Econometría de series de tiempo: algunos

conceptos básicos
1 Procesos estocásticos Un proceso estocástico o aleatorio es una colección de variables aleatorias ordenadas en el tiemp
Si Y denota una variable aleatoria y es continua, se denota como Y(t), pero si es discreta se expres
Tenga en cuenta que cada una de estas Y es una variable aleatoria.

Procesos estocásticos estacionarios - Se dice que un proceso estocástico es estacionario si su media, su v

una serie de tiempo es estacionaria, su media, su varianza y su auto
- En otras palabras, una serie de tiempo no estacionaria tendrá una me

¿Por qué las series de tiempo estacionarias son tan importantes?Porque si una serie de tiempo e
Por tanto, cada conjunto de dato
En consecuencia, no es posible

proceso puramente aleatorio o de ruido blanco Se dice que un proceso es puram

(es una señal de que no estan correlacionadas las variables en dif ut ∼ IIDN(0, σ2)… =

buscar El ruido blanco o sonido b

es un test para ver si la variable

Procesos estocásticos no estacionarios Modelo de caminata aleatoria: Modelos n

1 Caminata aleatoria sin deriva El valor de Y en el tiempo t es ig

es una regresión de Y en el tiem
ECUACIONES EN DIFERENCIAS

2 Caminata aleatoria con deriva δ = parámetro de deriva

2 Proceso estocástico de raíz unitaria los términos no estacionariedad, caminata aleatoria, raíz unitaria y ten
para detectar estacionalidad (m.formal) si |ρ| = 1, tenemos lo que se conoce como probelma de raiz unitaria
si |ρ| < 1, podemos demostrar que la serie de tiempo Yt es estacionari
determina si la variables es estacionaria

3 Procesos estocásticos estacionarios en tendencia (ET) y estacionarios en diferencias (ED)

Si la tendencia de una serie de tiempo es:

Predecible y no variable … se le llama tendencia determinis
No es predecible y si es variable … se le llama tendencia estocástica

Por tanto, un MCA sin deriva es un proceso estacionario en diferencias (PED).

 Por tanto, un MCA con deriva y en consecuencia es no estacionaria ... mostrará una tendencia + o

4 Procesos estocásticos integrados para convertir una serie de tiempo no estacionaria a estacionaria

- Si una serie de tiempo (no estacionaria) debe diferenciarse d veces para hacerla estacionaria, d
- Si una serie de tiempo es estacionaria desde el principio (es decir, si no requiere ninguna difer
La mayoría de las series de tiempo económicas son I(1); es decir, por lo general se convierten en e

5 El fenómeno de regresión espuria es una regresion sin sentido

el modelo parece bueno pero no tiene sentido
se puede dar en series de tiempo no estacionarias
la regresion de series de tiempo no estacionarias puede generar una regresion espur
LAS VARIABLES Y y X pueden ser no estacionarias pero sus primeras diferencias si pu

REGLA: Si r^2 > d (durbin w) la regresión estimada es espuria

6 Pruebas de estacionariedad

1. Análisis gráfi co no estacionaria tw tsline TC

m.informal

m. formal
2. Función de autocorrelación (FAC) y correlograma (correlograma muestral)

las autocorrelaciones en distintos rezagos se ubican alrededor del cero.

 Ésta es una imagen de un correlograma de una serie de tiempo estacionaria

Elección de la longitud del rezago ¿Cuántos rezagos seran necesarios?

sera en funcion del: criterio de información Akaike o de Schwarz

7 Transformación de las series de tiempo no estacionarias Para evitar el problema de la regresión espuria que pudies
sobre una o más series de tiempo no estacionarias tenemo
 El método de transformación depende de que las series de
procesos estacionarios en diferencias (PED)

a) Procesos estacionarios en diferencias Si una serie de tiempo tiene una raíz unitaria, las primeras
En consecuencia, la solución aquí es tomar las primeras di

b) Procesos estacionarios en tendencia la manera más sencilla de convertir en estacionaria una se

