Modelos ARIMA para el análisis de series temporales

1. Modelos ARIMA para el análisis de series temporales “Predicción del Precio Nominal del cobre refinado” • Integrantes: • Miguel Angel Bruna. • Carolina Ortiz. • Maria Elena Valenzuela.

2. ARIMA(Autorresive Integrated Moving Average) • Procedimiento de análisis estadístico. • Predice el comportamiento de la variable. • Serie temporal: conjunto de observaciones (datos) de una variable tomadas en intervalos regulares de tiempo.

3. Es un modelo (p, d, q) • Etapas: 1.- Identificación de la estructura del modelo. 2.- Estimación de los parámetros. 3.- Diagnosis del modelo.

4. Se postula una clase de modelos ARIMA Método de Box-Jenkins Identificación del modelo tentativo: p, d, q, P, D, Q Estimación de Parámetros del modelo tentativo Verificación de diagnóstico ¿Es adecuado el modelo? Uso del modelo con fines de: Control, Predicción.

5. Datos a Investigar • Datos oficiales entregados por Codelco Chile, los datos son presentados de manera anual desde el año 1950 al año 2008 en centavo de dólar por libra.

6. Objetivo. Hipótesis.

7. Desarrollo de la Investigación • Estacionalidad en media y en varianza del precio nominal del cobre refinado. • Resumen del procesamiento de los casos.

8. Análisis de Precios Precio

9. Prueba de homogeneidad de la varianza Precio

10. Análisis de Autocorrelaciones Precio El cuadro proporciona la FAS de la serie Precio sobre los primeros 59 retardos.

11. Autocorrelaciones parciales Serie: Precio

12. ARIMA • El análisis de los residuos en busca de alguna estructura estacional se realizara sobre la serie ERR#1. • FIT#1 más ERR#1 = Valor del precio nominal efectivo del año.

13. Precio Precio

14. Sobreajuste del Modelo. Validación.

15. Predicción • Utilizando el modelo ARIMA para el análisis de series temporales podemos decir con un 95% de confianza que los próximos valores nominales del cobre refinado en centavo de dólar por libra, sin que cambie el panorama mundial serán aproximadamente: