Departamento de Economía
2024-04-02
Los paquetes que vamos a utilizar en la sesión de hoy son:
Nos acercamos a modelos un poco mas superiores que los anteriormente vistos.
Llega la hora de trabajar con modelos estacionales, estos desde luego intentaran mostrar la referencia estacional en las series de tiempo.
Se presenta la opción de Pronostico Rápido. Se denomina auto.arima
Cartera comercial de bancos
Producto de industria Manufacturera Perú (op)
La vez pasada supimos que no era una serie Ruido Blanco
Eso nos afecta el Pronostico de esa serie. Tal vez podamos mirar otro modelo. Puede ser estacional, como de otro orden. Eso vamos hacer hoy!!.
Este modelo ya diferenciado estacionalmente y -resumido (vamos paso adelante)- nos dice que el ACF cae lentamente y tenemos dos picos uno de AR y uno de MA en el lag 12 de la función de PACF. Esta parte nos indica en conformidad un ARIMA (1,1,1) para ambos correlogramas. Sin embargo los candidatos pueden ser los siguientes:
Los modelos que pueden ser candidatos son:
\[\begin{equation} (1,1,0)(0,1,1)_{12} \end{equation} \]
\[ (1,1,0)(1,1,1)_{12} \]
\[ (1,1,1)(1,1,1)_{12} \] (opcional)
###############################################
# Augmented Dickey-Fuller Test Unit Root Test #
###############################################
Test regression trend
Call:
lm(formula = z.diff ~ z.lag.1 + 1 + tt)
Residuals:
Min 1Q Median 3Q Max
-14218.7 -2125.5 252.6 2011.5 13345.7
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 499.78587 870.03142 0.574 0.567
z.lag.1 -0.35689 0.08565 -4.167 7.76e-05 ***
tt -12.49149 18.08548 -0.691 0.492
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3891 on 80 degrees of freedom
Multiple R-squared: 0.1783, Adjusted R-squared: 0.1578
F-statistic: 8.681 on 2 and 80 DF, p-value: 0.0003872
Value of test-statistic is: -4.1668 5.7879 8.6812
Critical values for test statistics:
1pct 5pct 10pct
tau3 -4.04 -3.45 -3.15
phi2 6.50 4.88 4.16
phi3 8.73 6.49 5.47
#######################
# KPSS Unit Root Test #
#######################
Test is of type: tau with 3 lags.
Value of test-statistic is: 0.1413
Critical value for a significance level of:
10pct 5pct 2.5pct 1pct
critical values 0.119 0.146 0.176 0.216
El mejor modelo por lo pronto es el (opcional) o sarima de orden (1,1,1) en ambas partes.
Tenemos que igual revisar cada uno en test de ruido blanco.
Ljung-Box test
data: Residuals from ARIMA(1,1,0)(1,1,1)[12]
Q* = 33.492, df = 16, p-value = 0.006356
Model df: 3. Total lags used: 19
Ljung-Box test
data: Residuals from ARIMA(1,1,1)(1,1,1)[12]
Q* = 20.836, df = 15, p-value = 0.1422
Model df: 4. Total lags used: 19
Series: cartera
ARIMA(1,1,1)(1,1,1)[12]
Coefficients:
ar1 ma1 sar1 sma1
0.8476 -0.3788 0.0035 -0.9999
s.e. 0.0821 0.1295 0.1222 0.1677
sigma^2 = 6876625: log likelihood = -790.87
AIC=1591.75 AICc=1592.52 BIC=1603.9
Training set error measures:
ME RMSE MAE MPE MAPE MASE
Training set 162.8221 2381.479 1591.688 0.03376412 0.3177587 0.04273688
ACF1
Training set -0.03705195
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
Feb 2024 650712.2 647139.0 654285.4 645247.5 656177.0
Mar 2024 654306.3 647957.6 660654.9 644596.9 664015.6
Apr 2024 657170.1 647968.6 666371.6 643097.7 671242.6
May 2024 660444.0 648345.5 672542.5 641941.0 678947.1
Jun 2024 663814.4 648815.1 678813.7 640874.9 686753.8
Jul 2024 665011.7 647138.1 682885.4 637676.3 692347.1
Aug 2024 666769.8 646069.3 687470.3 635111.1 698428.5
Sep 2024 669826.0 646360.3 693291.7 633938.2 705713.7
Oct 2024 672219.8 646059.7 698379.9 632211.4 712228.3
Nov 2024 676258.5 647480.6 705036.3 632246.6 720270.4
Dec 2024 677967.3 646651.9 709282.7 630074.5 725860.1
Jan 2025 675372.5 641601.7 709143.3 623724.5 727020.5
Universidad del Norte