Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

ECONOMETRIA II > DEFINITIVO > Flashcards

DEFINITIVO Flashcards

1
Q

Cual es la funcion de un AR-p?

A

Hace pronósticos sobre variables expos en un momento en orden cronológico, la variable dependiente esta en un momento posterior
Y_t=α+β_1 Y_(t-1)+β_2 Y_(t-2)+⋯+β_k Y_(t-k)
P= numero de periodo que retroceremos de la dependiente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Que es un proceso estocástico?

A

Secuencia que evoluciona con el tiempo

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

como se interpreta de forma funcional el AR1?

A

Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

como se representa la media a L/P + suma de los errores, shocks o innovaciones?

A

Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

cuales son las propiedades de Yt en MAR1?

A

Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Cuales son las propiedades de MAR1E?

A
  1. El valor esperado del error(la media, constante), en el periodo t es = 0
  2. La varianza del error es constante
    De lo contrario un MAR1 no estacionario
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Que es un modelo de medias móviles (MAq)?

A

es el resultado de sumar todas las perturbaciones o la acumulación de shock.
Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Cuando un MMA se puede transformar en un MAR1?

A

Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

que significa el orden p y q?

A

p= el orden de los rezagos de los valores autoregresivos(cuantos rezagos se consideran)
q= proceso de medias moviles (cuantos errores pasados se concideran)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Cuales son las características de la transformación de un modelo ARMA?

A

El valor esperado de la serie temporal es igual a la constante
La varianza de la serie temporal es la varianza de todos los los coeficientes de los errores
Aplicación en la pizarra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Cuales son las propiedades de la serie (Estacionariedad)?

A

si Yt se comporta como un AR
1. Yt es estacionaria si sus parámetros son menores que 1
2. Yt No es estacionaria si sus parámetros son o se aproximan a 1
Esto hace a la serie constante, su variación no dependa del tiempo

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Que es la estacionariedad?

A

Sirve directamente para predecir las características estadísticas de nuestra serie de tiempo serán las mismas en el futuro como en el pasado.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

que es un proceso estocástico lineal?

A

Es un modelo que describe la evolución de una variable aleatoria a través del tiempo, depende de una combinación lineal de sus valores pasados y de una componente aleatoria o error.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Que es la raíz unitaria?

A

Son los coeficientes que acompañan a la variable en sus diferentes rezagos, estos pueden ser
Sea Y_t=ρY_(t-1)+e
Si ρ<1 se dice que es estacionaria la serie. (No tiene raíz unitaria)
Si ρ=1 la serie es no estacionaria o lo equivalente tiene raíz unitaria.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Que es un quiebre estructural?

A

cuando hay cambios inesperados en el comportamiento de una serie de tiempo.
Antes de trabajar con los modelos se debe determinar si una serie tiene o no cambios estructurales, posiblemente afectara para que una serie sea o no estacionaria.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

como se causan los quiebres estructurales?

A
  1. Crisis económicas
  2. Recesiones
  3. Shock externo como la pandemia, desastres naturales.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

como se determina de forma funcional la raíz unitaria?

A

Sigma= operador de primeras diferencias
Al rechazar la H0 cuando sigma no puede ser 0 y positivo es estacionaria con tendencia determinística

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Que es una serie de temporal?

A

Es una secuencia de N observaciones ordenadas y equidistantes cronológicamente sobre una característica (series univariantes) o sobre varias características (series multivariantes o vectorial) de una unidad observable en diferentes momentos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Cual es el objetivo del análisis econométrico en series de tiempo?

A

consiste en elaborar un modelo estadístico que describa adecuadamente la procedencia de dicha serie, de manera que la implementación teórica del modelo resulte compatible con las pautas muéstrales observadas en la serie temporal.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Cuál es el punto de partida para elaborar un modelo a partir de una serie temporal?

A

consiste en considerar dicha serie como una realización particular finita de un proceso estocástico.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Que es un proceso estocástico aleatorio (Serie temporal)?

A

Es una colección de variables aleatorias ordenadas secuencialmente en el tiempo.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Cuales son las condiciones de un proceso estocástico estacionario?

A
  1. si su media y su varianza son constantes en el tiempo
  2. si el valor de la covarianza entre dos periodos depende sólo de la distancia o rezago entre estos dos periodos no del tiempo en el cual se calculó la covarianza.
    aplicacion en la pizarra
    parecen invariantes el tiempo
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Como se conoce en series de tiempo, un proceso estocástico estacionario?