Yt = β1 + β2t + ut

- Debe señalarse que si una serie de tiempo es PED pero se trata como si fuera PET, esto se conoce como hipodifer
- Por otra parte, si una serie de tiempo es PET pero se le trata como PED, se conoce como hiperdiferenciación.
Las consecuencias de estos errores de especificación pueden ser graves, según la manera en que se manejen las p

hosain econometria
8 Cointegración: regresión de una serie de tiempo con raíz unitaria sobre otra serie de tiempo con raíz unitaria
las varibles estan correlacionadas en el largo plazo
la variable Y es una serie de tiempo con raiz unitaria (osea es no estacionaria) y la variable X es igu
eatorias ordenadas en el tiempo
t), pero si es discreta se expresa como Y t.

estacionario si su media, su varianza y su covarianza son constantes en el tiempo (no varian en el tiempo)
su media, su varianza y su autocovarianza (en los diferentes rezagos) permanecen iguales sin importar el momento en el cual se midan; es
no estacionaria tendrá una media que varía con el tiempo o una varianza que cambia con el tiempo, o ambas.

orque si una serie de tiempo es no estacionaria, sólo podemos estudiar su comportamiento durante el periodo en consideración.
or tanto, cada conjunto de datos perteneciente a la serie de tiempo corresponderá a un episodio particular.
n consecuencia, no es posible generalizar para otros periodos. Así, para propósitos de pronóstico, tales series de tiempo (no estacionarias

e dice que un proceso es puramente aleatorio si tiene una media igual a cero, una varianza constante σ2 y no está serialmente correlaciona
t ∼ IIDN(0, σ2)… = ut está independiente e idénticamente distribuido como una distribución normal con media cero y varianza const

El ruido blanco o sonido blanco es una señal aleatoria (proceso estocástico) que se caracteriza por el hecho de que
Su esperanza es constante,µ, e igual a cero
cov (at , at+k)= 0 para todo k≠ 0
s un test para ver si la variable no tiene autocorrelacion wntestq
cumplir dos aséctos
minata aleatoria: Modelos no estacionarios una serie de tiempo
cumple patro
l valor de Y en el tiempo t es igual a su valor en el tiempo (t − 1) más un choque aleatorio
s una regresión de Y en el tiempo t sobre su valor rezagado un periodo es un modelo AR(1),
CUACIONES EN DIFERENCIAS

= parámetro de deriva

ata aleatoria, raíz unitaria y tendencia estocástica se consideran sinónimos.

mo probelma de raiz unitaria
rie de tiempo Yt es estacionaria TEST DE DICKEY FULLER Y TEST DE PHILLIPS PERRON

e le llama tendencia determinista;

e le llama tendencia estocástica

no estacionario
 ... mostrará una tendencia + o - … se llama tendencia estocástica. proceso estacionario en tendencia (PET).

tacionaria a estacionaria

ces para hacerla estacionaria, decimos que la serie es integrada de orden d.

r, si no requiere ninguna diferenciación), decimos que es integrada de orden cero
or lo general se convierten en estacionarias sólo después de tomar sus primeras diferencias

de generar una regresion espurea

sus primeras diferencias si pueden ser estacionarias

estacionaria

tambien se pueden utilizar los siguientes test:

TEST DE DICKEY FULLER dfuller TCD1
Phillips–Perron test pperron TCD1

El coefi ciente de autocorrelación comienza en un nivel muy alto y disminuye de modo muy lento ha
 es un correlograma habitual de una serie de tiempo no estacionaria.

varsoc
ción Akaike o de Schwarz

a regresión espuria que pudiese surgir al hacer la regresión de una serie de tiempo no estacionaria
tiempo no estacionarias tenemos que transformar las series de tiempo no estacionarias en estacionarias.
n depende de que las series de tiempo sean:
cionarios en diferencias (PED) o procesos estacionarios con tendencia (PET).

e una raíz unitaria, las primeras diferencias de tales series son estacionarias
n aquí es tomar las primeras diferencias de las series de tiempo

onvertir en estacionaria una serie de tiempo es hacer la regresión de ella sobre el tiempo y los residuos de tal regresión serán estacionarios

esto se conoce como hipodiferenciación.

como hiperdiferenciación.
anera en que se manejen las propiedades de correlación de los términos de error resultantes

mpo con raíz unitaria

tacionaria) y la variable X es igual… pero ambas en una regresión pueden no generar una regresión espurea.. Osea se cointegran.
momento en el cual se midan; es decir, son invariantes respecto del tiempo.

riodo en consideración.

eries de tiempo (no estacionarias) tienen poco valor práctico.

y no está serialmente correlacionado

l con media cero y varianza constante

acteriza por el hecho de que sus valores de señal en dos tiempos diferentes no guardan correlación estadística.

cumplir dos aséctos

na serie de tiempo
constancia en el tiempo
media varianza
covarianza

dfuller TCD1
pperron TCD1
 es la regla para ambos test: CONVIENE Q EL P-VALUE SEA MENOR AL 0.05
si |ρ| = 1, tenemos lo que se conoce como probelma de raiz unitaria
si |ρ| < 1, podemos demostrar que la serie de tiempo Yt es estacionaria

disminuye de modo muy lento hacia cero, conforme se prolonga el rezago.

e tal regresión serán estacionarios.

ea.. Osea se cointegran.

n correlación estadística.
 CASO: 01 CLASE CREAR UN MODELO DE SERIES DE TIEMPO PARA EL TIPO DE CAMBIO

1 COMANDOS PARA GENERAR EL TIEMPO EN SEMANAS

2 PRUEBA DE ESTACIONALIDAD

metodo grafico
3.5
TC
3
2.5

2007w1 2009w26 2012w1 2014

tiempo
 FUNCION DE AUTOCORRELOGRAMA

ac tc

1.00 0.50
Autocorrelations of tc
0.00 -0.50

0 10 20 3
Lag
Bartlett's formula for MA(q) 95% confidence bands

no es estacionaria

3 Transformación de las series de tiempo no estacionarias

Procesos estacionarios en diferencias

DETECTAR SI ES ESTACIONARIA.

METODO GRAFICO
0.15
.10
 0.15 0.10
Autocorrelations of d1tc
-0.05 0.00 0.05
-0.10
0 10 20
Lag
Bartlett's formula for MA(q) 95% confidence bands

estacionaria

4 TEST

PRUEBA DE DICKEY FULLER (DF)

5 AHORA GENMERAMOS SUS 2DAS DIFERENCIAS Y 3RAS DIFERENCIAS

COMANDO:

Y EL LOGARITMO DE LA VARIABLE (EN CASO SEA NECESARIO)

AHORA ETIQUETAMOS LAS VARIABLES:

6 AHOARA GENERAMOS SUS REZAGOS

AHORA ETIQUETAMOS LOS REZAGOS

7 LUEGO: GENERAR OPERACIONES O INDICADORES

Rtc =(TC-TCL1)/TCL1
8 PROYECCION DE LA VARIABLE TC Elección de la longitud del rezago

CRITERIOS DE ELECCION DE REZAGOS

9 MODELOS ARIMA DEBEMOS CREAR DIFERENTES MODELOS ARIMA PARA LUEGO SELECCIONAR EL MEJOR
10 VALIDADCIÓN DEL MODELO
11 FUNCIÓN DE REGRESIÓN

12 Prueba de Normalidad

crear sus residuos:

TEST

TEST DE JARQUE Y BERA (JB)

jb resid ch2 < 0.05 NORMALIDAD

NOS E RECHAZA LA HIPOTESIS NULA
13 TEST DE RUIDO BLANCO Prueba de ruido blanco del error

14 PRUEBA FINAL DEL MODELO

 REGLA
SI LAS RAICES ESTAN DENTRO DEL CIRCULO UNITARIO = RUIDO BLANCO

15 PRONOSTICOS

PRONOSTICO REAL
2016 44
2016 53
PO DE CAMBIO

3.5
TC
3
2.5

2012w1 2014w26 2017w1 2007w1 2009w26 2012w1

tiempo tiempo
 pac tc

1.00
Partial autocorrelations of tc
0.50
0.00
20 30 40 0 10 20
Lag Lag
nce bands 95% Confidence bands [se = 1/sqrt(n)]
.1
 .1
.05
d1tc
0-.05
-.1
20 30 40
Lag 2007w1 2009w26 2012w1 2014w26
dence bands tiempo

PRUEBA DE PHILLIPS PERRON (PP)

CCIONAR EL MEJOR

MODELOS ARIMA
PRUEBA DE NORMALIDAD, DE FORMA GRAFICA
w26 2012w1 2014w26 2017w1
tiempo
10 20 30 40
Lag
 [se = 1/sqrt(n)]
2012w1 2014w26 2017w1
tiempo
WHITE NOISE Q TEST TEST DE DURBIN WATSON

