UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE CONTABILIDAD Y AUDITORÍA

CARRERA DE ECONOMÍA
DIAGNÓSTICO DE DESARROLLO SECTORIAL SUSTENTABLE

TEMA:

Video: TEMA 9 Modelos ARIMA C

INTEGRANTES:
Castro Fernando.
García Byron.
Maya Nataly.
Rodríguez Ángela.
Zurita Cynthia.
CURSO: 7° “A” FECHA: 11/06/2018
Profesor: Econ. Julio Villa.

AMBATO
2018
 TEMA 9 Modelos ARIMA C
7.2 Condición de estacionariedad en los modelos ARIMA
¿Cómo se hace para que una serie sea estacionaria?
Lo que debemos hacer es transformarla.
Ejemplo:
Tenemos aquí una serie que corresponde al IPI.
IPI= Índice de Producción Industrial

Al ser un índice de producción tenemos unas caídas muy pronunciadas en los veranos, es
una serie mensual y antigua debido a que corresponde a los años 1995-2000. Tiene fuerte
estacionalidad y cierta tendencia creciente. Si nos enfocamos en aquellos picos que no
tienen estacionalidad, tendremos que éstos varían un poco, es decir, las oscilaciones que
no son estacionales también sufren cierta variación, por lo que suponemos que existe
heterocedasticidad.
Para omitir la heterocedasticidad se toma la serie original y se transforma en logaritmos,
con los cuales formamos una serie nueva:
LIPI= Log (IPI)
LIPI= Log (Índice de Producción Industrial)
A simple vista, es una serie muy parecida a la anterior pero no es igual. En primero lugar,
estamos viendo que la serie IPI está medida por un número índice, por lo tanto su base es
100; mientras que la serie LIPI, el eje vertical no contiene números índices pues ésta ha
sido transformada en términos logarítmicos.
Por ejemplo, si vemos el recorrido de la serie total del IPI, se tiene como valor mínimo el
número 60 y como máximo el 140, el recorrido de la serie es de 70 unidades; mientras
tanto en LIPI se encuentra un rango de 4.1 a 5 debido a que la escala logarítmica lo que
hace es reducir las diferencias. Por ejemplo, en LIPI la diferencia va de 4.2 a 4.8, es decir,
de 0,6 décimas.
Por tal motivo, la transformación logarítmica lo que hace es engañar de alguna manera al
efecto de heterocedasticidad. Es posible que siga habiendo diferencias pero estas
diferencias ya son menores en referencia a la serie original en lo que a la parte no
estacional se refiere. Por tal motivo, la transformación logarítmica siempre es útil porque
independientemente de que se reduzcan estas diferencias hay una cosa obvia que es entre
las diferencias de la varianza entre subperiodos son menores por definición, es decir,
cuando la variable esta medida en términos logarítmicos porque la escala es menor.
Además se observa que en LIPI hay una tendencia creciente que se representa con una
línea recta que tiene pendiente positiva hacia el eje horizontal.
Y si aplicamos la transformación de primeras diferencias sobre la serie ya transformada
a logaritmos, pues crearíamos una tercera serie que sería: DLIPI= LIPI-LIPI (-1). Este
caso se utilizaría si queremos eliminar las dos cosas, en ese sentido si se tendría que
diferencias la que está en logaritmos.
En este caso se ha extraído las primeras diferencias únicamente a la serie original,
quedándonos lo siguiente:
DIPI= IPI-IPI (-1)
La tendencia tiene ángulo cero respecto del eje horizontal, es decir la tendencia creciente
se ha eliminado. Y la media de la serie es cero, es lo que se comentaba anteriormente que
cuando la serie ya es estacionaria aplicando el método de primeras diferencias la media
es constante y cero en este caso, por eso el término independiente de los modelos se
eliminan.
Por último vamos a introducir un concepto nuevo que es el concepto de:
OPERADOR RETARDO: Es una forma de escribir los modelos ARIMA que son
modelos muy farragosos, es decir, que pueden ser muy largos a la hora de escribirlos.
Entonces para poder escribir estos modelos de una forma más compacta, utilizamos una
expresión que es a lo que llamamos OPERADOR RETARDO.
A este operador lo vamos a escribir con la letra B, aunque en otros textos lo denominan
con la letra L que significa Lack en inglés.
¿En qué consiste un operador retardo?
 Lo que hace es retardar, es decir, es una expresión tal que multiplicada a otra la
retarda tantas veces como sea el exponente de ese operador. Por ejemplo:
𝐵𝑦𝑡 = 𝑦𝑡−1
Como B está elevado a 1, lo que hace el operador cuando está multiplicando a 𝑌𝑡 es
retardar en 𝑌𝑡−1 . Por ejemplo, si B estuviera elevado al cuadrado, tendríamos 𝑌𝑡−2 , y así
sucesivamente, si en lugar de decir que está elevado a un número está elevado a s
periodos, tendríamos:
𝐵 𝑠 𝑦𝑡 = 𝑦𝑡−𝑠
Entonces, ¿para qué sirve esto?
Esto sirve para poder expresar estas expresiones tan largas de una manera más sencilla.
De esta manera:
𝐴𝑅𝐼𝑀𝐴(1,1,1): Δ𝑦𝑡 = 𝜙1 Δ𝑦𝑡−1 + 𝑎𝑡 + 𝜃𝑎𝑡−1 (1)
𝑦𝑡 − 𝑦𝑡−1 = 𝜙1 (𝑦𝑡−1 − 𝑦𝑡−2 ) + 𝑎𝑡 + 𝜃𝑎𝑡−1 (2)
 𝑦𝑡 − 𝐵𝑦𝑡 = 𝜙1 (B𝑦𝑡−1 − 𝐵 2 𝑡−2 ) + 𝑎𝑡 + 𝜃𝐵𝑎𝑡 (3)
(1 − 𝐵)𝑦𝑡 = 𝜙1 B𝑦𝑡 (1 − 𝐵) + (1 + 𝜃𝐵)𝑎𝑡 (4)
(1 − 𝐵)𝑦𝑡 − 𝜙1 B𝑦𝑡 (1 − 𝐵) = (1 + 𝜃𝐵)𝑎𝑡 (5)
(1 − 𝜙1 B)(1 − 𝐵)𝑦𝑡 = (1 + 𝜃𝐵)𝑎𝑡 (6)
El modelo ARIMA (1, 1,1) significa AR=1 MA=1, y el número 1 del medio es el
correspondiente al orden de integración, a la “I”, es decir, el número de veces que hay
que diferenciar la serie (Y) para hacerla estacionaria. Por lo tanto el uno intermedio
significa que a la serie hay que diferenciarla una vez, por tal motivo, como vemos en (1)
no podemos poner solo 𝑦𝑡 , habrá que poner Δ elevada a 1 por 𝑦𝑡 , que significa que a 𝑦𝑡
la vamos a diferenciar una vez. Además en esa serie no hay término independiente, porque
como hemos visto antes que siendo estacionaria en media por diferencias termina
teniendo un valor 0, por tal motivo ya no se pone. Además como AR=1 se dice que es
𝜙1 Δ𝑦𝑡−1, la perturbación aleatoria está en medio y ahora, como la perturbación aleatoria
no se diferencia ponemos 𝜃𝑎𝑡−1 .
Entonces (1) se acortaría a partir de (2), Δ𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1, lo cual se procede a reemplazar
según corresponda. Si aplicamos a partir de aquí el concepto de operador retardo
tendremos que 𝑦𝑡−1 = 𝐵 elevado a 1 por 𝑦𝑡 en la primera parte de (3), mientras que en la
zona derecha tendríamos 𝑦𝑡−1 = 𝐵 elevado a 1 por 𝑦𝑡 , y 𝑦𝑡−2 = 𝐵 elevado a 2 por 𝑦𝑡 , y
en la perturbación sería en 𝑎𝑡−1=B𝑎𝑡
En (4) vamos a intentar simplificar extrayendo el factor común que sería en este caso 𝑦𝑡 ,
en la zona izquierda 𝐵𝑦𝑡 y 𝑎𝑡 en las perturbaciones.
En (5) pasamos a la izquierda todos los 𝑦𝑡 y dejar en la derecha todo lo que es 𝑎𝑡 , de
manera que la perturbación aleatoria esté en la derecha, únicamente que lo que pasa a la
parte izquierda estaría con signo negativo.
Finalmente en (6), nuevamente sacamos factor común, en donde nos queda (1 − 𝐵)𝑦𝑡 y
realizamos las operaciones quedándonos un binomio; mientras que en laparte derecha
tendríamos lo mismo que (5). Por lo tanto, lo que tenemos en (6) es un binomio que está
correctamente expresado, pues como es un AR=1 únicamente debe haber un 𝜙1 , así que:
𝐀𝐑 𝟏 = 1 − 𝜙1 B
𝐈 𝟏 = Δ𝑦𝑡 = (1 − 𝐵)𝑦𝑡 : 𝐸𝑠 𝑑𝑒𝑐𝑖𝑟, 𝑒𝑠 𝑦𝑡 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑑𝑎.
𝐌𝐀 𝟏 = (1 + 𝜃𝐵)𝑎𝑡
¿Cómo sería un modelo general p, d, q?

