Cómo saber si una serie es estacionaria: la ACF que no baja y el test de Dickey-Fuller, con ejemplos en R

Cómo saber si una serie es estacionaria: la ACF que no baja y el test de Dickey-Fuller, con ejemplos en R

Juan Marcelo Gutierrez

Abres el correlograma de tu serie y ves una ACF que empieza en casi 1 y no termina de bajar. No has encontrado un modelo: has encontrado una serie no estacionaria, y así no se puede identificar nada. Antes de buscar el AR o el MA hay que resolver esto.

Aquí vamos a ver por qué pasa, cómo confirmarlo con Dickey-Fuller y cuántas veces hay que diferenciar: ni una de menos ni una de más.

ACF de una serie no estacionaria: empieza cerca de 1 y baja muy despacio

Si prefieres verlo paso a paso en pantalla, está en vídeo: No estacionariedad en R: la ACF que no baja y Dickey-Fuller.

La regla, por adelantado

Lo que vesQué significaQué hacer
La ACF empieza cerca de 1 y no bajaRaíz unitariaDiferenciar y confirmar con Dickey-Fuller
Tras diferenciar, la ACF cae rápidoUna diferencia bastaIdentificar el modelo
ρ(1)\rho(1) cerca de −0.5Te has pasadoQuitar una diferencia

Por qué la ACF no baja: el paseo aleatorio

El caso extremo es el paseo aleatorio: hoy es ayer más un shock.

yt=yt−1+εty_t = y_{t-1} + \varepsilon_t

Los shocks se acumulan, así que la varianza crece con el tiempo, y la correlación entre hoy y dentro de kk periodos es prácticamente 1:

Corr(yt,yt+k)=tt+k\text{Corr}(y_t, y_{t+k}) = \sqrt{\frac{t}{t+k}}

Por eso la ACF no baja: el pasado no se olvida nunca.

Un caso real: los precios al por mayor de Estados Unidos

Usamos el índice de precios al por mayor de Estados Unidos, trimestral, de 1960 a 1990, de Stata Press. Lo leemos con read_dta, de haven, y lo pasamos a tsibble con el logaritmo y sus diferencias.

library(haven)
library(dplyr)
library(tsibble)
library(urca)

wpi <- read_dta("https://www.stata-press.com/data/r17/wpi1.dta") |>
  mutate(trimestre = yearquarter("1960 Q1") + row_number() - 1) |>
  select(trimestre, wpi, ln_wpi) |>
  as_tsibble(index = trimestre) |>
  mutate(d = difference(ln_wpi), d2 = difference(ln_wpi, differences = 2))

La serie sube de 30 a casi 120 en treinta años, con el salto de los setenta. No vuelve a ningún nivel: la media no es constante.

Índice de precios al por mayor de Estados Unidos, 1960-1990

En logaritmos, la ACF empieza en 0.98 y en el retardo 12 todavía va por 0.79. Baja en línea casi recta, sin prisa. Es la firma de una raíz unitaria, la misma del paseo aleatorio.

ACF y PACF del logaritmo de los precios: la ACF baja en línea casi recta

Confirmarlo con Dickey-Fuller

El contraste de Dickey-Fuller aumentado regresa la diferencia sobre el nivel de ayer, con una tendencia y algunos retardos de la diferencia para limpiar la autocorrelación:

Δyt=α+βt+γ yt−1+∑i=1pδi Δyt−i+εt\Delta y_t = \alpha + \beta t + \gamma\, y_{t-1} + \sum_{i=1}^{p} \delta_i\, \Delta y_{t-i} + \varepsilon_t

Si γ=0\gamma = 0, hay raíz unitaria. Ojo con el orden de las hipótesis, que es donde más gente se equivoca: la nula es la raíz unitaria. No rechazar significa que no has podido descartarla.

En R, con ur.df, de urca, con tendencia y cuatro retardos:

adf <- ur.df(wpi$ln_wpi, type = "trend", lags = 4)
adf@teststat
adf@cval

El estadístico da −2.67, y los valores críticos son −3.99, −3.43 y −3.13. No llega a ninguno: no se rechaza la raíz unitaria y hay que diferenciar.

Salida de ur.df sobre el logaritmo de los precios: estadístico −2.67

Una diferencia: la ACF por fin cae

La primera diferencia del logaritmo es, aquí, la inflación trimestral. Su ACF ya sí cae: 0.61, 0.53, 0.47, y en el retardo 12 está en 0.08. Queda dependencia, que modelará un ARMA, pero ya no es la recta de antes.

ACF y PACF de la serie diferenciada: la ACF cae

Sobre la diferencia, con constante:

adf_d <- ur.df(na.omit(wpi$d), type = "drift", lags = 4)
adf_d@teststat
adf_d@cval

Da −2.67, frente a −2.88 al 5 % y −2.57 al 10 %. Rechaza al 10 % pero no al 5 %: el caso frontera que los libros no suelen enseñar. La ACF que cae y el contraste apuntan a lo mismo: una diferencia basta.

Salida de ur.df sobre la serie diferenciada

El precio de diferenciar de más

¿Y si diferenciamos otra vez, por si acaso? Tiene un coste. Si diferencias ruido blanco, sale una media móvil de orden 1 con θ=−1\theta = -1:

Δεt=εt−εt−1,ρ(1)=θ1+θ2=−0.5\Delta\varepsilon_t = \varepsilon_t - \varepsilon_{t-1}, \qquad \rho(1) = \frac{\theta}{1+\theta^2} = -0.5

En una simulación de 500 datos sale −0.56. Con los precios, dos diferencias hunden el primer retardo hasta −0.40 y la PACF da varios valores negativos seguidos. Es la huella de diferenciar de más: la segunda diferencia no quita nada y mete una media móvil que no estaba.

ACF y PACF con dos diferencias: primer retardo en −0.40

Tu turno

Dos correlogramas del cierre diario del S&P 500 en 2001: uno diferenciado una vez y otro dos veces. ¿Cuál está sobrediferenciado? Decide antes de seguir leyendo.

Dos correlogramas del S&P 500: A y B

Solución

La B. La A es la diferencia del cierre: casi ruido blanco, con un primer retardo de 0.04, lo normal en rentabilidades diarias. La B es la segunda diferencia: ρ(1)\rho(1) se hunde hasta −0.42, cerca del −0.5 de la fórmula. Con una bastaba.

Con datos reales

Ninguna de estas señales decide sola. Mira las dos cosas, el correlograma y el contraste, y cuando no coincidan, piensa en el coste: quedarse corto deja una raíz unitaria sin tratar, y pasarse mete una media móvil que no existe.

El tutorial completo, con el código en pantalla: No estacionariedad en R: la ACF que no baja y Dickey-Fuller. Si aún no lo has visto, antes va cómo leer la ACF y la PACF.

🚀Comparte este artículo

Math Chaos Texture
⚡

¿Necesitas resolver algo parecido?

Modelización cuantitativa, validación de modelos y data leadership. Trabajo bajo NDA si lo pides.

Háblame de tu proyecto →