( P > chi2 ) > 0.05 RUIDO BLANCO INDEFINIDO

( P > chi2 ) TIENDE A 0.05 APLICAR OTRO TEST
( P > chi2 ) < 0.05 SI HAY MUCHA DIFERENCIA… NO HAY RUIDO BLANCO
EST DE DURBIN WATSON GRAFICA DE RUIDO BLANCO
 week TC t
1/7/2007 3.1905 1
1/14/2007 3.188 2
1/21/2007 3.1975 3
1/28/2007 3.1955 4
2/4/2007 3.1919 5
2/11/2007 3.1865 6
2/18/2007 3.1865 7
2/25/2007 3.188 8
3/4/2007 3.1865 9
3/11/2007 3.187 10
3/18/2007 3.1835 11
3/25/2007 3.1825 12
4/1/2007 3.1806 13
4/8/2007 3.1805 14
4/15/2007 3.1785 15
4/22/2007 3.171 16
4/29/2007 3.1645 17
5/6/2007 3.1705 18
5/13/2007 3.1625 19
5/20/2007 3.171 20
5/27/2007 3.1715 21
6/3/2007 3.1725 22
6/10/2007 3.168 23
6/17/2007 3.1695 24
6/24/2007 3.166 25
7/1/2007 3.164 26
7/8/2007 3.1595 27
7/15/2007 3.1575 28
7/22/2007 3.164 29
7/29/2007 3.1575 30
8/5/2007 3.1495 31
8/12/2007 3.156 32
8/19/2007 3.1635 33
8/26/2007 3.16 34
9/2/2007 3.162 35
9/9/2007 3.14 36
9/16/2007 3.1135 37
9/23/2007 3.0845 38
9/30/2007 3.02 39
10/7/2007 3.0165 40
10/14/2007 3.0215 41
10/21/2007 3.0155 42
10/28/2007 2.9976 43
 11/4/2007 2.9946 44
11/11/2007 2.9965 45
11/18/2007 3.0095 46
11/25/2007 2.9966 47
12/2/2007 2.9815 48
12/9/2007 2.9745 49
12/16/2007 2.9795 50
12/23/2007 2.995 51
12/30/2007 2.9665 52
1/6/2008 2.9225 53
1/13/2008 2.9475 54
1/20/2008 2.9385 55
1/27/2008 2.931 56
2/3/2008 2.9115 57
2/10/2008 2.9055 58
2/17/2008 2.8995 59
2/24/2008 2.8895 60
3/2/2008 2.8415 61
3/9/2008 2.8086 62
3/16/2008 2.7926 63
3/23/2008 2.7455 64
3/30/2008 2.7015 65
4/6/2008 2.7335 66
4/13/2008 2.7325 67
4/20/2008 2.8145 68
4/27/2008 2.7865 69
5/4/2008 2.7565 70
5/11/2008 2.7675 71
5/18/2008 2.8426 72
5/25/2008 2.8465 73
6/1/2008 2.809 74
6/8/2008 2.8835 75
6/15/2008 2.9176 76
6/22/2008 2.9655 77
6/29/2008 2.89 78
7/6/2008 2.8236 79
7/13/2008 2.8465 80
7/20/2008 2.8155 81
7/27/2008 2.8175 82
8/3/2008 2.858 83
8/10/2008 2.9365 84
8/17/2008 2.917 85
8/24/2008 2.9515 86
8/31/2008 2.9715 87
9/7/2008 2.9747 88
 9/14/2008 2.9535 89
9/21/2008 2.9625 90
9/28/2008 3.0093 91
10/5/2008 3.084 92
10/12/2008 3.057 93
10/19/2008 3.1075 94
10/26/2008 3.111 95
11/2/2008 3.105 96
11/9/2008 3.096 97
11/16/2008 3.1015 98
11/23/2008 3.091 99
11/30/2008 3.1205 100
12/7/2008 3.111 101
12/14/2008 3.1065 102
12/21/2008 3.147 103
12/28/2008 3.119 104
1/4/2009 3.1345 105
1/11/2009 3.1495 106
1/18/2009 3.1625 107
1/25/2009 3.199 108
2/1/2009 3.2385 109
2/8/2009 3.2385 110
2/15/2009 3.25 111
2/22/2009 3.2505 112
3/1/2009 3.226 113
3/8/2009 3.174 114
3/15/2009 3.1285 115
3/22/2009 3.134 116
