Últimas entradas de Victor A.Rico (ver todo)

En estadística, un modelo autorregresivo (AR) es una representación de un proceso aleatorio(estocástico), en el que la variable de interés depende de sus observaciones pasadas. Específicamente, la variable de interés o de salida, depende linealmente de sus valores anteriores. Por esto decimos que existe dependencia lineal entre las distintas observaciones de la variable. Si no sabes lo que es un proceso aleatorio, hemos de decir que un ejemplo de estos son por ejemplo las series de tiempo como las serie de precios en bolsa o la evolución de los habitantes en un región, etc etc

En el siguiente video explico más a detalle estos modelos, haciendo una introducción teórica, analizando sus ecuaciones y haciendo un ejemplo final en R studio. El código usado lo tienes justo debajo del video.

CÓDIGO EN R DEL VIDEOS

 

#video Proceso Autoregresivo (AR)

#install.packages(«quantmod»)
library(quantmod)
#install.packages(«tseries»)
library(tseries)
#install.packages(«forecast»)
library(forecast)
#install.packages(«TSA»)
library(TSA)
#install.packages(«Quandl»)
library(Quandl)

 

#getSymbols(«CPIAUCNS»,src=»FRED»)

getSymbols(«EXUSEU»,src=»FRED»)

plot(EXUSEU,type=»l»)

#Modelo AR(1)

MAR_100= Arima(EXUSEU,order=c(1,0,0))
MAR_100

residuos <- MAR_100$residuals

plot(residuos,type=»l»)

summary(MAR_100)

#adf.test(EXUSEU)

ar1 <- arima(EXUSEU,order=c(2,0,0))
ar1

Por Victor A.Rico

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

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *