MODELIZACIÓN DE SERIES TEMPORALES:
MODELOS ARIMA: MODELOAUTORREGRESIVO INTEGRADO DE
MEDIA MÓVIL
Metodología Box-Jenkins
I. INTRODUCCIÓN
OBJETIVO: Encontrar el patrón de evolución de una serie de tiempo
METODOLOGÍA:
• Utilizando como regresores los valores pasados de la serie.
• A partir de los datos de una serie temporal (muestra de un proceso estocástico) inferir el
proceso generador de datos (PGD), o estructura probabilística subyacente, del proceso
estocástico.
UTILIDAD: fines predictivos en series de alta frecuencia y con elevado número de datos.
ESPECIFICACIONES ALTERNATIVAS
• Modelo Autorregresivo AR(p): la variable Yt de un proceso estocástico se explica en
función de un término constante, una parte sistemática (su pasado) y un impacto aleatorio
en “t”.
• Modelo de Medias Móviles MA(q): la variable Yt de un proceso estocástico se explica en
función de un término constante, una sucesión de impactos aleatorios ocurridos en el
pasado convenientemente ponderados y un impacto aleatorio en “t”.
• Modelo Autorregresivo y de Media Móvil ARMA (p, q): la variable Yt de un proceso
estocástico se explica en función de un término constante, una parte sistemática (su
pasado), una sucesión de impactos aleatorios ocurridos en el pasado convenientemente
ponderados y un impacto aleatorio en “t”.
REQUISITO: que el proceso estocástico sea estacionario
• Media de las variables del proceso estocástico constante
• Varianza de las variables del proceso estocástico constante
