SlideShare una empresa de Scribd logo
1 de 22
Descargar para leer sin conexión
CURSO: INTRODUCCIÓN A
LA ECONOMETRÍA
APLICADA A LAS FINANZAS
COINTEGRACIÓN
23 de junio de 2016
OBJETIVOS Y ESQUEMA
Objetivos.
Proveer herramientas básicas de econometría y su aplicación directa a las
finanzas.
Capítulo 4:
Relaciones a largo plazo en finanzas. Cointegración.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Razones por las cuales los test de no estacionariedad son
necesarios.
Existen ciertas razones de importancia de que la data de
estacionariedad debe tratarse diferente de aquellas no estacionarias.
Como sabemos las series estacionarias presentan una media, varianza
y covarianza constante para cada rezago dado.
.- La estacionariedad de las series pueden influenciar fuertemente su
comportamiento y propiedades. Para series estacionarias un shock
(cambio inesperado en una variable o en el valor del término de error
durante un particular período de tiempo) declina gradualmente en t+1,
t+2, etc. Esto se puede contrastar con data no estacionaria, la cual la
persistencia del shock de mantiene infinitamente.
.- Data no estacionaria genera regresiones espúreas. Si dos variables
estacionarias son generadas como series aleatorias independientes,
cuando una de esas variables es regresada respecto a la otra, el ratio t
del coeficiente beta (pendiente) debería esperarse no ser significativa-
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
mente diferente de cero. (t ratio cae dentro de la región de aceptación
de la Ho), el R2 debería ser alto y las variables no se relacionan unas
con las otras (DW=0 No ACR). Si las variables tienen tendencia en el
tiempo habrán R2 elevados a pesar de que las variables son totalmente
no relacionadas.
Ejemplo de una regresion espúrea: Dos set de datos independientes (no
estacionarios) y y x son generados con muestras de 500 datos. Se
calculan 1.000 veces el R2 con diferentes muestras de 500 datos y se
obtiene una distribución de R2 donde la mayor frecuencia de datos está
cercana a cero. Si la data es no estacionaria, las pruebas de
significancia no son posibles para validar si la regresión es buena.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
La figura infra muestra que a pesar de que uno debería esperar valores
R2 de cada regresión cercanas a cero ya que las series son
independientes, en realidad, para un set de datos, el R2 es mayor que
0,9 mientras que mayor a 0,5 se ubican más del 16% del tiempo (ver
ilustración).
200
160
120
80
40
R2
Frecuencia
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Asimismo, si una variable es regresada sobre otra no relacionada, (95%
del tiempo el t-ratio se ubicará entre ± 2). Como lo muestra en el
ejemplo ilustrativo del gráfico siguiente, el t-ratio de una regresión de
variables no estacionarias puede tomar valores enormes (alrededor del
98% de los casos puede tomar valores por encima de 2 cuando debería
ser mayor que 2 en aproximadamente 5% del tiempo). Así, no es posible
validar pruebas de hipótesis sobre parámetros de la regresión si la data
no es estacionaria.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Datos financieros son característicamente no estacionarios por lo cual
es necesario diferenciarlos. (tendencias a largo plazo o cercanos a raiz
unitaria). Si datos estacionarios presentan diferentes órdenes de
integración (para llevarlos a ser estacionarios) y son combinados, esta
combinación tendrá un orden de integración igual al mayor orden de
integración de los datos. Luego, los residuales tendrán un orden de
integración en niveles y estacionario. Así las variables son cointegradas
(tienen relación de largo plazo).
Si una serie no estacionaria yt debe ser diferenciada d veces para lograr
ser estacionaria entonces se dice que la data es integrada en orden d.
yt ̴ I(d), así que si yt ̴ I(d), entonces Δd yt ̴ I(0) terminología de
aplicación de diferencias (difference operator), Δ, d veces lidera un
proceso I(0)  estacionario, proceso que no posee raíces unitarias. En
realidad, aplicando el operador de diferencias mas de d veces en un
proceso I(d) deberá todavía resultar en una serie estacionaria (pero con
una estructura MA (promedios móviles) en los términos de error).
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Una serie I(0) es una serie estacionaria, mientras una serie I(1) contiene
una raíz unitaria. Una Serie I(2) contiene dos raíces unitarias y así debería
requerir dos diferenciaciones para inducir estacionariedad. La mayoría de
las series de tiempo de datos financieros y económicos contienen una raíz
unitaria sola. Algunos casos de datos financieros que posiblemente
contienen dos raíces unitarias son los salarios nominales y los índices de
precios al consumidor.
Cointegración: Ecuación el cual relaciona 2 o más procesos con raíces unitarias no espúreas, pero que
correctamente describe la data. Es, integrar la dinámica de corto plazo con el equilibrio de largo plazo. Un
importante tema en econometría es la necesidad de integrar la dinámica del corto plazo con el equilibrio de
