Econometria II: Modelos VAR
Universidad Nacional Hermilio Valdizan
Facultad de Economía
¿Qué es el Modelo VAR?
Los Modelos VAR son herramientas clave para el análisis de relaciones
dinámicas entre variables de series de tiempo. En un VAR, todas las variables
son consideradas endógenas, permitiendo modelar interacciones complejas.
Un Modelo VAR se representa por la siguiente fórmula:
Yt = A1 Yt−1 + A2 Yt−2 + · · · + Ap Yt−p + εt
• Yt : Vector de variables endógenas (dimensión n × 1).
• Ai : Matrices de coeficientes (n × n).
• εt : Vector de errores (ruido blanco).
1/16
Modelo Autorregresivo (AR)
Un proceso AR(p) describe una variable en función de sus propios rezagos.
yt = ϕ1 yt−1 + ϕ2 yt−2 + · · · + ϕp yt−p + εt
Donde:
• ϕi : Coeficientes autorregresivos.
• εt : Error (supuesto ruido blanco).
Por otro lado, un proceso MA(q) modela yt como una combinación lineal de
errores actuales y pasados.
yt = εt + θ1 εt−1 + θ2 εt−2 + · · · + θq εt−q
Donde:
• θi : Coeficientes de media móvil.
2/16
Modelos Multivariados y VAR
En los modelos multivariados, como el VAR, se analiza cómo una variable
depende no solo de sus propios rezagos, sino también de los rezagos de otras
variables.
Para n variables endógenas:
Yt = A1 Yt−1 + A2 Yt−2 + · · · + Ap Yt−p + εt
Donde:
[ ]′
• Yt = y1t , y2t , . . . , ynt
Propiedades:
• Supone estacionariedad.
• Los errores (εt ) son ruido blanco con E(εt ) = 0 y matriz de covarianza Σε .
3/16
Estructura básica de un VAR
Modelos Estructurales VAR (SVAR)
Los SVAR introducen restricciones para identificar relaciones causales entre
variables, que no están presentes en un VAR estándar. Un VAR estructural de
orden 1 se define como:
xt = Φxt−1 + Bϵt
Donde:
• xt es un vector de k variables endógenas.
• Φ es una matriz de coeficientes de dimensión k × k.
• B es una matriz de impacto estructural (k × k).
• ϵt es un vector de shocks estructurales, no correlacionados y de media cero.
5/16
Identificación de relaciones causales:
• Restricciones a corto plazo: Imponen que algunos choques no afectan
inmediatamente a ciertas variables.
• Restricciones a largo plazo: Limitan cómo los choques impactan en el
equilibrio de las variables.
En su forma reducida, un VAR se expresa como:
xt = Φxt−1 + ut
Donde ut = Bεt representa los residuales del modelo en su forma reducida.
La matriz de covarianza de los residuales es:
Σu = E[ut u′t ] = BB′
6/16
Funciones de Impulso-Respuesta (IRF)
Las Funciones de Impulso-Respuesta (IRFs) miden el efecto dinámico de un
choque en una variable sobre las demás variables del sistema.
∂Yt+h
IRFh =
∂εt
Donde:
• h: Horizonte de predicción
• εt : Choque en el tiempo
Propiedades:
• Permiten observar cómo un choque se propaga en el tiempo.
• Interpretan relaciones dinámicas en el sistema.
7/16
Descomposición de la Varianza de Errores de Predicción
El FEVD (Forecast Error Variance Decomposition) cuantifica qué proporción de
la variabilidad de una variable se explica por cada uno de los choques
estructurales.
σj2 (h)
FEVDh =
σj2
Donde:
• σj2 (h): Variancia explicada por el choque j a un horizonte h.
• σj2 : Choque en el tiempo
8/16
Representación de Wold
La representación de Wold reescribe un modelo VAR como una combinación de
choques estructurales pasados y actuales. Para un VAR(1):
xt = Φxt−1 + Bεt
Expandiendo recursivamente, se obtiene:
∑
t−1
t
xt = Φ x0 + Φj Bεt−j
j=0
• Condición inicial: Φt x0 , que refleja el impacto del valor inicial. Este término
desaparece si la serie es estacionaria (Φt → 0 cuando t → ∞).
∑
• Choques acumulados: ∞ j
j=0 Φ Bεt−j , que muestra cómo los choques
estructurales afectan la dinámica futura del sistema.
9/16
Restricciones comunes para la identificación
En los Modelos SVAR, las restricciones ayudan a identificar los choques
estructurales a partir de los residuos del modelo. Las restricciones mas
comunes son:
• Restricciones contemporáneas (Cholesky). Suponen que algunos choques
no afectan ciertas variables de forma inmediata. Se impone que la matriz de
impacto B sea triangular inferior.
Ejemplo: La política monetaria afecta a la inflación y al desempleo con
retraso.
• Restricciones de largo plazo. Suponen que ciertos choques no tienen
efectos acumulativos en algunas variables.
Ejemplo: Los choques de demanda no afectan el nivel del PIB en el largo
plazo (neutralidad monetaria).
10/16
• Restricciones de signo. Basadas en teorías económicas que predicen cómo
los choques afectan las variables (positiva o negativamente).
Ejemplo: Un choque de demanda aumenta el PIB y las tasas de interés,
mientras que un choque de política monetaria reduce el PIB.
• Instrumentos externos (Proxy SVAR). Usan variables externas
(instrumentos) correlacionadas con un choque específico.
Ejemplo: Utilizar cambios inesperados en tasas de interés como
instrumento para choques de política monetaria.
11/16
Paper: ¿Cambia la transmisión de los choques
de política monetaria cuando la inflación es
alta?
El estudio analiza cómo varían los efectos de la política monetaria en regímenes
de alta y baja inflación en [Link]., usando un modelo autorregresivo vectorial de
umbral Bayesiano. Los resultados muestran que, en alta inflación, los choques
convencionales tienen menor impacto pero efectos más duraderos, mientras que
los choques de liquidez son más expansivos a corto plazo, impulsando el
crecimiento y los mercados financieros.
Además, cuestiona teorías tradicionales, como los costos de menú y la curva de
Phillips, al encontrar que los ajustes de precios no siguen los patrones previstos
en alta inflación. Concluye que los choques monetarios también cumplen un rol
de señalización económica, cuyo impacto depende del régimen inflacionario,
destacando la necesidad de adaptar las políticas a este contexto.
13/16