Análisis de causalidad para series de tiempo multivariadas funcionales
Cargando...
Autores
Maya Orozco, Jhon Eduwin
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
La causalidad de Granger es una prueba creada hace casi medio siglo que permite saber
si una serie temporal ayuda en la predicción de otra. Para el caso de series temporales fun-
cionales el tema ha sido explorado por autores como Saumard y Hadjadji (2021) o Sen et
al. (2022), sin embargo el tema posee aún muchas lineas de investigación abiertas que han
sido poco exploradas. Este trabajo se concentra en estudiar una extensión de las pruebas
de causalidad de Granger para series de tiempo funcionales multivariadas de dimensiones
mayores a 2 (específicamente 3 y 4), basada en los procedimientos propuestos por Saumard
y Hadjadji (2021). Para este fin se simulan procesos bivariados, tri-variados y tetra-variados
a partir de modelos FAR(1) y FARX(1). Se realizan las pruebas de causalidad de Granger
a través de tres procedimientos (DFPCA, F-causalidad y G-causalidad). Se encuentra que
la prueba que presenta mejores resultados a través del estudio de simulación es la que hace
uso de los componentes principales dinámicos DFPCA y que la variabilidad explicada por
el número de componentes afecta de manera sensible la potencia de la prueba. Se realiza
un ejemplo de aplicación para ilustrar los procedimientos propuestos en el que se verifica si
existe causalidad entre el precio del dólar (Yt), el precio del petróleo Brent (Xt1 ) y la tasa de
interés de los bonos colombianos a 10 años (Xt2 ). Se confirma la causalidad de las variables
Xti sobre la variable Yt tal y como la teoría económica parece predecir. (Texto tomado de la fuente)
Abstract
Granger causality is a test created almost half a century ago that allows us to know if
one time series helps in the prediction of another. In the case of functional time series, the
topic has been explored by authors such as Saumard y Hadjadji (2021) or Sen et al. (2022),
however the topic still has many open lines of research that have been little explored. This
work focuses on studying an extension of the Granger causality tests for multivariate functio-
nal time series of dimensions greater than 2 (specifically 3 and 4), based on the procedures
proposed by Saumard y Hadjadji (2021). For this purpose, bivariate, trivariate and tetra-
variate processes are simulated using FAR(1) and FARX(1) models. Granger causality tests
are carried out through three procedures (DFPCA, F-causality and G-causality). It is found
that the test that presents the best results through the simulation study is the one that ma-
kes use of the DFPCA dynamic principal components and that it will have been explained
by the number of components that significantly affects the power of the test. An application
example is carried out to illustrate the proposed procedures in which it is verified if there is
causality between the price of the dollar (Yt), the price of Brent oil (Xt1 ) and the interest rate of the Colombian 10-year bonds (Xt2 ). The causality of the variables Xti on the variable
Yt is confirmed, as economic theory seems to predict.
Palabras clave propuestas
Series temporales; Datos funcionales; Causalidad de Granger; Modelos Autorregresivos Funcionales (FAR); Modelos Autorregresivos Funcionales con variables exógenas (FARX); Time series; Functional data; Granger causality; Functional Autorregresive Models (FAR); Functional Autorregresive Models with exogenous variables (FARX)
Descripción
ilustraciones, diagramas