largo plazo y la teoría de cointegración desarrollada por Granger (1981) y elaborada por Engle y Granger
(1987) maneja este tema de integración.
En la mayoría de los casos, si dos variables que son I(1) están linealmente
combinadas, entonces la combinación será también I(1). Y más
generalmente, si las variables con diferentes órdenes de integración están
combinadas, la combinación tendrá un orden de integración igual al más
largo. Ilustración: Modelo de regresión que contiene todas las variables
I(1): Yt = β1 + β2 X2t + β3 X3t + ut
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Cointegración:
Despejando Ut = Yt - β1 - β2 X2t - β3 X3t
Los residuales pueden ser expresados en esta manera como una
combinación lineal de las variables. Típicamente esta combinación lineal
de variables I(1) serán también I(1), pero debería ser obviamente
deseable obtener residuales que sean I(0). La respuesta es que la
combinación de variables I(1) serán I(0). En otras palabras
estacionarias, si las variables están cointegradas.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Engle-Granger.
Una relación cointegrada podría ser vista como un fenómeno de
equilibrio a largo plazo, desde que es posible que las variables
cointegradas podrían desviarse de su relación en el corto plazo, pero
esta asociación debería retornar a su equilibrio en el largo plazo.
Un set de variables se dicen cointegradas, si la combinación lineal de
ellas es estacionaria. Muchas series de tiempo son no estacionarias
pero se “mueven juntas” en el tiempo, esto es, que existe algunas
influencias en las series (por ejemplo fuerzas del mercado), el cual
implica que las dos series rebotan por alguna relación en el largo plazo.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Test de raices unitarias
Yt = 2Yt-1 – Yt-2 + ut tiene dos raices unitarias. Es necesario diferenciar la
data dos veces. Uso Augmented Dickey Fuller Test (ADF).
Número Óptimo de rezagos: La frecuencia de la data ayuda a decidir. Si
la data es mensual rezagos=12, trimestral=4 (pero si data es por hora,
dias?). Segunda opción: Criterios de información Akaike, Schwarz,
Hannan-Quinn, etc.
Si se usan pocos rezagos no se removerá ACR pero si hay demasiados se
incrementará lo errores estándares y se incrementa el uso de los grados de
libertad.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Ejemplos de relaciones de largo plazo (cointegración) entre
variables Financieras.
.- Precios Spot y Futuro de un commodity o activo determinado.
.- Ratio de precios relativos y tipo de cambio.
.- Precio de las acciones y sus dividendos.
.- Cointegración entre los mercados de bonos internacionales.
.- PPP equilibrio en el tipo de cambio de largo plazo entre dos países es
igual al ratio de los niveles de precios relativos.
Cointegración es definir el equilibrio de largo plazo entre las
variables, pero la diferencia entre ellas (término de error) es
estacionaria.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Modelos de corrección de errores
Consideremos dos series yt y xt las cuales son I(1). El modelo que uno
puede considerar estimar es:
Δyt = βΔxt + ut
Una definición de relación a largo plazo empleada en econometría
implica que las variables convergen sobre los valores a largo plazo y
que no cambian más, así yt = yt-1 = y y xt = xt-1 = x.
En consecuencia, todos los términos diferenciados serán cero en la
fórmula anterior, es decir, Δyt = 0; Δxt = 0 y así todo en la ecuación se
cancela. Así la regresión anterior no tiene solución a largo plazo y como
consecuencia no tiene nada que decir de que x y y tienen una relación
de equilibrio.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Modelos de corrección de errores
Por ejemplo consideremos la siguiente ecuación:
Δyt = β1Δxt + β2 (yt-1 - ∂ xt-1 ) + ut
Coeficiente de Cointegración
Este modelo es denominado Modelo de Corrección de Errores o modelo
de Corrección de Equilibrio. yt-1 - ∂ xt-1 es denominado como el Término
de Corrección de Errores, ya que yt y xt está cointegrada con coeficiente
de cointegración ∂, entonces yt-1 - ∂ xt-1 será I(0) a pesar de que los
constituyentes son I(1) entonces así es válido el uso de MCO y
procedimientos estándares de inferencia estadística en dicha regresión.
Relación a
Corto plazo
Velocidad de ajuste
al equilibrio.
Término de corrección de errores.
(o término de corrección de equilibrio )
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
I.- Método de 2 pasos de Engle Granger:
Paso 1:
Asegurémonos que las variables individuales son I(1), luego estimamos la
regresión de Cointegración utilizando MCO (OLS). No se puede hacer
alguna inferencia sobre los estimados de los coeficientes en esta regresión
(solo la estimación de parámetros). Salvemos los residuales de la regresión
cointegrada, ut. Luego probemos que estos residuales sean I(0). Si es así,
vamos al Paso 2. Si no, (es decir, son I(1)) estimemos el modelo
conteniendo sólo las primeras diferencias.
Paso 2:
Usemos los residuales del paso 1 como una variable en el modelo de
corrección de errores:
