3CT

MODELO ARIMA

Del 25/07/2012 al 13/07/2017

1250 Datos Diarios

Autor: Christopher Carlos Collantes Taqueda (3CT)

 3CT

Determinando
Necesidad de usar LN en
Serie
 3CT
Programacin 1 de 2
 3CT
Programacin 2 de 2
 3CT

Media Rango
 3CT

Grafico Rango Media

24

20 Dado que los puntos que

forman el grafico Rango
Media forman una figura
16
lineal ascendente (lnea
roja),
RANGO

12
0
8 Por lo tanto, se toma
logaritmo natural.

4
72 74 76 78 80 82 84 86 88 90

MEDIA
 3CT

Determinando
Estacionariedad d
 3CT
Prueba de la Raz Unitaria
Prueba ADF ( Dickey Fuller Aumentado)
Para los LOGN de los Precios de XOM
Prueba:
P(ADF) 0.05, ausencia de
autocorrelacin.

. %
0 . %
1 1
-3.128047-2.863646 2.863646

0 : No es estacionaria.
1 : S es estacionaria.

Al ubicarse el t-Statistic en la
regin (P(ADF) 0.05), la serie
es estacionaria y por lo tanto no
es voltil.

d 0
 3CT

Determinando
MA & AR
p&q
 3CT

Como se observa en el grafico, la

primera y la trigsimo tercera
barras azules sobresalen por
encima de las bandas de
confianza (partial correlation)
mientras que la autocorrelation
decae lentamente; siendo el
proceso que sigue la serie un
AR(1) & AR(33).

p* 1 y 33
q* 0
* Se corroboraran s son significativas para el modelo intermedio.
 3CT

Determinando p&q
MA & AR significativos
 3CT

Como se observa en el
modelo, AR(33) no es
significativo dado que tiene
una probabilidad mayor al
5% (13.42%) por lo que
procederemos a extraerla
del modelo.
 3CT

Determinando
Modelo Intermedio
 3CT

Como se observa en el
modelo, tanto la constante
como AR(1) son
significativas dado que
tienen una probabilidad
menor al 5% (0.00% y
0.00% respectivamente)
por lo que este ser
nuestro modelo
intermedio.

Adems se observa un R^2

alto (0.973366).
LNXOM (1 L)(1 L) t MODELO INTERMEDIO

LNXOM 1LNXOM t 1 2 LNXOM t 2 t MODELO FINAL*

* An a correr y ver si las variables son o no significativas

 3CT

Dependent Variable: LNXOM

Method: Least Squares
Date: 07/25/17 Time: 15:24
Sample (adjusted): 3 1250
Included observations: 1248 after adjustments
Como se observa en el
Variable Coefficient Std. Error t-Statistic Prob.
modelo, LNXOM(-2) no es
C 0.061520 0.020377 3.019135 0.0026 significativo dado que tiene
LNXOM(-1) 0.969685 0.028320 34.24003 0.0000 una probabilidad mayor al
LNXOM(-2) 0.016347 0.028290 0.577844 0.5635 5% (56.35%) por lo que
R-squared 0.973406 Mean dependent var 4.399437
procederemos a extraerla
Adjusted R-squared 0.973363 S.D. dependent var 0.066534 del modelo.
S.E. of regression 0.010859 Akaike info criterion -6.205276
Sum squared resid 0.146803 Schwarz criterion -6.192946
Log likelihood 3875.092 Hannan-Quinn criter. -6.200641
F-statistic 22785.17 Durbin-Watson stat 2.001676
Prob(F-statistic) 0.000000
 3CT

Dependent Variable: LNXOM

Method: Least Squares
Date: 07/25/17 Time: 15:24 Como se observa en el
Sample (adjusted): 2 1250 modelo, tanto la constante
Included observations: 1249 after adjustments como LNXOM(-1) son
significativas dado que
Variable Coefficient Std. Error t-Statistic Prob. tienen una probabilidad
menor al 5% (0.18% y
C 0.063561 0.020296 3.131758 0.0018 0.00% respectivamente)
LNXOM(-1) 0.985571 0.004613 213.6563 0.0000 por lo que este ser
nuestro modelo
R-squared 0.973409 Mean dependent var 4.399362 intermedio.
Adjusted R-squared 0.973388 S.D. dependent var 0.066560
S.E. of regression 0.010858 Akaike info criterion -6.206214 Adems se observa un R^2
Sum squared resid 0.147019 Schwarz criterion -6.198000 alto (0.973388).
Log likelihood 3877.781 Hannan-Quinn criter. -6.203126
F-statistic 45649.02 Durbin-Watson stat 2.030575
Prob(F-statistic) 0.000000

LNXOM 1 LNXOM t 1 t MODELO FINAL

 3CT

Chequeando
Modelo Final
 3CT

El modelo no posee ruido

blanco debido a que presenta
retardos en 4, 32 y 34 para
parciales correlaciones como
para autocorrelaciones
superando en estos puntos los
limites de las bandas de
confianza.
 3CT

280
Series: Residuals
240 Sample 2 1250
Observations 1249
200
Mean 6.98e-16
Median 3.13e-05
160 Maximum 0.050272
Minimum -0.051149
120 Std. Dev. 0.010854
Skewness -0.108346
80 Kurtosis 5.766400

40 Jarque-Bera 400.7170
Probability 0.000000
0
-0.04 -0.02 0.00 0.02 0.04

A pesar que el modelo final no cumple con el supuesto de

normalidad, este puede ser usado para hacer proyecciones
debido a que el tamao de la muestra es grande (1250
observaciones).
 3CT

Chow Breakpoint Test: 625

Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 2 1250

F-statistic 0.683143 Prob. F(2,1245) 0.5052

Log likelihood ratio 1.369923 Prob. Chi-Square(2) 0.5041
Wald Statistic 1.366285 Prob. Chi-Square(2) 0.5050

Se evalu la estabilidad en el modelo, encontrndose que el

modelo es estable (se acepta la hiptesis nula de estabilidad
del modelo con un p-value mayor al 5%).
 3CT

Determinando
Grafico de Residuos
 3CT

4.6

4.5

4.4

4.3

.06 4.2

.04 4.1
.02
.00
-.02
-.04
-.06
250 500 750 1000 1250

Residual Actual Fitted

LNXOM 1LNXOM t 1 t
 3CT

MODELO ARIMA

Del 25/07/2012 al 13/07/2017

1250 Datos Diarios

Autor: Christopher Carlos Collantes Taqueda (3CT)