(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 − ⋯ − 𝜙𝑝 𝐵 𝑝 )(1 − 𝐵)𝑑 𝑦𝑡 = (1 + 𝜃1 𝐵 + 𝜃2 𝐵 2 + ⋯ + 𝜃𝑞 𝐵 𝑞 )𝑎𝑡

Donde:
: Expresión de polinomio de retardos todos restándose (p).
: Número de diferencias (d).
: Expresión de polinomio de retardos todos sumándose (q).
Estos polinomios para evitar los puntos suspensivos se pueden expresar de una manera
compacta, así:
𝜙𝑝 (𝐵)∇𝑑 𝑦𝑡 = 𝜃𝑞 (𝐵)𝑎𝑡

Donde:
∇= (1-B)
𝜙𝑝 (𝐵): 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑝 𝑒𝑛 𝐵 𝑐𝑜𝑛 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝜙𝑖

𝜙𝑞 (𝐵): 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑞 𝑒𝑛 𝐵 𝑐𝑜𝑛 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝜃𝑖

Por ejemplo, tenemos aquí la expresión general y repasaremos cómo se expresa en

diferentes determinaciones:

(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 − ⋯ − 𝜙𝑝 𝐵 𝑝 )(1 − 𝐵)𝑑 𝑦𝑡 = (1 + 𝜃1 𝐵 + 𝜃2 𝐵 2 + ⋯ + 𝜃𝑞 𝐵 𝑞 )𝑎𝑡

𝑦𝑡 − 𝑦𝑡−1 = 𝑎𝑡 + 𝜃1 𝑎𝑡−1
ARIMA
(1 − 𝐵)𝑦𝑡 = (1 + 𝜃1 𝐵)𝑎𝑡
(0,1,1)
∇𝑦𝑡 = 𝜃1 (𝐵)𝑎𝑡
𝑦𝑡 − 𝑦𝑡−1 − 𝜙1 (𝑦𝑡−1 − 𝑦𝑡−2 ) = 𝑎𝑡 + 𝜃1 𝑎𝑡−1
ARIMA
𝜙1 (𝐵)∇𝑦𝑡 = 𝜃1 (𝐵)𝑎𝑡
(1,1,1)
(1 − 𝜙1 𝐵)(1 − 𝐵)𝑦𝑡 = (1 + 𝜃1 𝐵)𝑎𝑡
(𝑦𝑡 − 𝑦𝑡−1 ) − 𝜙1 (𝑦𝑡−1 − 𝑦𝑡−2 ) − 𝜙2 (𝑦𝑡−2 − 𝑦𝑡−3 ) = 𝑎𝑡 + 𝜃1 𝑎𝑡−1
ARIMA
(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 )(1 − 𝐵)𝑦𝑡 = (1 + 𝜃1 𝐵)𝑎𝑡
(2,1,1)
𝜙2 (𝐵)∇𝑦𝑡 = 𝜃1 (𝐵)𝑎𝑡