Δyt = β1Δxt + β2 (ut-1 ) + vt donde ut-1 = yt-1 – Ώ xt-1 La combinación de
variables no estacionarias las cual es estacionaria es también conocida se
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
I.- Método de 2 pasos de Engle Granger:
En este caso el vector de cointegración debería ser (1- Ώ).
Este método (Engle-Granger) sufre de algunos problemas:
1.- Pérdida de poder en pruebas de raíces unitarias y pruebas de
cointegración (finite sample problem).
2.- Sesgo de ecuaciones simultáneas causalidad entre y y x corre en ambas
direcciones, lo cual requiere al investigador normalizar una variable
(especificar una variable como dependiente y las otras como
independientes), forzando el tratamiento de y y x asimétricamente pese a
que no hay razones teóricas de realizar esto.
3.- Se puede estimar hasta una sola relación de cointegración entre las
variables cada vez. Pero si se tienen 3 variables pueden haber más
relaciones linealmente independientes de cointegración.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
II.- Técnica de Johansen
Supongamos un set de variables (g>=2) las cuales son I(1) en la cual
pensemos que existe cointegración. Un VAR con k rezagos conteniendo
estas variables podrían ser:
Y1t= β10 + β11 y1t-1 + α11 y2t-1 + .… + α1k y1t-k + u1t
Y2t= β20 + β21 y2t-1 + α21 y1t-1 + …. + α2k y1t-k + u2t
o, similarmente:
Yt = β1 yt-1 + β2 yt-2 + …+ βk yt-k + ut
(gx1) (gxg)(gx1) (gxg)(gx1) (gxg)(gx1) (gx1)
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
II.- Técnica de Johansen (cont.)
Para usar las pruebas de Johansen el VAR anterior necesita ser cambiado
hacia un modelo de Vector de Corrección de Errores (VECM) de la forma:
Δyt = ЛΔyt-k + Γ1 Δyt-1 + Γ2 Δyt-2 + ….. + Γk-1 Δyt-(k-1) + ut
donde: Л = (∑βi ) – Ig (Matriz de coeficientes a largo plazo, donde se centra
la técnica de Johansen, se llama Long Run Coefficient Matrix ya que desde
el equilibrio todos los Δyt-i serán ceros y definiendo el término de error ut
hacia su valor esperado dejará Лyt-k = 0.
las pruebas de Cointegración entre las y´s es calculada viendo el Rank de la
matriz Л vía sus Eigen valores (Eigenvalues). El Rank de una matriz es igual
al número de raíces características (Eigenvalores) que son diferentes a
cero. Los valores Eigen se denotan como λi y son puestos en orden
ascendente:
λ1 >= λ2 >= … >= λn si λi son las raíces en este contexto ellas deben ser
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
II.- Técnica de Johansen (cont.)
menores que 1 en valor absoluto y positivo y λ1 deberá ser el mayor
(cercano a uno) mientras λg será el más pequeño (más cercano a cero). SI
LAS VARIABLES NO ESTÁN INTEGRADAS, el rank de Л no será
significativamente diferente de cero, así que λi ≈ 0 para todo i. La prueba
estadística realmente incorpora ln (1- λi ) en lugar de λi pero todavía cuando
λi =0, ln(1- λi ) = 0.
Test de Cointegración:
λtrace (r) = - T ∑ ln(1- λi) y λmax (r, r+1) = - T ln(1- λr+1)
Donde r es el número de vectores de Cointegración bajo la hipótesis nula y
λi es el valor estimado del ith eigen valor de la matriz Л.
A medida que más grande sea λi más largo y negativo será ln (1- λi ) y como
consecuencia más largo será el test estadístico. Un valor significantemente
diferente de cero indica una cointegración más significativa.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
II.- Técnica de Johansen (cont.)
λtrace es una prueba global donde Ho es que el número de vectores de
cointegración es menor o igual que r, contra una alternativa general no
especificada de que exista mas de r. Comienza con p eigen valores y
sucesivamente el más largo es removido. λtrace = 0 cuando todos los λi = 0
para i =1, ….g
λmax = conduce tests separados en cada valor eigen y tiene como Ho que el
número de vectores de Cointegración es r contra una alternativa de r+1.
Johanse y Juselius (1990) provee valores críticos para las dos estadísticas.
La distribución de los test estadísticos no es estándar y los valores críticos
dependen del valor de g-r, el número de componentes no estacionarios así
como constantes incluidos en cada ecuación.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Métodos de estimación de parámetros en sistemas cointegrados
II.- Técnica de Johansen
Ho: r=0 versus H1: 0 <r <= g Ho: No Cointegración.
Ho: r=1 versus H1: 1 <r <= g
Ho: r=2 versus H1: 2 <r <= g
…….
Ho: r= g-1 versus H1: r = g
P-Value o Prob. debe ser cercano a cero o menos de 0,05 0% probabilidad
de caer en Ho de no Cointegración, es decir hay Cointegración.
Si el t stat es mayor que el valor crítico de la tablas de Johansen…..Se
rechaza la Ho de no Cointegración.
La primera prueba envuelve Ho de no existencia de vectores de
Cointegración.
CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración
Webinars relacionados a Cointegración:
Análisis cointegración con E-views
http://www.software-
shop.com/in.php?mod=ver_producto&clave=&prdID=41&tab=&foro=&foro
msj_tema_id=&foromsj_id=&lang=&est=&manID=&catID=&tipID=&full=&w
indow=1&videoID=128&downID=&cot=#fragment-7
https://www.youtube.com/watch?v=LzIJenTYlVc
Series no estacionarias y cointegración en EViews

Más contenido relacionado

La actualidad más candente

Teoria de la regulacion
Teoria de la regulacionTeoria de la regulacion
Teoria de la regulacion
Paul Pool
 

La actualidad más candente (20)

Principios De Econometria - ARIMA
Principios De Econometria - ARIMAPrincipios De Econometria - ARIMA
Principios De Econometria - ARIMA
 
Capítulo iv econometría var
Capítulo iv econometría varCapítulo iv econometría var
Capítulo iv econometría var
 
Pruebas de bondad de ajuste vfinal
Pruebas de bondad de ajuste vfinalPruebas de bondad de ajuste vfinal
Pruebas de bondad de ajuste vfinal
 
Compilacion econometria con Eviews
Compilacion econometria con EviewsCompilacion econometria con Eviews
Compilacion econometria con Eviews
 
Unidad 5
Unidad 5Unidad 5
Unidad 5
 
Distribucion 1 gamma
Distribucion 1   gammaDistribucion 1   gamma
Distribucion 1 gamma
 
Distribucion exponencial
Distribucion exponencialDistribucion exponencial
Distribucion exponencial
 
Estadistica unidad 4
Estadistica unidad 4Estadistica unidad 4
Estadistica unidad 4
 
Supuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresionSupuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresion
 
Valor presente
Valor presenteValor presente
Valor presente
 
Metodo Montecarlo
Metodo MontecarloMetodo Montecarlo
Metodo Montecarlo
 
Teoria de la regulacion
Teoria de la regulacionTeoria de la regulacion
Teoria de la regulacion
 
Ingenieria economica II_parte_2
Ingenieria economica II_parte_2Ingenieria economica II_parte_2
Ingenieria economica II_parte_2
 
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
 
Clase12 heterocedasticidad
Clase12 heterocedasticidadClase12 heterocedasticidad
Clase12 heterocedasticidad
 
Ejercicio resuelto de monopolio
Ejercicio resuelto de monopolioEjercicio resuelto de monopolio
Ejercicio resuelto de monopolio
 
Métodos del CAUE
Métodos del CAUEMétodos del CAUE
Métodos del CAUE
 
Modelos VAR
Modelos VARModelos VAR
Modelos VAR
 
Modelos estocasticos
Modelos estocasticosModelos estocasticos
Modelos estocasticos
 
Solucionario Manuel Cordova Zamora. Ejercicios de Probabilidad.
Solucionario Manuel Cordova Zamora. Ejercicios de Probabilidad.Solucionario Manuel Cordova Zamora. Ejercicios de Probabilidad.
Solucionario Manuel Cordova Zamora. Ejercicios de Probabilidad.
 

Destacado

01 february 2012 how to powerpoint
01 february 2012   how to powerpoint01 february 2012   how to powerpoint
01 february 2012 how to powerpoint
ivictoriatea
 
Ob case study (jcb) group 9
Ob case study (jcb) group 9Ob case study (jcb) group 9
Ob case study (jcb) group 9
Mohammed Asim
 

Destacado (11)

Capítulos i y ii econometría aplicada a finanzas
Capítulos i y ii econometría aplicada a finanzasCapítulos i y ii econometría aplicada a finanzas
Capítulos i y ii econometría aplicada a finanzas
 
Capítulos i y ii econometría aplicada a finanzas
Capítulos i y ii econometría aplicada a finanzasCapítulos i y ii econometría aplicada a finanzas
Capítulos i y ii econometría aplicada a finanzas
 
Capítulo viii simulacion montecarlo
Capítulo viii simulacion montecarloCapítulo viii simulacion montecarlo
Capítulo viii simulacion montecarlo
 
01 february 2012 how to powerpoint
01 february 2012   how to powerpoint01 february 2012   how to powerpoint
01 february 2012 how to powerpoint
 
Programa Euskara
Programa EuskaraPrograma Euskara
Programa Euskara
 
book of abstracts ARbD'14
book of abstracts ARbD'14book of abstracts ARbD'14
book of abstracts ARbD'14
 
مجلة 2
مجلة 2مجلة 2
مجلة 2
 
Gran edificis
Gran edificisGran edificis
Gran edificis
 
Ob case study (jcb) group 9
Ob case study (jcb) group 9Ob case study (jcb) group 9
Ob case study (jcb) group 9
 
Ppt 생명과학 ii-1.세포와세포분열(048-075)
Ppt 생명과학 ii-1.세포와세포분열(048-075)Ppt 생명과학 ii-1.세포와세포분열(048-075)
Ppt 생명과학 ii-1.세포와세포분열(048-075)
 
LinkedIn, Buttoned Up
LinkedIn, Buttoned UpLinkedIn, Buttoned Up
LinkedIn, Buttoned Up
 

Similar a Capítulo v cointegración

Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011
Noemi Zapata
 
Econometria i
Econometria iEconometria i
Econometria i
yoesra
 
Econometria i
Econometria iEconometria i
Econometria i
tarrgo
 
Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16
Luis Pons
 
Estocreg - Regresores estocasticos en el modelo lineal
Estocreg - Regresores estocasticos en el modelo linealEstocreg - Regresores estocasticos en el modelo lineal
Estocreg - Regresores estocasticos en el modelo lineal
Miguel Jerez
 
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
JOSUEELIASLOPEZHERNA
 
Trabajo investigación estadística
Trabajo investigación estadísticaTrabajo investigación estadística
Trabajo investigación estadística
Marita Alvarez
 

Similar a Capítulo v cointegración (20)

Qué puede aportar la econometría a mi estrategia de marketing online (parte 1)
Qué puede aportar la econometría a mi estrategia de marketing online (parte 1)Qué puede aportar la econometría a mi estrategia de marketing online (parte 1)
Qué puede aportar la econometría a mi estrategia de marketing online (parte 1)
 
Curso de-econometria-basica
Curso de-econometria-basicaCurso de-econometria-basica
Curso de-econometria-basica
 
Tema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptxTema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptx
 
Dsge model REAL BUSINESS CYCLE
Dsge model REAL BUSINESS CYCLEDsge model REAL BUSINESS CYCLE
Dsge model REAL BUSINESS CYCLE
 
Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011
 
Econometria i
Econometria iEconometria i
Econometria i
 
Econometria i
Econometria iEconometria i
Econometria i
 
Unidad-3-analisis-de-series-de-tiempo
Unidad-3-analisis-de-series-de-tiempoUnidad-3-analisis-de-series-de-tiempo
Unidad-3-analisis-de-series-de-tiempo
 
Leyes de Conservación Trabajo Matemática Aplicada
Leyes de Conservación Trabajo Matemática AplicadaLeyes de Conservación Trabajo Matemática Aplicada
Leyes de Conservación Trabajo Matemática Aplicada
 
Regresion Multiple2
Regresion Multiple2Regresion Multiple2
Regresion Multiple2
 
Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16
 
Tema4 regresionycorrelacion
Tema4 regresionycorrelacionTema4 regresionycorrelacion
Tema4 regresionycorrelacion
 
Estocreg - Regresores estocasticos en el modelo lineal
Estocreg - Regresores estocasticos en el modelo linealEstocreg - Regresores estocasticos en el modelo lineal
Estocreg - Regresores estocasticos en el modelo lineal
 
Estratificacion
EstratificacionEstratificacion
Estratificacion
 
Pronosticos
PronosticosPronosticos
Pronosticos
 
1 Modelos a efectos fijos.pdf
1 Modelos a efectos fijos.pdf1 Modelos a efectos fijos.pdf
1 Modelos a efectos fijos.pdf
 
Econometriamoderna.pdf
Econometriamoderna.pdfEconometriamoderna.pdf
Econometriamoderna.pdf
 
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
CLASE 1 Conceptos de interpolación y ajuste de curvas METODO DE MINIMOS CUADR...
 
Trabajo investigación estadística
Trabajo investigación estadísticaTrabajo investigación estadística
Trabajo investigación estadística
 
Econometría ii-cap 16 datos de panel
Econometría ii-cap 16 datos de panelEconometría ii-cap 16 datos de panel
Econometría ii-cap 16 datos de panel
 

Último

Moral con citas CIC.pptx materia Teología
Moral con citas CIC.pptx materia TeologíaMoral con citas CIC.pptx materia Teología
Moral con citas CIC.pptx materia Teología
AraDiaz8
 

Último (13)

Desarrollo económico de Malasia y Lecciones para el Peru[1].docx
Desarrollo económico de Malasia y Lecciones para el Peru[1].docxDesarrollo económico de Malasia y Lecciones para el Peru[1].docx
Desarrollo económico de Malasia y Lecciones para el Peru[1].docx
 
Mapa conceptual proyectos sociales y proyectos socio productivos katyuska Ore...
Mapa conceptual proyectos sociales y proyectos socio productivos katyuska Ore...Mapa conceptual proyectos sociales y proyectos socio productivos katyuska Ore...
Mapa conceptual proyectos sociales y proyectos socio productivos katyuska Ore...
 
la accion del precio en trading.en.es.pdf
la accion del precio en trading.en.es.pdfla accion del precio en trading.en.es.pdf
la accion del precio en trading.en.es.pdf
 
Tarea Académica 2 INTEGRADOR NEGOCIOS.E
Tarea Académica 2  INTEGRADOR NEGOCIOS.ETarea Académica 2  INTEGRADOR NEGOCIOS.E
Tarea Académica 2 INTEGRADOR NEGOCIOS.E
 
Ciclo contable empresa comercial ( registro de los inventarios)
Ciclo contable empresa comercial ( registro de los inventarios)Ciclo contable empresa comercial ( registro de los inventarios)
Ciclo contable empresa comercial ( registro de los inventarios)
 
PRESENTACIÓN - UNIDAD 2-SEMANA 5 MATEMATICAS.pptx
PRESENTACIÓN - UNIDAD 2-SEMANA 5 MATEMATICAS.pptxPRESENTACIÓN - UNIDAD 2-SEMANA 5 MATEMATICAS.pptx
PRESENTACIÓN - UNIDAD 2-SEMANA 5 MATEMATICAS.pptx
 
CUADRADA Y ANÁLISIS DE VARIANZA INTRODUCCION
CUADRADA Y ANÁLISIS DE VARIANZA INTRODUCCIONCUADRADA Y ANÁLISIS DE VARIANZA INTRODUCCION
CUADRADA Y ANÁLISIS DE VARIANZA INTRODUCCION
 
Protección contra el Fraude: Bantrab tu mejor aliado
Protección contra el Fraude: Bantrab tu mejor aliadoProtección contra el Fraude: Bantrab tu mejor aliado
Protección contra el Fraude: Bantrab tu mejor aliado
 
estadistica diferencial semana 8 "UTP"
estadistica diferencial semana 8   "UTP"estadistica diferencial semana 8   "UTP"
estadistica diferencial semana 8 "UTP"
 
Moral con citas CIC.pptx materia Teología
Moral con citas CIC.pptx materia TeologíaMoral con citas CIC.pptx materia Teología
Moral con citas CIC.pptx materia Teología
 
Fun. exponencial y fun logaritmica. Veterinaria 2024.pptx
Fun. exponencial y fun logaritmica. Veterinaria 2024.pptxFun. exponencial y fun logaritmica. Veterinaria 2024.pptx
Fun. exponencial y fun logaritmica. Veterinaria 2024.pptx
 
