Hola C, entiendo que podrías estar confundido, ya que es un poco difícil al principio la identificación de los procesos puros. Te recomiendo que puedas ver este vídeo que solo hablo de los correlogramas quizás te ayude, si no, espero tus comentarios e intentaré ayudarte hasta que lo logres. Un saludo! th-cam.com/video/qlc4e3FpuVg/w-d-xo.html
@@ToDoEconometricsDataScience Hola! Bueno, ya revisé el video (no había tenido tiempo) y creo que me confundí más. El comentario original yo lo hice porque a mí me enseñaron que los modelos que hay que incluir dependen del factor que veamos en el correlograma, siendo la Autocorrelación para los MA y la Correlación Parcial para los AR. Y en el minuto 14:29 del video da la sensación de que lo tomas al revés (FCP para MA y AC para AR). Y bueno, en el video que me has compartido veo (o deduzco) que los modelos AR y MA ambos se pueden ver desde las funciones AC y CP. Por eso creo que he quedado más confundido. Quizá mi problema es más teórico y debería ver o leer algo sobre los correlogramas, ¿alguna sugerencia? Gracias por la ayuda!
@@TheViportsPYN Claro, la realidad de la identificación de los procesos no es fácil, en el minuto 14:29 estoy incluyendo después de modelizar un proceso inicial que resultó aún no estacionario, el proceso ma(5) para capturar la innovación que aún sale de las bandas de confianza. Recuerda que el método de Box & Jenkins es iterativo y añade a la función procesos que tú identifiques que puedan ayudar a la consecución de la serie estacionaria. A demás por tradición en la econometría solo se incluían AR(1) y AR(2) y luego MA(q), las diferencias y por supuesto las partes estacionales SMA(Q) y SAR(P). Pero aparte de la tradición nada te impide que modeles como mejor interpretes. Aquí lo importante es que tengas un modelo estacionario de los n que puedan existir para esa serie. Sobre las funciones de autocorrelación simple y parcial más allá de lo que explico en mis vídeos únicamente está la construcción de ellos en libros como el de Daniel Peña, Lütkephol, o David Harris.
@@ToDoEconometricsDataScience Ya veo! Entonces tendré que estudiar más sobre todo esto. Pero sabes? Justo he tenido dudas respecto a todo este proceso iterativo en la metodología Box - Jenkins. Por ejemplo, al final del video mencionas que podemos usar el criterio de información de Akaike para poder decidir cuál será el mejor modelo. Sobre esto, mi pregunta sería si se pueden usar otros criterios para decidir qué modelo se ajusta mejor. La respuesta obvia e intuitiva supongo es que sí, pero quizá estoy mal. Ejemplo: Recuerdo que para pronosticar la variación porcentual de la inflación en México propuse tres modelos con diferentes. Un criterio para seleccionar el mejor fue el criterio de información de Akaike, pero también hice un “pronóstico pasado” (sobre las últimas 4 observaciones) para ver cuál replicaba mejor el comportamiento de la serie original, y me decidí a tomar ese criterio. Además, haciendo esto del “pronóstico pasado” EViews ofrece el Coeficiente de Desigualdad de Theil, que también consideré para seleccionar el mejor. ¿Está bien que haga eso?, ¿o debería fiarme de un sólo argumento para decidir el mejor pronóstico? Otra pregunta: ¿Estoy mal si también secundo o baso mi decisión de los modelos que propongo para pronosticar, en aspectos teóricos cualitativos? Por ejemplo, para el pronóstico del PIB de México un modelo me daba resultados muy optimistas, así que opté por uno que replicaba mejor el comportamiento de la serie original, y que además se ajustaba mejor a mis observaciones teóricas sobre el plan de gobierno que tenemos en México justo ahora. Lo anterior, si es válido, me lleva a otra pregunta: Al final, el pronóstico por ARIMA sólo es un argumento más para validar un pronóstico con un poquito de certeza cuantitativa, ¿cierto? Tengo otras dudas pero esas son sobre los modelos GARCH y primero quiero aclarar las que tengo de los ARIMA. Disculpa si te saturo. Pero este tipo de dudas creo que no las podré resolver con un ruido, sino con alguien que tenga práctica, y ya no tengo profesor de series de tiempo. Realmente te agradecería si me respondieras :)
Estoy confundido. No era que el MA correspondía a la autocorrelación y el AR a la correlación parcial?
Hola C, entiendo que podrías estar confundido, ya que es un poco difícil al principio la identificación de los procesos puros.
Te recomiendo que puedas ver este vídeo que solo hablo de los correlogramas quizás te ayude, si no, espero tus comentarios e intentaré ayudarte hasta que lo logres. Un saludo!
th-cam.com/video/qlc4e3FpuVg/w-d-xo.html
@@ToDoEconometricsDataScience Hola! Bueno, ya revisé el video (no había tenido tiempo) y creo que me confundí más.
El comentario original yo lo hice porque a mí me enseñaron que los modelos que hay que incluir dependen del factor que veamos en el correlograma, siendo la Autocorrelación para los MA y la Correlación Parcial para los AR. Y en el minuto 14:29 del video da la sensación de que lo tomas al revés (FCP para MA y AC para AR).
Y bueno, en el video que me has compartido veo (o deduzco) que los modelos AR y MA ambos se pueden ver desde las funciones AC y CP. Por eso creo que he quedado más confundido.
Quizá mi problema es más teórico y debería ver o leer algo sobre los correlogramas, ¿alguna sugerencia?
Gracias por la ayuda!
@@TheViportsPYN Claro, la realidad de la identificación de los procesos no es fácil, en el minuto 14:29 estoy incluyendo después de modelizar un proceso inicial que resultó aún no estacionario, el proceso ma(5) para capturar la innovación que aún sale de las bandas de confianza.
Recuerda que el método de Box & Jenkins es iterativo y añade a la función procesos que tú identifiques que puedan ayudar a la consecución de la serie estacionaria. A demás por tradición en la econometría solo se incluían AR(1) y AR(2) y luego MA(q), las diferencias y por supuesto las partes estacionales SMA(Q) y SAR(P). Pero aparte de la tradición nada te impide que modeles como mejor interpretes. Aquí lo importante es que tengas un modelo estacionario de los n que puedan existir para esa serie.
Sobre las funciones de autocorrelación simple y parcial más allá de lo que explico en mis vídeos únicamente está la construcción de ellos en libros como el de Daniel Peña, Lütkephol, o David Harris.
@@ToDoEconometricsDataScience Ya veo! Entonces tendré que estudiar más sobre todo esto. Pero sabes? Justo he tenido dudas respecto a todo este proceso iterativo en la metodología Box - Jenkins. Por ejemplo, al final del video mencionas que podemos usar el criterio de información de Akaike para poder decidir cuál será el mejor modelo. Sobre esto, mi pregunta sería si se pueden usar otros criterios para decidir qué modelo se ajusta mejor. La respuesta obvia e intuitiva supongo es que sí, pero quizá estoy mal.
Ejemplo: Recuerdo que para pronosticar la variación porcentual de la inflación en México propuse tres modelos con diferentes. Un criterio para seleccionar el mejor fue el criterio de información de Akaike, pero también hice un “pronóstico pasado” (sobre las últimas 4 observaciones) para ver cuál replicaba mejor el comportamiento de la serie original, y me decidí a tomar ese criterio. Además, haciendo esto del “pronóstico pasado” EViews ofrece el Coeficiente de Desigualdad de Theil, que también consideré para seleccionar el mejor.
¿Está bien que haga eso?, ¿o debería fiarme de un sólo argumento para decidir el mejor pronóstico?
Otra pregunta: ¿Estoy mal si también secundo o baso mi decisión de los modelos que propongo para pronosticar, en aspectos teóricos cualitativos? Por ejemplo, para el pronóstico del PIB de México un modelo me daba resultados muy optimistas, así que opté por uno que replicaba mejor el comportamiento de la serie original, y que además se ajustaba mejor a mis observaciones teóricas sobre el plan de gobierno que tenemos en México justo ahora.
Lo anterior, si es válido, me lleva a otra pregunta: Al final, el pronóstico por ARIMA sólo es un argumento más para validar un pronóstico con un poquito de certeza cuantitativa, ¿cierto?
Tengo otras dudas pero esas son sobre los modelos GARCH y primero quiero aclarar las que tengo de los ARIMA.
Disculpa si te saturo. Pero este tipo de dudas creo que no las podré resolver con un ruido, sino con alguien que tenga práctica, y ya no tengo profesor de series de tiempo. Realmente te agradecería si me respondieras :)
@@ToDoEconometricsDataScience Era “este tipo de dudas creo que no las podré resolver con un libro” jajajaja mala mía
POR EL JB, NO TIENE UNA DISTRIBUCION NORMAL
Claro, eso está explicado desde el minuto 17:02