Trabajo Var

 

UNIVERSIDAD CATÓLICA SANTA MARÍA Facultad de Ciencias Económico Administrativas Escuela Profesional de Ingeniería Comercial

Trabajo Teorico, explicación explicación breve de la utilidad del modelo VAR y su complementación complementació n con la cointegración para el desarrollo de modelos econometricos Diaz Herrera, Natalia Docente: Ing. Hillpa Zuñiga Manuel Curso: Econometría AREQUIPA – PERÚ 2021

 

Econometria

Docente: Msc. Manuel Hillpa Zuñiga MODELO VAR - TEORIA

El presente trabajo deberá contener la siguiente estructura: Caratula Introducción (debe mencionar que se pretende con el trabajo o nombrara el objetivo del mismo) Desarrollo: Utilidad del VAR El Modelo Var resulta útil cuando hay existencia de simultaneidad entre dos variables a más, la relación que existen entre ellas es transmitida a lo lardo de distintos periodos. También se puede decir que sirve para crear una extensión directa con los modelos de auto regresión, cuando hay más de una serie temporal, para captar  las dinámicas y sus dependencias de las mismas. 

Esta herramienta de análisis, predictivo, es de las más fáciles de especificar y de estimar, una de las condiciones es que no sean estacionarias las variables Características 

Una de las características es que este modelo es una de las mejores opciones para modelos con estructura de ecuación simultánea, a larga escala. Es un modelo flexible y sencillo  Ayuda con el entendimiento entendimiento de la relación en entre tre dos variables a mas Permite usar el MCO al no tener relaciones contemporáneas Si se tiene pocas variables, estas son consideradas exógenas.   

Ventajas y desventajas

Ventajas No es necesario la especificación de las varibales endógenas o exógenas ya que todas pertenecen al primer grupo Es mas flexible que otros modelos, incluso que los ARIMA Ofre Of rece cen n es estru truct ctur ura a co comp mple leta ta,, po porr lo qu que e so son n ca capa pase ses s de ca capt ptur urar ar ma mas s características de las datas Las estimac estimacion iones es que gene genera ra est este e mo model delo o son mas cer certer teras as a las de los modelos clásicos Desventajas Se utiliza muy poca teoría, por lo que no es tan clara la relación de las variables asi como no se especifica como debe ser interpretados los coeficientes que se estiman No es claro con respecto a los numero de rezagos Hay demasiados parámetros, por lo que cuando hay pocos datos en cuanto a los grados de libertar , este consumo los demás Se necesita que la data sea estacionaria para poder realizar el modelo.

 

  ¿Qué significa Cointegración? Lo que significa cointegración es las características de dos o varias variables en las que el tiempo y sus series están cointegradas, es decir comparten tendencias tanto estocásticas como de otros tipos, como deterministas. Resulta ser una relación a largo plazo. El estar cointegradas dos variables significa que aunque crezcan o hagan lo contrario lo hacen de manera paralela

En que consiste la Causalidad de Granger  El test tiene como fin identificar si una variable antecede a otra en una serie temporal, esto hace que sea una buena predictora para la serie temporal.  Granger sugirió en su teoría que una noción de la causalidad basada en la asimetría de los esquemas de la correlación, en si quiere decir que una variable causa a la otra, siendo los valores pasados de una variable explicativa permita un mejor pronóstico de la variable independiente basada en el tiempo. Un rasgo importante de esta definición es que es susceptible de contrastación empírica. Dado un par de variables aleatorias, siempre es posible evaluar cual antecede a la otra a partir de la observación de la matriz de correlaciones 

desfasadas correspondientes correspondientes.. Este test sugiere que en el modelo que una alta correlación entre dos variables no asegura una relación causa-efecto, también requiere que las variables sean estocásticas.



Utilidad de la función: Impulso respuesta

Por ejemplo cuando un shock de una desviación estándar en ε11 produce sobre y11 un crecimiento constante(lineal) a través del tiempo cuyos efectos aumentan linealmente con el tiempo, es decir, este efecto sobre sus propios valores no es transitorio. Sobre la variable y21 el efecto es casi imperceptible con tendencia creciente y los valores de y31 disminuyen de manera lenta pero constante perdiendo entonces el carácter de transitorio.

 

Teóricamente según en Hamilton (1994) se demuestran estas condiciones bajo una ecuación de modelo VAR con un vector y rezagos explicada con matrices donde el elemento de la fila i, columna j, de la matriz ¥. Grafico del elemento de la fila i, columna j de la matriz ¥.

Identifica el impacto de un increme Identifica incremento nto en una unidad en la innov innovación ación de la jestima variable en el momento t (ejt) sobre el valor de la i-esima variable en el momento t+s(yi,t+s), manteniendo todas las demás innovaciones constantes, esta matriz con función de s es a lo que se denomina una función de impulso – re resp spue uest sta, a, qu que e de desc scri ribe be la re resp spue uest sta a de yi,t yi,t+s +s an ante te un im impu puls lso o en yjt, yjt, manteniendo todas las demás variables sin cambios. 

Descomposición Descomposició n de lla a varianza

Este método es un estudio complementario al análisis de la función impulso – respue res puesta sta,, que inf inform orma a en dis distin tintos tos hor horizo izonte ntes s del tie tiempo mpo el por porcen centaj taje e de volat vo latilid ilidad ad que reg regist istra ra una var variab iable le por los ch choqu oques es de los de demás más,, est esto o demuestra la relativa importancia de cada shock a las variables en el modelo VAR.

 

Teóricamente este consiste en calcular la contribución de la innovación j sobre el error de predicción de l periodo t + s. Es de esperar que en el corto plazo la propia innovación explique la mayor proporción de este error, cabe resaltar que este análisis también se ve afectado por el orden de las variables , por lo que se sugiere probar diferentes ordenamientos Conclusiones (debe tener coherencia con el objetivo del trabajo) Saber exactamente las utilidades tanto del modelo VAR como el de correlación nos ayuda a entender en la práctica los modelos econométricos que realizamos así como las predicciones y estimaciones en los diversos casos que se nos pueden presentar, haciéndonos analizar así que modelo, teoría o de quienes podemos usar los modelos para llegar a los resultados r esultados que queremos prever. Entiendo que estos modelos nos ayudan a desarrollar nuestras habilidades analíticas para poder así analizar valga la redundancia, de manera completa, situaciones en la economía que puedan suceder.

Bibliografía Utilidad del VAR: https://www.cepal.org/sites/default/files/courses/files/hc_ 3_especificacion_var.p ar.p https://www.cepal.org/sites/default/files/courses/files/hc_3_especificacion_v df  Cointegracion: https://www.cepal.org/sites/d https://www.cepal.org/sites/default/files/events/files/cc_11 efault/files/events/files/cc_11.2011_horario.catalan .2011_horario.catalan.. econometria.esp_.pdf  

Causalidad htps://aaep.org.ar/anales/works/works1986/balacco.pdf  htp://www.scielo.org.co/pdf/le/n86/0120-2596-le-86-00025.pdf  Función impulso – respuesa le:///F:/UCSM/10mo%20Semesre/Economeria%202/5008.pdf  Descomposición de la varianza htps://economeriaii.les.wordpress.com/2010/01/belran.pdf 

 



El trabajo se presenta en Word y se sube al aula virtual. Máximo 5 paginas incluida la carátula. Se recomienda añadir gráfcos que ayuden al entendimiento del trabajo.