PRINCIPIOS DE CONTABILIDAD GENERALMENTE ACEPTADOS (PCGA).docx
PRINCIPIOS DE CONTABILIDAD GENERALMENTE ACEPTADOS (PCGA).docxPRINCIPIOS DE CONTABILIDAD GENERALMENTE ACEPTADOS (PCGA).docx
PRINCIPIOS DE CONTABILIDAD GENERALMENTE ACEPTADOS (PCGA).docx
 
Josvil_Angel.pptx_Variables macroeconomicas
Josvil_Angel.pptx_Variables macroeconomicasJosvil_Angel.pptx_Variables macroeconomicas
Josvil_Angel.pptx_Variables macroeconomicas
 

Capítulo v cointegración

  • 1. CURSO: INTRODUCCIÓN A LA ECONOMETRÍA APLICADA A LAS FINANZAS COINTEGRACIÓN 23 de junio de 2016
  • 2. OBJETIVOS Y ESQUEMA Objetivos. Proveer herramientas básicas de econometría y su aplicación directa a las finanzas. Capítulo 4: Relaciones a largo plazo en finanzas. Cointegración.
  • 3. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Razones por las cuales los test de no estacionariedad son necesarios. Existen ciertas razones de importancia de que la data de estacionariedad debe tratarse diferente de aquellas no estacionarias. Como sabemos las series estacionarias presentan una media, varianza y covarianza constante para cada rezago dado. .- La estacionariedad de las series pueden influenciar fuertemente su comportamiento y propiedades. Para series estacionarias un shock (cambio inesperado en una variable o en el valor del término de error durante un particular período de tiempo) declina gradualmente en t+1, t+2, etc. Esto se puede contrastar con data no estacionaria, la cual la persistencia del shock de mantiene infinitamente. .- Data no estacionaria genera regresiones espúreas. Si dos variables estacionarias son generadas como series aleatorias independientes, cuando una de esas variables es regresada respecto a la otra, el ratio t del coeficiente beta (pendiente) debería esperarse no ser significativa-
  • 4. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración mente diferente de cero. (t ratio cae dentro de la región de aceptación de la Ho), el R2 debería ser alto y las variables no se relacionan unas con las otras (DW=0 No ACR). Si las variables tienen tendencia en el tiempo habrán R2 elevados a pesar de que las variables son totalmente no relacionadas. Ejemplo de una regresion espúrea: Dos set de datos independientes (no estacionarios) y y x son generados con muestras de 500 datos. Se calculan 1.000 veces el R2 con diferentes muestras de 500 datos y se obtiene una distribución de R2 donde la mayor frecuencia de datos está cercana a cero. Si la data es no estacionaria, las pruebas de significancia no son posibles para validar si la regresión es buena.
  • 5. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración La figura infra muestra que a pesar de que uno debería esperar valores R2 de cada regresión cercanas a cero ya que las series son independientes, en realidad, para un set de datos, el R2 es mayor que 0,9 mientras que mayor a 0,5 se ubican más del 16% del tiempo (ver ilustración). 200 160 120 80 40 R2 Frecuencia
  • 6. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Asimismo, si una variable es regresada sobre otra no relacionada, (95% del tiempo el t-ratio se ubicará entre ± 2). Como lo muestra en el ejemplo ilustrativo del gráfico siguiente, el t-ratio de una regresión de variables no estacionarias puede tomar valores enormes (alrededor del 98% de los casos puede tomar valores por encima de 2 cuando debería ser mayor que 2 en aproximadamente 5% del tiempo). Así, no es posible validar pruebas de hipótesis sobre parámetros de la regresión si la data no es estacionaria.
  • 7. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Datos financieros son característicamente no estacionarios por lo cual es necesario diferenciarlos. (tendencias a largo plazo o cercanos a raiz unitaria). Si datos estacionarios presentan diferentes órdenes de integración (para llevarlos a ser estacionarios) y son combinados, esta combinación tendrá un orden de integración igual al mayor orden de integración de los datos. Luego, los residuales tendrán un orden de integración en niveles y estacionario. Así las variables son cointegradas (tienen relación de largo plazo). Si una serie no estacionaria yt debe ser diferenciada d veces para lograr ser estacionaria entonces se dice que la data es integrada en orden d. yt ̴ I(d), así que si yt ̴ I(d), entonces Δd yt ̴ I(0) terminología de aplicación de diferencias (difference operator), Δ, d veces lidera un proceso I(0)  estacionario, proceso que no posee raíces unitarias. En realidad, aplicando el operador de diferencias mas de d veces en un proceso I(d) deberá todavía resultar en una serie estacionaria (pero con una estructura MA (promedios móviles) en los términos de error).