Explicaciones:
ARIMA (0,1,1): AR (0) Diferencia (1) MA (1)
La variable Y en primeras diferencias porque hay que diferenciarla una vez, entonces
podríamos decir ∆𝑦 = 𝑦𝑡 − 𝑦𝑡−1 es decir que como no hay parte AR, vamos directamente
al error, es decir, 𝑎𝑡 + 𝜃1 𝑎𝑡−1 , porque la “a” no se diferencia. En forma de operador
retardo tendríamos: (1 − 𝐵)𝑦𝑡 = (1 + 𝜃1 𝐵)𝑎𝑡 debido a que se extrae el factor común.
Entonces como se expresaría? ∇= 1 − 𝐵, entonces ∇𝑦𝑡 = 𝜃1 (𝐵)𝑎𝑡 .
ARIMA (2,1,1): Tenemos nuevamente una diferencia, ya que se observa (𝑦𝑡 − 𝑦𝑡−1 ),
hemos saltado ya una serie de pasos porque se lo ha hecho ya en ARIMA (1, 1, 1). Esto
𝜙2 (𝑦𝑡−2 − 𝑦𝑡−3 )aparece porque es un AR (2).
Lo que sucede es que este modelo está atendiendo solamente la parte regular, si encima
le incorporamos la parte estacional, los modelos ARIMA podrían ser una cosa tremenda
por la expresión matemática de los mismos. Entonces la cosa se complica.
Vamos a ver que si la serie muestra una tendencia, por ejemplo la parte estacional habría
también que diferenciarla, se diferenciaría por ejemplo de orden 4 o de orden 12, tantas
veces como fuera necesario para eliminar esa tendencia en la parte estacional. Entonces,
todo habría que trasladarlo, entonces resulta que la “I” no solamente va a estar
diferenciada una vez en la parte regular sino luego a su vez 4 veces o 12 o las que sean
en la parte estacional.
Entonces:

Datos trimestrales s=4 𝑦𝑡 − 𝑦𝑡−4 = (1 − 𝐵4 )𝑦𝑡 = ∇4 𝑦𝑡

1 diferencia
Datos mensuales s=12 𝑦𝑡 − 𝑦𝑡−12 = (1 − 𝐵12 )𝑦𝑡 = ∇12 𝑦𝑡

Todo esto complicaría mucho porque el operador retardo porque si es una diferencia de
orden 4 no de orden 1, en lugar de ser (1-B) sin más, será (1-B4) y si fuera de orden 12
sería (1-B12). Entonces esto se expresaría como una ∇4 𝑦𝑡 o ∇12 𝑦𝑡 . Esta explicación es
porque solamente se refiere a una sola diferencia.
En cambio si fueran 2 diferencias como en este caso:
Datos
s=4 (𝑦𝑡 − 𝑦𝑡−4 ) − (𝑦𝑡−4 − 𝑦𝑡−8 ) = (1 − 𝐵4 )2 𝑦𝑡 = ∇24 𝑦𝑡
2 trimestrales
diferencias Datos 2
s=12 (𝑦𝑡 − 𝑦𝑡−12 ) − (𝑦𝑡−12 − 𝑦𝑡−24 ) = (1 − 𝐵12 )2 𝑦𝑡 = ∇12 𝑦𝑡
mensuales
De orden cuatro, sería (1 − 𝐵 4 )2 𝑦𝑡 , o lo que sería lo mismo, 𝑦𝑡 = ∇24 𝑦𝑡 es decir es
diferenciada de orden 4 dos veces, y lo mismo ocurriría con una serie de orden 12.
¿Cómo se expresaría en términos generales un modelo ARIMA (p, d, q) * SARIMA (P,
D, Q)?
Vamos a suponer:
s= orden estacional. Cuatro si se trata de serie trimestrales o 12 de series mensuales.
Lo primero que hacemos es poner el polinomio de retardos de la parte AR=𝜙𝑃 (B)
multiplicado por SAR=𝜙𝑚𝑎𝑦ú𝑠𝑐𝑢𝑙𝑎𝑃 (𝐵)∇𝑑 ∇𝐷 𝑦𝑡 , cabe recalcar que las partes AR y
SAR van a la izquierda y la parte MA y SMA junto con la perturbación aleatoria van a la
derecha, y en la parte izquierda se multiplica por dos deltas invertidas porque la parte
SAR porque 𝑦𝑡 puede tener dos tipos de tendencia en media: tendencia en media en la
parte regular y también en la parte estacional, por tal motivo se diferencia dos veces o las
que sean, en dos actos: 1. Para eliminar la tendencia en media en la parte regular y 2.
Volver a diferenciar la misma serie ya diferenciada pero de orden de mayúscula que
expresaría el número de tipo estacional para que 𝑦𝑡 sea una variable completamente
estacionaria sin ningún tipo de tendencia; y esto sería igual a que minúscula 𝜃𝑞 (B)
multiplicado por 𝜃𝑚𝑎𝑦ú𝑠𝑐𝑢𝑙𝑎𝑞 (𝐵)𝑎𝑡 , si esto lo ampliamos de manera ampliada se
tendría la forma de la serie (11):
𝜙𝑝 (𝐵)Φ𝑃 (𝐵)∇𝑑 ∇𝐷 𝑦𝑡 = 𝜃𝑞 (𝐵)Θ𝑄 (𝐵)𝑎𝑡 = (1 − 𝜙1 𝐵 − ⋯ − 𝜙𝑝 𝐵 𝑝 )(1 − Φ1 𝐵 𝑠 − ⋯ −
Φ𝑃 𝐵𝑃𝑠 )(1 − 𝐵)𝑑 (1 − 𝐵 𝑠 )𝐷 𝑦𝑡 = (1 + 𝜃1 𝐵 + ⋯ + 𝜃𝑞 𝐵 𝑞 )(1 + Θ1 𝐵 𝑠 + ⋯ + Θ𝑄 𝐵 𝑄𝑠 )𝑎𝑡

