Apuntes de series de tiempo
Enviado por Babaconmocos • 24 de Septiembre de 2023 • Apuntes • 1.069 Palabras (5 Páginas) • 48 Visitas
SERIES DE TIEMPO
21/08/2023
Si se quiere aumentar el número de periodos en las bandas d Bollinger se debe de incrementar el número de desviaciones estándares utilizadas:
- Para 50 periodos utilizaremos 2.5
- Para 10 periodos 1.5
3 estrategias con bandas de Bollinger
- Bandas de Bollinger y RSI
- Dobles bandas de Boli
- Bandas de Bollinger
RSI
RS= ganancia media de n días arriba/pérdida de n días abajo. Es un oscilador basado en el impulso,14 días es el oscilador más popular
Gráficas estadísticas para
Modelos y Pronósticos de la Tendencia
Tendencia, evolución lenta y a largo plazo de la
Tt= B0 + B1 Tiempo lineal
Tt= B0 + B1 Tiempo + B0 tiempo^2 Cuadrática
Estimación de Modelos de Tendencia
La mayoría de los criterios de detección de modelo ….. determinamos el modelo que tenga el error de predicción a un paspo, elevado al cuadrado que la
Sin embargo, no es aconsejable usar las anteriores estadísticas
[pic 1]
[pic 2]
[pic 3]
[pic 4]
[pic 5]
Para series de tiempo el número de observaciones grandes se puede considerar a partir de 50 datos.
23/08/2023
La consistencia es cuando el modelo está en los modelos considerados la probabilidad de que tan frecuente aparece (entre los modelos considerandos observando cuál es el verdadero
MODELADO Y PRONÓSTICO DE LA ESTACIONALIDAD
La estacionalidad es una conducta
[pic 6][pic 7][pic 8][pic 9]
30/08/2023
ESTIMACIÓN Y PROYECCIÓN DE LA ESTACIONALIDAD CON VARIABLES BINARIAS TRIMESTRALES DEL PIB 1980Q1 A 2023Q1
Dependent Variable: PIB | ||||
Method: Least Squares | ||||
Date: 08/28/23 Time: 10:30 | ||||
Sample: 1980Q1 2023Q1 | ||||
Included observations: 173 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
B1 | 6506515. | 124837.9 | 52.11970 | 0.0000 |
B2 | 6712676. | 125035.4 | 53.68621 | 0.0000 |
B3 | 6494242. | 125654.4 | 51.68335 | 0.0000 |
B4 | 6900600. | 126277.6 | 54.64629 | 0.0000 |
T | 70673.78 | 947.1290 | 74.61896 | 0.0000 |
R-squared | 0.970795 | Mean dependent var | 12801277 | |
Adjusted R-squared | 0.970100 | S.D. dependent var | 3597503. | |
S.E. of regression | 622066.9 | Akaike info criterion | 29.54796 | |
Sum squared resid | 6.50E+13 | Schwarz criterion | 29.63909 | |
Log likelihood | -2550.898 | Hannan-Quinn criter. | 29.58493 | |
Durbin-Watson stat | 0.422748 | |||
TODAS ESTADÍSTICAMENTE SIGNIFICATIVAS. LO QUE INDICA ESTACIONALIDAD EN EL PIB TRIMESTRAL DE MÉXICO, QUE SE OBSERVA EN LA SIGUIENTE GRÁFICA.
Dependent Variable: PIB | ||||
Method: Least Squares | ||||
Date: 08/30/23 Time: 09:13 | ||||
Sample (adjusted): 1980Q1 2023Q1 | ||||
Included observations: 173 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
B1 | 12655134 | 546350.8 | 23.16302 | 0.0000 |
B2 | 12790621 | 552667.2 | 23.14344 | 0.0000 |
B3 | 12642861 | 552667.2 | 22.87608 | 0.0000 |
B4 | 13119893 | 552667.2 | 23.73923 | 0.0000 |
R-squared | 0.002870 | Mean dependent var | 12801277 | |
Adjusted R-squared | -0.014830 | S.D. dependent var | 3597503. | |
S.E. of regression | 3624081. | Akaike info criterion | 33.06695 | |
Sum squared resid | 2.22E+15 | Schwarz criterion | 33.13986 | |
Log likelihood | -2856.291 | Hannan-Quinn criter. | 33.09653 | |
Durbin-Watson stat | 0.012992 | |||
[pic 10]
...