  • 8. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Una serie I(0) es una serie estacionaria, mientras una serie I(1) contiene una raíz unitaria. Una Serie I(2) contiene dos raíces unitarias y así debería requerir dos diferenciaciones para inducir estacionariedad. La mayoría de las series de tiempo de datos financieros y económicos contienen una raíz unitaria sola. Algunos casos de datos financieros que posiblemente contienen dos raíces unitarias son los salarios nominales y los índices de precios al consumidor. Cointegración: Ecuación el cual relaciona 2 o más procesos con raíces unitarias no espúreas, pero que correctamente describe la data. Es, integrar la dinámica de corto plazo con el equilibrio de largo plazo. Un importante tema en econometría es la necesidad de integrar la dinámica del corto plazo con el equilibrio de largo plazo y la teoría de cointegración desarrollada por Granger (1981) y elaborada por Engle y Granger (1987) maneja este tema de integración. En la mayoría de los casos, si dos variables que son I(1) están linealmente combinadas, entonces la combinación será también I(1). Y más generalmente, si las variables con diferentes órdenes de integración están combinadas, la combinación tendrá un orden de integración igual al más largo. Ilustración: Modelo de regresión que contiene todas las variables I(1): Yt = β1 + β2 X2t + β3 X3t + ut
  • 9. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Cointegración: Despejando Ut = Yt - β1 - β2 X2t - β3 X3t Los residuales pueden ser expresados en esta manera como una combinación lineal de las variables. Típicamente esta combinación lineal de variables I(1) serán también I(1), pero debería ser obviamente deseable obtener residuales que sean I(0). La respuesta es que la combinación de variables I(1) serán I(0). En otras palabras estacionarias, si las variables están cointegradas.
  • 10. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Engle-Granger. Una relación cointegrada podría ser vista como un fenómeno de equilibrio a largo plazo, desde que es posible que las variables cointegradas podrían desviarse de su relación en el corto plazo, pero esta asociación debería retornar a su equilibrio en el largo plazo. Un set de variables se dicen cointegradas, si la combinación lineal de ellas es estacionaria. Muchas series de tiempo son no estacionarias pero se “mueven juntas” en el tiempo, esto es, que existe algunas influencias en las series (por ejemplo fuerzas del mercado), el cual implica que las dos series rebotan por alguna relación en el largo plazo.
  • 11. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Test de raices unitarias Yt = 2Yt-1 – Yt-2 + ut tiene dos raices unitarias. Es necesario diferenciar la data dos veces. Uso Augmented Dickey Fuller Test (ADF). Número Óptimo de rezagos: La frecuencia de la data ayuda a decidir. Si la data es mensual rezagos=12, trimestral=4 (pero si data es por hora, dias?). Segunda opción: Criterios de información Akaike, Schwarz, Hannan-Quinn, etc. Si se usan pocos rezagos no se removerá ACR pero si hay demasiados se incrementará lo errores estándares y se incrementa el uso de los grados de libertad.
  • 12. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Ejemplos de relaciones de largo plazo (cointegración) entre variables Financieras. .- Precios Spot y Futuro de un commodity o activo determinado. .- Ratio de precios relativos y tipo de cambio. .- Precio de las acciones y sus dividendos. .- Cointegración entre los mercados de bonos internacionales. .- PPP equilibrio en el tipo de cambio de largo plazo entre dos países es igual al ratio de los niveles de precios relativos. Cointegración es definir el equilibrio de largo plazo entre las variables, pero la diferencia entre ellas (término de error) es estacionaria.
  • 13. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Modelos de corrección de errores Consideremos dos series yt y xt las cuales son I(1). El modelo que uno puede considerar estimar es: Δyt = βΔxt + ut Una definición de relación a largo plazo empleada en econometría implica que las variables convergen sobre los valores a largo plazo y que no cambian más, así yt = yt-1 = y y xt = xt-1 = x. En consecuencia, todos los términos diferenciados serán cero en la fórmula anterior, es decir, Δyt = 0; Δxt = 0 y así todo en la ecuación se cancela. Así la regresión anterior no tiene solución a largo plazo y como consecuencia no tiene nada que decir de que x y y tienen una relación de equilibrio.
  • 14. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Modelos de corrección de errores Por ejemplo consideremos la siguiente ecuación: Δyt = β1Δxt + β2 (yt-1 - ∂ xt-1 ) + ut Coeficiente de Cointegración Este modelo es denominado Modelo de Corrección de Errores o modelo de Corrección de Equilibrio. yt-1 - ∂ xt-1 es denominado como el Término de Corrección de Errores, ya que yt y xt está cointegrada con coeficiente de cointegración ∂, entonces yt-1 - ∂ xt-1 será I(0) a pesar de que los constituyentes son I(1) entonces así es válido el uso de MCO y procedimientos estándares de inferencia estadística en dicha regresión. Relación a Corto plazo Velocidad de ajuste al equilibrio. Término de corrección de errores. (o término de corrección de equilibrio )
  • 15. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados I.- Método de 2 pasos de Engle Granger: Paso 1: Asegurémonos que las variables individuales son I(1), luego estimamos la regresión de Cointegración utilizando MCO (OLS). No se puede hacer alguna inferencia sobre los estimados de los coeficientes en esta regresión (solo la estimación de parámetros). Salvemos los residuales de la regresión cointegrada, ut. Luego probemos que estos residuales sean I(0). Si es así, vamos al Paso 2. Si no, (es decir, son I(1)) estimemos el modelo conteniendo sólo las primeras diferencias. Paso 2: Usemos los residuales del paso 1 como una variable en el modelo de corrección de errores: Δyt = β1Δxt + β2 (ut-1 ) + vt donde ut-1 = yt-1 – Ώ xt-1 La combinación de variables no estacionarias las cual es estacionaria es también conocida se