A

Se conoce como:
1. proceso estocástico débilmente estacionario
2. estacionario covariante
3. estacionario de segundo orden
4. proceso estocástico en amplio sentido

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

¿Por qué las series de tiempo estacionarias son tan importantes?

A

Porque si una serie de tiempo es no estacionaria, sólo podemos estudiar su comportamiento durante el periodo en consideración. Por tanto, cada conjunto de datos perteneciente a la serie de tiempo corresponderá a un episodio particular. En consecuencia, no es posible generalizar para otros periodos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Que es el ruido Blanco?

A

𝑌_𝑡=𝑌_(𝑡−1) +𝜇_𝑡
Suponga que u_t es un término de error de ruido blanco
Condiciones
Varianza=0
Media constante
No correlación serial de error

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Como se distribuye el ruido blanco?

A

Idénticamente distribuido
Independientemente distribuido

27
Q

cuales procesos estocásticos no estacionarios existen?

A
  1. CAMINATA ALEATORIA SIN DERIVA Y SIN DESVIÓ
  2. CAMINATA ALEATORIA CON DERIVA Y CON DESVIÓ
28
Q

que es la caminata aleatoria sin deriva y sin desvió?

A

Es un proceso estocástico no estacionario
En donde la media de Y es igual a su valor inicial Yo
1. Sin constante
2. Sin intercepto
E(Yt)=0

29
Q

que es la caminata aleatoria con deriva y con desvió?

A

β_1≠0, β_2=0 y β_3=1
Si Y_t-Y_(t-1)=∆Y_t=β_1+μ_t, mostrara una tendencia
β_1>0 positiva o β_1<0 es negativa.

Hay un término constante

30
Q

Que es un MAR1?

A

Modelo auto regresivo
𝑌_𝑡=𝑌_(𝑡−1) +𝜇_𝑡
1. Es un modelo de caminata aleatoria
2. Se produce por un shock del término del error de ruido blanco más el periodo pasado
Y1=Yo+u
Y2=Yo + u
Y2=Y1+u2= Yo +u1 +u2
Y3=Y2+u3=Yo+u1+u2+u3
Y1=Yo
Yt-Yt-1= operador de primeras diferencias

MAR(1)
Y_t=δ+Y_(t-1)+μ_t
δ = parámetro de deriva
𝑌_𝑡−𝑌_(𝑡−1)=∆𝑌=𝛿+𝜇_𝑡

31
Q

Que es una Tendencia determinística?

A

Si una tendencia en el tiempo es predecible y no variable
Si β_1 y β_2≠0 y β_3=0

32
Q

Que es un Proceso estacionario en diferencias?

A

Transformacion de esto
β_1≠0, β_2=0 y β_3=1
A esto
Si β_1 y β_2≠0 y β_3=0
Este proceso se llama integración de orden 1
Si se diferencia 2 veces se llamaría integración de orden 2

33
Q

Como determinamos los procesos de la raíz unitaria?

A
  1. Análisis grafico
  2. Pruebas de correlograma
34
Q

Que es un VAR?

A

Los Modelos de Vectores Autorregresivos (VAR) son modelos que interrelacionan dos o más variables con sus rezagos entre sí.
Y_t=c+φ_1 Y_(t-1)+φ_2 X_(t-1)+e_t
Este modelo explica el comportamiento de Y a través del rezago de la propia variable Y y el rezago de la variable X.
Es impórtate comprender que tanto Y como X dependen de los rezagos de las otras variables.
Y_t=c_1+φ_1 Y_(t-1)+φ_2 X_(t-1)+e_t
X_t=c_2+φ_1 Y_(t-1)+φ_2 X_(t-1)+e_2t
X e Y están interrelacionadas por Y depende de su rezago y del rezago de X, pero X depende de su rezago y del rezago de Y.
Y_t↔X_t
Están interrelacionados a través de los rezagos

35
Q

Para que sirve el modelo VAR?

A

Sirve para analizar funciones de impulso respuesta de las variaciones de shocks entre sus propias variaciones y otras de otra variable

36
Q

Que es la curva de Phillips?

A

Es la pendiente inversa entre las variables de inflación y desempleo

37
Q

De que consta la curva de Phillips?

A

Consta de variables endógenas que son independientes de los rezagos y del rezago de las otras variables

38
Q

Como se comporta la correlacion entre el desempleo y la inflación?

A

La inflación tiene efectos en el desempleo y el desempleo tiene efectos en la inflación.

