ESTACIONARIEDAD. Definición y Test en R

• Acerca de
• Últimas entradas

Victor A.Rico

Diplomado en Ciencias Empresariales y Operador del Mercado Español de Futuros y Opciones

Últimas entradas de Victor A.Rico (ver todo)

• Medidas Estadísticas de Dispersión Relativa - junio 11, 2024
• Modelos SARIMA(Arima Estacionales).¿Qué son y cómo usarlos para Predecir? - enero 4, 2024
• ¿Qué es el RUIDO BLANCO ? Econometría en R - junio 21, 2023

😄 El concepto de Estacionariedad es muy importante dentro del análisis de series y juegan un papel importante en la creación de modelos econométricos y también en algunas estrategias de trading como en la cointegración y multicointegración.

Las series temporales serán estacionarias, cuando la media y la variabilidad se mantienen constantes a lo largo del tiempo.

En este vídeo explico el concepto y enseño algunos test que puedes usar en R, como el de Dickey Fuller para poder detectar la existencia o estacionariedad en las series.

CÓDIGO DEL VÍDEO DE ESTACIONARIEDAD

### VIDEO SERIES ESTACIONARIAS ###

## ESTACIONARIEDAD = MEDIA Y VARIABILIDAD NO CAMBIAN EN EL TIEMPO

## Una serie con media constante es «estacionaria en la media» o «estacionaria»
## Igual con Varianza

## Se da Porque la distribución de Prob es igual en cualquier momento

## RUIDO BLANCO es un ejemplo



r_blanco=rnorm(1000,0,1)

plot.ts(r_blanco, main="Ruido Blanco", xlab="Tiempo", ylab="Valores",col="2")

plot.ts(r_blanco, main="SERIES ESTACIONARIAS", xlab="ESTACIONARIEDAD", ylab="RUIDO BLANCO",col="2")


## No son estacionarias series con Tendencia o estacionalidad



#install.packages("quantmod")
library(quantmod)
#install.packages("tseries")
library(tseries)
#install.packages("fImport")
library(fImport)
#install.packages("FImport")
library(urca)


getSymbols("^DJI",quote="Close",from ="2013-03-17")
DOW= DJI[,4]

plot(DOW,type="l")


## ¿ Qué hacer si necesitamos series estacionarias?


## Modelos econométricos

## estrategias de trading-- Arbitraje Estadístico


## Podemos trandformar las series con diferencias y log




l_dow<-log(DOW)
plot(l_dow,type="l")


r_dow <- na.omit(returns(DOW)) # retorno log
plot(r_dow,type="l")




### test estadísticos para ayudar y para ser mas rápidos


## Los métodos más usados para comprobar si existe estacionariedad
## son los tes de Raiz unitaria



## TEST DE RAICES UNITARIAS

# Si existe Raiz unitaria hay una tendencia estocástica,y por tanto
# no estacionariedad


#getSymbols("^DJI",quote="Close",from ="2002-03-17")
#DOW= DJI[,4]



getFX("EUR/USD") 
plot(EURUSD,type="l")


# Test Dickey Fuller


adf.test(DOW)


adf.test(EURUSD,k=0)    #en funcion de los datos


#?adf.test


## Hacemos retornos y Comprobamos

r_EURUSD <- na.omit(returns(EURUSD))
plot(r_EURUSD,type="l")

adf.test(r_EURUSD)


#un p-valor de 0.01, indica que rechazamos la hipótesis nula 
#de no estacionariedad.



#trunc((length(EURUSD)-1)^(1/3))


### Urca


## Hay varios tipos de test -- tendencia- constante -nada
?ur.df


df.eurusd <- ur.df(r_dow, type='trend',lags=12, selectlags=c("AIC"))
summary(df.eurusd)


df.eurusd <- ur.df(DOW, type='drift',lags=12, selectlags=c("AIC"))
summary(df.eurusd)

df.eurusd <- ur.df(DOW, type='none',lags=12, selectlags=c("AIC"))
summary(df.eurusd)


## Hacemos los retornos

df.eurusd <- ur.df(r_EURUSD, type='trend',lags=5, selectlags=c("AIC"))
summary(df.eurusd)



# incluir la posibilidad de que el
#término de error no fuera ruido blanco al existir 
#la posibilidad de autocorrelación


# Test Philipps Perron

?pp.test

pp.test(r_EURUSD, alternative="stationary")


## urca

pp <- ur.pp(r_EURUSD, type="Z-tau",model="trend", lags="long")
pp

summary(pp)