Cuestionario sobre Modelos AR y MA

¿Qué significa AR en el contexto de series temporales?

• Auto Regresión

• Autoregresivo

• Análisis de Riesgo

• Algoritmo Recursivo

En un modelo AR(p), ¿de qué depende el valor presente de la serie?

• De los errores futuros

• De sus valores pasados más un término de error

• Solo del término de error actual

• De variables externas

¿Cuál es la condición para que un modelo AR(1) sea estacionario?

• φ₁ > 1

• φ₁ = 1

• |φ₁| < 1

En un modelo AR(p), ¿cómo se comporta la Función de Autocorrelación Parcial (FACP)?

• Decrece gradualmente sin corte

• Se corta abruptamente después del rezago p

• Es siempre cero

• Crece exponencialmente

¿Qué representa un modelo MA(q)?

• Un modelo que depende de valores futuros

• Un modelo que depende de errores pasados

• Un modelo sin componente aleatorio

• Un modelo solo de tendencia

¿Cuál es una característica importante de todos los modelos MA?

• Pueden ser no estacionarios

• Requieren diferenciación

• Son siempre estacionarios

• Solo funcionan con datos diarios

En un modelo MA(q), ¿cómo se comporta la Función de Autocorrelación (ACF)?

• Decrece gradualmente

• Se corta abruptamente después del rezago q

• Es constante en todos los rezagos

• Aumenta con el tiempo

¿Qué significa que un modelo MA sea "invertible"?

• Que puede convertirse en estacionario

• Que los coeficientes son negativos

• Que puede reescribirse como un AR(∞)

• Que no tiene solución

¿Cuál es la principal ventaja de un modelo ARMA sobre modelos AR o MA puros?

• Es más fácil de entender

• Siempre es estacionario

• Logra parsimonia en la parametrización usando menos parámetros

• Solo funciona con datos mensuales

¿Qué componentes combina un modelo ARMA(p,q)?

• Tendencia y estacionalidad

• Componente autorregresivo AR(p) y componente de media móvil MA(q)

• Solo errores pasados

• Valores futuros y presentes