Cointegración

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda

La cointegración es una estadística característica de las variables en las series de tiempo donde dos o más series de tiempo están cointegradas si comparten una tendencia estocástica común.

Introducción[editar]

Si dos o más series están individualmente integrados (en el sentido de series de tiempo), pero algunas de las variables son una combinación lineal de otras de ellas, entonces tienen un menor orden de integración, por lo que se dice que las series están cointegradas. Un ejemplo común es cuando las series individuales son de primer orden integrada (I (1)), pero existe alguna (cointegración) vector de coeficientes para formar una estacionaria combinación lineal de ellos. Por ejemplo, un índice de la bolsa y el precio de su asociada contrato de futuros se mueven a través del tiempo, cada uno más o menos después de un paseo aleatorio . Prueba de la hipótesis de que existe una significativa relación entre el precio de futuros y el precio de contado ahora podría hacerse por medio de pruebas de la existencia de una combinación cointegrado de las dos series. (Si esta combinación tiene un bajo orden de integración -. Especialmente si es I (0), esto puede significar una relación de equilibrio entre la serie original, que se dice que son cointegradas)

Antes de la década de 1980 muchos economistas utilizaban regresiones lineales en los datos de series de tiempo no estacionarias. El premio Nobel Clive Granger y otros demostraron que era un enfoque peligroso que podría producir correlación espuria , ya que las técnicas de estimación de tendencia estándar pueden resultar en los datos que todavía son no estacionarias.[1] Su artículo de 1987 con el premio Nobel Robert Engle formalizó el enfoque de cointegración vector, y acuñó el término.[2]


La posible presencia de cointegración se debe tener en cuenta a la hora de elegir una técnica para poner a prueba hipótesis sobre la relación entre dos variables que tienen raíces unitarias (es decir, integradas por lo menos para uno).[3]

El procedimiento habitual para contrastar las hipótesis relativas a la relación entre las variables no estacionarias era correr los mínimos cuadrados ordinarios (OLS) regresiones sobre datos que inicialmente se habían diferenciado. Aunque este método es correcto en muestras grandes, cointegración proporciona herramientas más potentes [ ejemplo necesarios ] cuando los conjuntos de datos son de longitud limitada, ya que la mayoría de series de tiempo económicas son. Medidas de cointegración se pueden calcular sobre conjuntos de series de tiempo utilizando rutinas rápidas.[4]

Referencias[editar]

  1. Granger, Clive (1981). «Some Properties of Time Series Data and Their Use in Econometric Model Specification». Journal of Econometrics 16 (1): 121–130. doi:10.1016/0304-4076(81)90079-8. 
  2. Engle, Robert F.; Granger, Clive W. J. (1987). «Co-integration and error correction: Representation, estimation and testing». Econometrica 55 (2): 251–276. JSTOR 1913236. 
  3. Granger, C.; Newbold, P. (1974). «Spurious Regressions in Econometrics». Journal of Econometrics 2 (2): 111–120. doi:10.1016/0304-4076(74)90034-7. 
  4. Yang, Michael (29 de agosto de 2013). «A Patch for scipy.spatial.distance for cointegration». Consultado el 29 de agosto de 2013.