Vamos a ver un ejemplo de combinación de los modelos ARIMA (3, 1, 0)*SARIMA (12,
0, 0):
Mensual
Δ𝑦𝑡 = 𝜙1 Δ𝑦𝑡−1 + 𝜙2 Δ𝑦𝑡−2 + 𝜙3 Δ𝑦𝑡−3 + Φ1 Δ𝑦𝑡−12 + 𝑎𝑡
(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 − 𝜙3 𝐵 3 )(1 − Φ1 𝐵12 )(1 − 𝐵)𝑦𝑡 = 𝑎𝑡
𝜙2 (𝐵)Φ1 (𝐵)∇y𝑡 = 𝑎𝑡
Entendemos que ARIMA= AR (3), Diferencia (1), MA (0); mientras que SARIMA= SAR
(12), no necesita diferenciarse la serie por tanto no hay parte MA ni SMA. Entonces si yo
quiero ahora despejar y echar todas las partes de las Y a la izquierda y dejar la “a” a la
derecha, pues tendríamos todo un polinomio de retardos para la parte regular.
Otro caso es ARIMA (1, 1, 0)*SARIMA (0, 4, 4):
Trimestral
ΔΔ4 𝑦𝑡 = 𝜙1 ΔΔ4 𝑦𝑡−1 + 𝑎𝑡 + Θ1 𝑎𝑡−4
(1 − 𝜙1 𝐵)(1 − 𝐵)(1 − 𝐵 4 )𝑦𝑡 = (1 + Θ1 𝐵 4 )𝑎𝑡
𝜙1 (𝐵)∇∇2 𝑦𝑡 = Θ1 (𝐵)𝑎𝑡
En este caso tendríamos que la Y, la variable original, tiene que ser diferenciada de orden
1 para ser estacionaria en media en la parte regular tiene que ser también a su vez
diferenciada de orden 4 para ser estacionaria en media en la parte estacional con lo cual
a 𝑦𝑡 hay que aplicarle dos deltas. La primera Δ elevada a uno, y la segunda elevada a 4
por la parte estacional, y ya esta variable sería estacionaria, A continuación tenemos un
AR (1) por lo que 𝜙1 ΔΔ4 𝑦𝑡−1 , ahora no hay parte MA, pero si hay parte SMA, así que
Θ1 𝑎𝑡−4 . Después si pasamos la parte de Y a la izquierda y dejamos la parte a la derecha,
tenemos que se trata de un AR (1) que es un binomio (1 − 𝜙1 𝐵), y la parte MA sería
(1 + Θ1 𝐵 4 ), y al final la expresión reducida sería 𝜙1 (𝐵)∇∇2 𝑦𝑡 = Θ1 (𝐵)𝑎𝑡 .