por lo tanto un proceso estacionario se define como uno cuya
distribución conjunta y distribución condicional son invariables con
respecto al desplazamiento en el tiempo.
• En la práctica encontraremos series con problemas de
estacionariedad que afecten a cualquiera de sus parámetros básicos,
siendo los que más suelen afectar al proceso de análisis las
inconstancias en media y varianza.
Proceso estocástico estacionario

Si una serie de tiempo es estacionaria, si su media, su varianza y su

covarianza (en los diferentes rezagos) permanecen iguales sin
importar el momento en el cual se midan; es decir, son invariantes
respecto del tiempo.

Escribir……4
La función de autocorrelación
• La función de autocorrelación demostrará ser muy útil debido a que
proporciona una descripción parcial del proceso para propósitos de
modelado.
• La función de autocorrelación nos dice cuanta correlación hay (y por
implicación cuanta interdependencia hay) entre datos individulaes
contiguos en la serie Yt.
Definimos la autocorrelación con rezago k como:
...... 5
 Ruido blanco
• Se trata de un proceso estacionario εt que cumple las siguientes
características:

Podemos interpretar un ruido blanco como una sucesión de

valores sin relación alguna entre ellos, oscilando en tomo al
cero dentro de un margen constante.

En este tipo de procesos, conocer valores pasados no

proporciona ninguna información sobre el futuro ya que el
proceso es ”puramente aleatorio” y por consiguiente ”carece
de memoria”
 La gráfica muestra un ruido blanco con media cero y
varianza constante e igual a uno

Una de las características principales de un proceso estocástico es su correlograma y en el caso del

proceso de ruido blanco no puede ser más sencillo: puesto que las variables correspondientes a
distintos instantes están incorreladas, todos los coeficientes de correlación serán 0 salvo el
correspondiente a un retardo 0 que será 1.
No estacionarios
Caminatas aleatorias
En el proceso mas simple de caminata aleatoria cada cambio sucesivo
en Yt es extraído en forma independiente de una distribución de
probabilidad con media 0. Por lo tanto Yt esta determinada por:

𝑦𝑡 = 𝑦𝑡−1 + 𝜀𝑡
Con 𝐸 𝜀𝑡 = 0
𝐸 𝜀𝑡 𝜀𝑠 = 0
Dicho proceso puede ser representado por los lanzamientos sucesivos
de una moneda, donde cada cara recibe un valor de +1 y una cruz
recibe un valor de -1.
• Consideremos el caso en el que se requiere un pronostico para un
proceso de caminata aleatoria :…..1
• El pronostico dos periodos adelante es:

• Por lo tanto se pueden obtener intervalos de confianza para nuestro

pronostico y estos intervalos se volverán mas amplios conforme se
incremente el horizonte del pronostico .
Proceso estocástico no estacionario
Los precios de valores, como las acciones o las tasas de cambio, siguen
una caminata aleatoria; es decir, son no estacionarios. Hay dos tipos
de caminatas aleatorias:

1) caminata aleatoria sin deriva o sin desvío (es decir, sin término
constante o de intercepto), y

2) caminata aleatoria con deriva o con desvío (es decir, hay un término
constante).
Proceso estocástico de raíz unitaria
Modelo de caminata aleatoria:

¿Qué pasa si p toma valor de 1=?

Se convierte en un modelo de caminata aleatoria sin deriva

Si ρ es 1, tenemos lo que se conoce como problema de raíz unitaria; es decir, enfrentamos

una situación de no estacionariedad.

El nombre de raíz unitaria se debe a que ρ = 1. Por tanto, los términos no estacionariedad,
caminata aleatoria, raíz unitaria y tendencia estocástica se consideran sinónimos.
Procesos estocásticos estacionarios…

La distinción entre procesos estocásticos estacionarios y no

estacionarios tiene una importancia fundamental para saber si la
tendencia en las series de tiempo económicas reales son
determinista o estocástica.

En términos generales, si la tendencia de una serie de tiempo es del

todo predecible y no variable, se le llama tendencia determinista; si
no es predecible, se le llama tendencia estocástica.