39
Q

Cual es la forma funcional de la curva de Phillips?

A

π_t=(1-ρ)E(π_(t+1) )+ρπ_(t-1)+βBP+γ*BTCR+V_t

40
Q

Interpreta esto

A

La brecha del tipo de cambio real, afectará a la inflación sobre todo a través de los costos, es decir, representa un canal de costo.

cuando el tipo de cambio se deprecia, lo que suele ocurrir es que el precio de los bienes de importación aumenta, y esto ejerce presión al alza sobre la inflación.

Si examinamos nuestra formulación de la curva de Phillips en relación con una pequeña economía abierta, observamos que las políticas macroeconómicas pueden afectar la inflación a través de una serie de canales.

En la medida en que las políticas monetaria, fiscal o cambiaria influyan en la inflación esperada, afectarán también la tasa de inflación en esta fórmula. O en la medida en que estas políticas afecten la brecha del producto o la brecha del tipo de cambio real, están muy claros los mecanismos a través de los cuales aumentan o reducen la tasa de inflación observada en la economía.

41
Q

Que es un MVARp?

A

Es una matriz cuadrada de coeficientes con respecto al vector Yt-1, Ut es el término del error
Donde Yt es un vector de variables yt, xt
Se asume que la E matemática del error es 0
La varianza es una matriz identidad y la cov entre los errores es 0 (ruido blanco)
Todas las variables que están en el vector deben ser estacionarias

42
Q

Cuales son las condiciones de un modelo VAR?

A
  1. Las series (variables) deben ser estacionarias I(0) integrado de orden cero.
  2. El var debe se estable
  3. Analizar el test de los residuos a través de la auto correlación utilizando el multiplicador de Lagrange. Nos analizara si los errores del modelo están o no autocorrelacionados.
  4. Normalidad de los errores.
  5. Analizar la causalidad de Granger ; esto es que nuestra variable Y cause a la Granger a X, y que, la X cause a la Granger a Y. Esto es el pasado de Y (rezagada) causa a mi variable X y viceversa.
43
Q

Que se considera en un modelo VAR reducido?

A

No se consideran las variables contemporáneas como variables explicativas en el sistema de ecuaciones simultaneas
Aplicación y clasificación en la pizarra

44
Q

Que es un VAR estructural?

A

Incluye la modelización de los valores contemporáneos como variables explicativas

Aplicación y clasificación en la pizarra

45
Q

Que son las FIR?

A

Muestra los efectos de un shock en la trayectoria de ajustes en las variables analizadas

46
Q

Que pasaría si el BCH decide bajar la TPM?

A

π_t=b_0+b_1 π_(t-1)+b_2 〖PIB〗_(t-1)+e_t

Siendo π la inflación, PIB la tasa de crecimiento y e representa el shock de la política monetaria aumentando el dinero.

47
Q

¿Cuál sería la transmisión de dicha política en las variables estudiadas?

A

Esto representa que una política monetaria expansiva es un shock en el modelo que afecta la inflación en el periodo t en el periodo t+1 y también en el desempleo en el periodo t + 1. Ambas variables afectan la inflación en el periodo t + n.

48
Q

como se representa la FIR a través de funciones?

A

Eq1: 〖PIB〗t=F(〖PIB〗(t-1),π_(t-1) )+e_1
El PIB en el periodo t está en función de los rezagos del Pib y de los rezagos de la inflación en el periodo t-1.
Eq2: π_t=F(〖PIB〗(t-1),π(t-1) )+e_2
La inflación actual está en función de la inflación rezagada y de la tasa de crecimiento del PIB en el periodo t-1.
Los errores e_1 y e_2 son considerados como shock en la economía.
La ecuación 1 es un shock de demanda
La ecuación 2 es un shock de oferta.

49
Q

Que efectos causa un shock de demanda agregada en el nivel general de precios?

A

Es un cambio de posición de la demanda agregada, en este ejemplo genera un cambio en la tasa de crecimiento y un aumento en el nivel general de precios.

50
Q

Que efectos causa un shock de oferta?

A

traslada nuestra Oferta Agregada de corto plazo a la derecha. Esta es provocada por una variación de precios, como disminución del precio de los combustibles o materias primas importadas. El efecto es un aumento de la producción y disminución en la tasa de inflación.

51
Q

Cuáles son las formas funcionales de las series de tiempo?

A

Aplicación en la pizarra

52
Q

cómo se comportan los errores en un modelo SVAR?