  • 16. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados I.- Método de 2 pasos de Engle Granger: En este caso el vector de cointegración debería ser (1- Ώ). Este método (Engle-Granger) sufre de algunos problemas: 1.- Pérdida de poder en pruebas de raíces unitarias y pruebas de cointegración (finite sample problem). 2.- Sesgo de ecuaciones simultáneas causalidad entre y y x corre en ambas direcciones, lo cual requiere al investigador normalizar una variable (especificar una variable como dependiente y las otras como independientes), forzando el tratamiento de y y x asimétricamente pese a que no hay razones teóricas de realizar esto. 3.- Se puede estimar hasta una sola relación de cointegración entre las variables cada vez. Pero si se tienen 3 variables pueden haber más relaciones linealmente independientes de cointegración.
  • 17. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados II.- Técnica de Johansen Supongamos un set de variables (g>=2) las cuales son I(1) en la cual pensemos que existe cointegración. Un VAR con k rezagos conteniendo estas variables podrían ser: Y1t= β10 + β11 y1t-1 + α11 y2t-1 + .… + α1k y1t-k + u1t Y2t= β20 + β21 y2t-1 + α21 y1t-1 + …. + α2k y1t-k + u2t o, similarmente: Yt = β1 yt-1 + β2 yt-2 + …+ βk yt-k + ut (gx1) (gxg)(gx1) (gxg)(gx1) (gxg)(gx1) (gx1)
  • 18. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados II.- Técnica de Johansen (cont.) Para usar las pruebas de Johansen el VAR anterior necesita ser cambiado hacia un modelo de Vector de Corrección de Errores (VECM) de la forma: Δyt = ЛΔyt-k + Γ1 Δyt-1 + Γ2 Δyt-2 + ….. + Γk-1 Δyt-(k-1) + ut donde: Л = (∑βi ) – Ig (Matriz de coeficientes a largo plazo, donde se centra la técnica de Johansen, se llama Long Run Coefficient Matrix ya que desde el equilibrio todos los Δyt-i serán ceros y definiendo el término de error ut hacia su valor esperado dejará Лyt-k = 0. las pruebas de Cointegración entre las y´s es calculada viendo el Rank de la matriz Л vía sus Eigen valores (Eigenvalues). El Rank de una matriz es igual al número de raíces características (Eigenvalores) que son diferentes a cero. Los valores Eigen se denotan como λi y son puestos en orden ascendente: λ1 >= λ2 >= … >= λn si λi son las raíces en este contexto ellas deben ser
  • 19. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados II.- Técnica de Johansen (cont.) menores que 1 en valor absoluto y positivo y λ1 deberá ser el mayor (cercano a uno) mientras λg será el más pequeño (más cercano a cero). SI LAS VARIABLES NO ESTÁN INTEGRADAS, el rank de Л no será significativamente diferente de cero, así que λi ≈ 0 para todo i. La prueba estadística realmente incorpora ln (1- λi ) en lugar de λi pero todavía cuando λi =0, ln(1- λi ) = 0. Test de Cointegración: λtrace (r) = - T ∑ ln(1- λi) y λmax (r, r+1) = - T ln(1- λr+1) Donde r es el número de vectores de Cointegración bajo la hipótesis nula y λi es el valor estimado del ith eigen valor de la matriz Л. A medida que más grande sea λi más largo y negativo será ln (1- λi ) y como consecuencia más largo será el test estadístico. Un valor significantemente diferente de cero indica una cointegración más significativa.
  • 20. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados II.- Técnica de Johansen (cont.) λtrace es una prueba global donde Ho es que el número de vectores de cointegración es menor o igual que r, contra una alternativa general no especificada de que exista mas de r. Comienza con p eigen valores y sucesivamente el más largo es removido. λtrace = 0 cuando todos los λi = 0 para i =1, ….g λmax = conduce tests separados en cada valor eigen y tiene como Ho que el número de vectores de Cointegración es r contra una alternativa de r+1. Johanse y Juselius (1990) provee valores críticos para las dos estadísticas. La distribución de los test estadísticos no es estándar y los valores críticos dependen del valor de g-r, el número de componentes no estacionarios así como constantes incluidos en cada ecuación.
  • 21. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Métodos de estimación de parámetros en sistemas cointegrados II.- Técnica de Johansen Ho: r=0 versus H1: 0 <r <= g Ho: No Cointegración. Ho: r=1 versus H1: 1 <r <= g Ho: r=2 versus H1: 2 <r <= g ……. Ho: r= g-1 versus H1: r = g P-Value o Prob. debe ser cercano a cero o menos de 0,05 0% probabilidad de caer en Ho de no Cointegración, es decir hay Cointegración. Si el t stat es mayor que el valor crítico de la tablas de Johansen…..Se rechaza la Ho de no Cointegración. La primera prueba envuelve Ho de no existencia de vectores de Cointegración.
  • 22. CAPÍTULO V. Relaciones a largo plazo en finanzas. Cointegración Webinars relacionados a Cointegración: Análisis cointegración con E-views http://www.software- shop.com/in.php?mod=ver_producto&clave=&prdID=41&tab=&foro=&foro msj_tema_id=&foromsj_id=&lang=&est=&manID=&catID=&tipID=&full=&w indow=1&videoID=128&downID=&cot=#fragment-7 https://www.youtube.com/watch?v=LzIJenTYlVc Series no estacionarias y cointegración en EViews