3/29/2009 3.1102 117
4/5/2009 3.118 118
4/12/2009 3.0755 119
4/19/2009 3.042 120
4/26/2009 3.051 121
5/3/2009 2.9512 122
5/10/2009 3.0231 123
5/17/2009 3.0011 124
5/24/2009 2.984 125
5/31/2009 2.9675 126
6/7/2009 2.971 127
6/14/2009 2.9915 128
6/21/2009 3.007 129
6/28/2009 3.016 130
7/5/2009 3.0253 131
7/12/2009 3.014 132
7/19/2009 2.993 133
 7/26/2009 2.986 134
8/2/2009 2.933 135
8/9/2009 2.946 136
8/16/2009 2.9605 137
8/23/2009 2.936 138
8/30/2009 2.9325 139
9/6/2009 2.921 140
9/13/2009 2.893 141
9/20/2009 2.882 142
9/27/2009 2.878 143
10/4/2009 2.8604 144
10/11/2009 2.859 145
10/18/2009 2.8705 146
10/25/2009 2.909 147
11/1/2009 2.899 148
11/8/2009 2.874 149
11/15/2009 2.8815 150
11/22/2009 2.8865 151
11/29/2009 2.869 152
12/6/2009 2.877 153
12/13/2009 2.8815 154
12/20/2009 2.8821 155
12/27/2009 2.889 156
1/3/2010 2.849 157
1/10/2010 2.8545 158
1/17/2010 2.8525 159
1/24/2010 2.8605 160
1/31/2010 2.868 161
2/7/2010 2.8545 162
2/14/2010 2.8515 163
2/21/2010 2.848 164
2/28/2010 2.84 165
3/7/2010 2.8385 166
3/14/2010 2.8369 167
3/21/2010 2.8403 168
3/28/2010 2.842 169
4/4/2010 2.8365 170
4/11/2010 2.836 171
4/18/2010 2.8425 172
4/25/2010 2.8465 173
5/2/2010 2.8535 174
5/9/2010 2.8395 175
5/16/2010 2.8445 176
5/23/2010 2.8455 177
5/30/2010 2.85 178
 6/6/2010 2.848 179
6/13/2010 2.8285 180
6/20/2010 2.8368 181
6/27/2010 2.8245 182
7/4/2010 2.8237 183
7/11/2010 2.8245 184
7/18/2010 2.8235 185
7/25/2010 2.8205 186
8/1/2010 2.8015 187
8/8/2010 2.8045 188
8/15/2010 2.8 189
8/22/2010 2.7965 190
8/29/2010 2.793 191
9/5/2010 2.7905 192
9/12/2010 2.7925 193
9/19/2010 2.7875 194
9/26/2010 2.7895 195
10/3/2010 2.7887 196
10/10/2010 2.7935 197
10/17/2010 2.7935 198
10/24/2010 2.7985 199
10/31/2010 2.7925 200
11/7/2010 2.8025 201
11/14/2010 2.8055 202
11/21/2010 2.8165 203
11/28/2010 2.821 204
12/5/2010 2.827 205
12/12/2010 2.8135 206
12/19/2010 2.7995 207
12/26/2010 2.8062 208
1/2/2011 2.805 209
1/9/2011 2.788 210
1/16/2011 2.7715 211
1/23/2011 2.7735 212
1/30/2011 2.7685 213
2/6/2011 2.7665 214
2/13/2011 2.7675 215
2/20/2011 2.777 216
2/27/2011 2.7705 217
3/6/2011 2.7685 218
3/13/2011 2.7685 219
3/20/2011 2.7885 220
3/27/2011 2.805 221
4/3/2011 2.798 222
4/10/2011 2.8205 223
 4/17/2011 2.8207 224
4/24/2011 2.8265 225
5/1/2011 2.801 226
5/8/2011 2.754 227
5/15/2011 2.7575 228
5/22/2011 2.7555 229
5/29/2011 2.7585 230
6/5/2011 2.7615 231
6/12/2011 2.7605 232
6/19/2011 2.7595 233
6/26/2011 2.75 234
7/3/2011 2.7435 235
7/10/2011 2.74 236
7/17/2011 2.7365 237
7/24/2011 2.7382 238
7/31/2011 2.7406 239
8/7/2011 2.7415 240
8/14/2011 2.7335 241
8/21/2011 2.7305 242
8/28/2011 2.729 243
9/4/2011 2.7275 244
9/11/2011 2.734 245
9/18/2011 2.7705 246
9/25/2011 2.7735 247
10/2/2011 2.7435 248
10/9/2011 2.7205 249
10/16/2011 2.7215 250
10/23/2011 2.7075 251
10/30/2011 2.7055 252
11/6/2011 2.703 253
11/13/2011 2.7 254
11/20/2011 2.7185 255
11/27/2011 2.698 256
12/4/2011 2.696 257
12/11/2011 2.6965 258
12/18/2011 2.6945 259
12/25/2011 2.6965 260
1/1/2012 2.6925 261
1/8/2012 2.694 262
1/15/2012 2.692 263
1/22/2012 2.69 264
1/29/2012 2.689 265
2/5/2012 2.682 266
2/12/2012 2.6805 267
2/19/2012 2.678 268
 2/26/2012 2.675 269
3/4/2012 2.6695 270
3/11/2012 2.6705 271
3/18/2012 2.67 272
3/25/2012 2.6667 273
4/1/2012 2.6677 274
4/8/2012 2.6595 275
4/15/2012 2.651 276
4/22/2012 2.6385 277
4/29/2012 2.6415 278
5/6/2012 2.656 279
5/13/2012 2.6675 280
5/20/2012 2.6965 281
5/27/2012 2.7075 282
6/3/2012 2.6805 283
6/10/2012 2.658 284
6/17/2012 2.6515 285
6/24/2012 2.6655 286
7/1/2012 2.6485 287
7/8/2012 2.625 288
7/15/2012 2.6355 289
7/22/2012 2.6265 290
7/29/2012 2.6265 291
8/5/2012 2.6195 292
8/12/2012 2.6125 293
8/19/2012 2.6155 294
8/26/2012 2.6115 295
9/2/2012 2.6117 296
9/9/2012 2.5995 297
9/16/2012 2.6025 298
9/23/2012 2.5975 299
9/30/2012 2.5967 300
10/7/2012 2.5865 301
10/14/2012 2.5835 302
10/21/2012 2.5995 303
10/28/2012 2.597 304
11/4/2012 2.6125 305
11/11/2012 2.606 306
11/18/2012 2.5875 307
11/25/2012 2.579 308
12/2/2012 2.5755 309
12/9/2012 2.5635 310
12/16/2012 2.5647 311
12/23/2012 2.5525 312
12/30/2012 2.55 313
 1/6/2013 2.5455 314
1/13/2013 2.5522 315
1/20/2013 2.56 316
1/27/2013 2.5775 317
2/3/2013 2.5783 318
2/10/2013 2.567 319
2/17/2013 2.592 320
2/24/2013 2.5975 321
3/3/2013 2.6033 322
3/10/2013 2.593 323
3/17/2013 2.593 324
3/24/2013 2.59 325
3/31/2013 2.586 326
4/7/2013 2.5875 327
4/14/2013 2.593 328
4/21/2013 2.6365 329
4/28/2013 2.626 330
5/5/2013 2.602 331
5/12/2013 2.644 332
5/19/2013 2.679 333
5/26/2013 2.7435 334
6/2/2013 2.736 335
6/9/2013 2.733 336
6/16/2013 2.781 337
6/23/2013 2.782 338
6/30/2013 2.7905 339
7/7/2013 2.7767 340
7/14/2013 2.774 341
7/21/2013 2.7853 342
7/28/2013 2.7925 343
8/4/2013 2.79 344
8/11/2013 2.7975 345
8/18/2013 2.813 346
8/25/2013 2.809 347
9/1/2013 2.805 348
9/8/2013 2.774 349
9/15/2013 2.7495 350
9/22/2013 2.783 351
9/29/2013 2.778 352
10/6/2013 2.774 353
10/13/2013 2.759 354
10/20/2013 2.76 355
10/27/2013 2.7755 356
11/3/2013 2.8005 357
11/10/2013 2.7995 358
11/17/2013 2.804 359
11/24/2013 2.8025
12/1/2013 2.8005
12/8/2013 2.7713
12/15/2013 2.7655
12/22/2013 2.7963
12/29/2013 2.8085
1/5/2014 2.7975
1/12/2014 2.8083
1/19/2014 2.8235
1/26/2014 2.823
2/2/2014 2.82
2/9/2014 2.815
2/16/2014 2.8065
2/23/2014 2.798
3/2/2014 2.8025
3/9/2014 2.804
3/16/2014 2.8105
3/23/2014 2.8133
3/30/2014 2.814
4/6/2014 2.784
4/13/2014 2.7725
4/20/2014 2.803
4/27/2014 2.802
5/4/2014 2.789
5/11/2014 2.788
5/18/2014 2.7895
5/25/2014 2.7645
6/1/2014 2.7895
6/8/2014 2.788
6/15/2014 2.8053
6/22/2014 2.796
6/29/2014 2.7695
7/6/2014 2.788
7/13/2014 2.791
7/20/2014 2.789
7/27/2014 2.798
8/3/2014 2.7975
8/10/2014 2.8045
8/17/2014 2.8315
8/24/2014 2.8445
8/31/2014 2.8505
9/7/2014 2.858
9/14/2014 2.8655
9/21/2014 2.8865
 9/28/2014 2.902
10/5/2014 2.906
10/12/2014 2.9045
10/19/2014 2.911
10/26/2014 2.923
11/2/2014 2.9275
11/9/2014 2.932
11/16/2014 2.913
11/23/2014 2.924
11/30/2014 2.957
12/7/2014 2.9625
12/14/2014 2.9735
12/21/2014 2.98
12/28/2014 2.9644
1/4/2015 2.988
1/11/2015 3.016
1/18/2015 3.0195
1/25/2015 3.063
2/1/2015 3.071
2/8/2015 3.081
2/15/2015 3.086
2/22/2015 3.0935
3/1/2015 3.0965
3/8/2015 3.0972
3/15/2015 3.084
3/22/2015 3.0926
3/29/2015 3.0925
4/5/2015 3.1195
4/12/2015 3.1249
4/19/2015 3.1354
4/26/2015 3.1301
5/3/2015 3.144
5/10/2015 3.1453
5/17/2015 3.1455
5/24/2015 3.1534
5/31/2015 3.1634
6/7/2015 3.1548
6/14/2015 3.167
6/21/2015 3.1677
6/28/2015 3.1765
7/5/2015 3.1794
7/12/2015 3.1831
7/19/2015 3.1856
7/26/2015 3.1862
8/2/2015 3.2017
 8/9/2015 3.2414
8/16/2015 3.2742
8/23/2015 3.226
8/30/2015 3.215
9/6/2015 3.2147
9/13/2015 3.1899
9/20/2015 3.2228
9/27/2015 3.2239
10/4/2015 3.212
10/11/2015 3.2498
10/18/2015 3.2714
10/25/2015 3.2801
11/1/2015 3.3085
11/8/2015 3.3365
11/15/2015 3.3625
11/22/2015 3.3685
11/29/2015 3.3674
12/6/2015 3.3756
12/13/2015 3.3738
12/20/2015 3.3833
12/27/2015 3.4095
1/3/2016 3.425
1/10/2016 3.4219
1/17/2016 3.4459
1/24/2016 3.4709
1/31/2016 3.4805
2/7/2016 3.5045
2/14/2016 3.519
2/21/2016 3.522
2/28/2016 3.456
3/6/2016 3.359
3/13/2016 3.3775
3/20/2016 3.3785
3/27/2016 3.344
4/3/2016 3.3715
4/10/2016 3.274
4/17/2016 3.2706
4/24/2016 3.2859
5/1/2016 3.3098
5/8/2016 3.3356
5/15/2016 3.3321
5/22/2016 3.349
5/29/2016 3.3342
6/5/2016 3.331
6/12/2016 3.3167
 6/19/2016 3.3127
6/26/2016 3.2875
7/3/2016 3.2842
7/10/2016 3.2784
7/17/2016 3.3215
7/24/2016 3.3575
7/31/2016 3.332
8/7/2016 3.314
8/14/2016 3.3197
8/21/2016 3.3495
8/28/2016 3.383
9/4/2016 3.393
9/11/2016 3.392
9/18/2016 3.3565
9/25/2016 3.383
10/2/2016 3.4032
10/9/2016 3.4026
10/16/2016 3.4077