A

Los shocks en este modelo SVAR si son independientes, no como en el modelo VAR reducido que eran dependientes o estaban correlacionados.
Los términos de error o perturbación en los modelos VAR estructurados si representan los verdaderos impulso respuesta ortogonalizados, esto es en términos de una desviación estándar.
Aplicación en la pizarra
Los errores tienden a distribuirse de forma normal, las varianzas son únicas y las covarianzas son iguales a cero.
En los modelos VAR estructural los errores o shock son independientes ya que esperamos que la covarianza de los mismos sea igual a cero.

53
Q

Como se comportan los errores en los modelos VAR?

A

Aplicación en la pizarra
en los modelos VAR Reducidos las covarianzas son diferentes de cero

54
Q

Que es la descomposición de Cholesky?

A

Es una clase especial de descomposición matricial LU, del inglés Lower-Upper, que consiste en la factorización de una matriz en el producto de dos o más matrices.
consiste en igualar una matriz cuadrada a una matriz con ceros por encima de la diagonal principal multiplicada por su matriz traspuesta con ceros por debajo de la diagonal principal.
𝑌_𝑡=𝐴_0+𝛽_𝑡 𝑌_(𝑡−1)+𝜀_𝑡~𝑁(0,𝜔)
Donde omega es la matriz en su forma reducida de la varianzas y covarianzas.
Aplicación en la pizarra
Si multiplicamos la Matriz A calculado por los vectores de la Matriz de errores en su forma reducida esta será igual a la matriz B estimada por el vector de los errores en su forma estructural.
A ̂ε_t=B ̂e_t
ε_t=A ̂^(-1) B ̂*e_t
En la ecuación anterior el término del error del modelo VAR reducido en función del término del error en el modelo VAR estructural.

55
Q

Que es descomposición LU?

A

A: Es la matriz original que se desea factorizar.
L: Es una matriz triangular inferior del mismo tamaño que A, con 1 en la diagonal principal y ceros por encima de la diagonal.
U: Es una matriz triangular superior del mismo tamaño que A, con valores distintos de cero en la diagonal principal.

56
Q

Que es una Tendencia estocástica?

A

Si no es predecible

57
Q

que es una caminata aleatoria pura?

A

donde β_1 y β_2 son iguales a cero y β_3=1 que no es otra cosa sino el MCA sin deriva y por tanto es no estacionario, un MCA sin deriva es un proceso estacionario en diferencias (PED)

58
Q

Pasos de un proceso Box Jankins

A
  1. Determinamos si la serie es o no estacionaria
  2. Hacer la serie de estacionaria a estacionaria en diferencias
  3. Identificar el modelo de orden pq
  4. Validacion del mejor modelo
  5. Test de ruido blanco
  6. Pronostico del modelo
59
Q

Pruebas de hipótesis

A
  1. Box-Ljung test = ruido Blanco
  2. Box-Pierce test = ruido Blanco
  3. supF test(supremacía) George Box = quiebres estructurales
  4. test de chow= de quiebres estructurales
  5. Portmanteau Test = Test de especificación
  6. Jarke bera test = Test de normalidad
60
Q

Pasos para un modelo SARIMA

A
  1. Determinamos si la serie es o no estacionaria
  2. Hacer la serie de estacionaria a estacionaria en diferencias
  3. Identificar el modelo de orden pq
  4. Validacion del mejor modelo euretail
  5. Test de ruido blanco
  6. Verificar quiebres estructurales
  7. Se generan intervalos de confianza
61
Q

Pasos en el modelo var

A
  1. Determinamos si la serie es o no estacionaria
  2. Hacer la serie de estacionaria a estacionaria en diferencias
  3. Verificar la causalidad de granger
  4. Combinamos series temporales
  5. Selección del mejor modelo
  6. Estabilidad de raíces características polinomiales
  7. Pruebas de especificación
  8. Pruebas de normalidad
  9. FIR
62
Q

Pasos en modelos SVAR

A
  1. Determinamos si la serie es estacionaria o no
  2. Estacionario en diferencias
  3. Causalidad
  4. Restricciónes matriciales
  5. Combinamos series
  6. Seleccionamos los rezagos
  7. Modelo optimo
  8. Especificación
  9. Normalidad
  10. FIR
63
Q

Condiciones de cointegracion

A
  1. Mismo orden de integración
  2. Se estima el error del modelo
  3. Los errores deben de ser estacionarios
  4. Se representa la relación si es espuria o no

ECONOMETRIA II (12 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions