Calculadora Test ADF Dickey-Fuller Aumentado Raiz Unitaria

Calculadora test ADF Dickey-Fuller aumentado Said-Dickey 1984 raiz unitaria series temporales. Valores criticos MacKinnon 1996. BTP FTSE MIB Bocconi.

Parámetros de cálculo
¿Te ha sido útil esta calculadora?

Calculadora test ADF Dickey-Fuller aumentado raíz unitaria

La calculadora test ADF determina la presencia de una raíz unitaria en una serie temporal via el test Augmented Dickey-Fuller (Dickey-Fuller 1979 + Said-Dickey 1984), fundamental para análisis econométrico series temporales financieras y macroeconómicas. La regresión ADF: Δy_t = α + β·t + γ·y_{t-1} + Σ φ_i·Δy_{t-i} + ε_t, donde α intercepto (drift), β·t tendencia determinística, γ = ρ - 1 coeficiente clave (ρ autorregresivo nivel), Σ φ_i·Δy_{t-i} términos lag p augmented (corrección autocorrelación residuos Said-Dickey 1984), ε_t error IID. La estadística test: t_ADF = γ̂/SE(γ̂), distribución no estándar MacKinnon 1996 simulación Monte Carlo (no Student-t). Las hipótesis: H0: γ = 0 (raíz unitaria, serie no estacionaria I(1) random walk con drift), H1: γ < 0 (estacionaria I(0) mean-reverting). Decisión: rechazar H0 si t_ADF < valor crítico (test cola inferior). Los 3 modelos ADF: Modelo 1 (sin constante, sin tendencia) Δy_t = γ·y_{t-1} + Σ φ_i·Δy_{t-i} (random walk puro), críticos 1%=-2,58 5%=-1,95 10%=-1,62;

Modelo 2 (constante, sin tendencia) Δy_t = α + γ·y_{t-1} + Σ (random walk con drift), críticos 1%=-3,43 5%=-2,86 10%=-2,57; Modelo 3 (constante + tendencia lineal) Δy_t = α + β·t + γ·y_{t-1} + Σ (tendencia estacionaria), críticos 1%=-3,96 5%=-3,41 10%=-3,13. Selección lag p: criterios AIC (Akaike 1974), BIC (Schwarz 1978), HQ (Hannan-Quinn 1979), Ng-Perron 2001 modificado GLS, o regla Schwert 1989 p_max = 12·(T/100)^0,25. Las aplicaciones italianas:

  • BTP yield 10A niveles Banca d'Italia 1893 serie 2000-2026 t≈-1,2 modelo 2 → no rechaza H0 → I(1) random walk con drift
  • BTP yield diferencias primeras t≈-15 claramente I(0) estacionarias
  • FTSE MIB log-returns daily Borsa Italiana → Euronext Milan 2021 t<-3 modelo 2 → rechaza H0 → I(0) estacionario (efficient market mean reversión)
  • PIB ITA real ISTAT 1926 niveles logarítmico t≈-2,0 modelo 3 (con tendencia) → no rechaza → I(1) trend-estocástico
  • Tasa desempleo ISTAT trimestral t≈-2,7 modelo 2 → no rechaza al 5% → I(1) hysteresis Blanchard-Summers 1986
  • Inflación IPC ISTAT t≈-3,2 modelo 2 → rechaza al 5% → I(0) (anchored expectations BCE 2%)
  • Spread BTP-Bund 10A t≈-2,4 modelo 2 → no rechaza → I(1) (premio riesgo soberano persistente). La literatura econométrica italiana: Mario Forni Universidad Bocconi 1902 dynamic factor models (Forni-Hallin-Lippi-Reichlin 2000 ECMA); Tommaso Proietti Tor Vergata state space models; Marco Lippi Sapienza Roma structural VAR; Banca d'Italia 1893 Via Nazionale 91 modelos BIQM Bayesian VAR + DSGE

Tabla valores críticos ADF MacKinnon 1996 + aplicaciones Italia

ModeloEspecificaciónα=1%α=5%α=10%Aplicación italiana
Modelo 1Sin const, sin trend-2,58-1,95-1,62Random walk puro raro
Modelo 2Constante (drift)-3,43-2,86-2,57BTP yield, FTSE MIB returns, IPC ISTAT
Modelo 3Constante + trend-3,96-3,41-3,13PIB ITA log, M2 Banca d'Italia
Serie italianat_ADF típicaModeloDecisión 5%Conclusión I(d)Fuente
BTP yield 10A niveles-1,22No rechazaI(1) no estacionariaBanca d'Italia 1893 MEF
BTP yield diferencias-15,02RechazaI(0) estacionariaBanca d'Italia 1893
FTSE MIB log-returns-32,02RechazaI(0) estacionariaEuronext Milan 2021
PIB ITA real log-2,03No rechazaI(1) tendencia estocásticaISTAT 1926
Desempleo ITA-2,72No rechazaI(1) hysteresisISTAT 1926 trimestral
Inflación IPC-3,22RechazaI(0) BCE anchoredISTAT 1926 mensual
Spread BTP-Bund-2,42No rechazaI(1) premio riesgoBanca d'Italia + Bundesbank

(Fuente: Dickey-Fuller 1979 JASA + Said-Dickey 1984 Biometrika + MacKinnon 1996 J. Applied Econometrics + datos Banca d'Italia 1893 + ISTAT 1926 + Borsa Italiana → Euronext Milan 2021).

Ejemplos cálculo italiano test ADF

  • BTP 10A yield niveles Banca d'Italia 1893 MEF: muestra T=300 mensuales 2001-2026, lag p=4 (AIC), modelo 2 (constante drift). Estimación γ̂ = -0,015, SE = 0,012 → t_ADF = -1,25. Crítico 5% modelo 2 = -2,86 → t_ADF (-1,25) > crítico (-2,86) → no rechaza H0. Conclusión: BTP yield I(1) random walk con drift, coherente Fama 1965 efficient market y Vasicek 1977
  • BTP yield diferencias primeras Banca d'Italia: T=299, lag p=3, modelo 2. γ̂ = -0,98, SE = 0,063 → t_ADF = -15,5. Crítico 5% = -2,86 → rechaza H0. Diferencias estacionarias I(0)
  • FTSE MIB log-returns Borsa Italiana → Euronext Milan 2021: T=5.000 daily 2007-2026, lag p=10 (Schwert), modelo 2. γ̂ = -1,02, SE = 0,032 → t_ADF = -31,9. Crítico 1% = -3,43 → rechaza al 1%. FTSE MIB log-returns I(0) estacionarios
  • PIB ITA real ISTAT 1926 trimestral log nivel: T=200 1980-2026, lag p=4, modelo 3 (tendencia). γ̂ = -0,025, SE = 0,012 → t_ADF = -2,08. Crítico 5% modelo 3 = -3,41 → no rechaza. PIB log I(1) trend-estocástico
  • Test ADF t=-3,0 modelo 2 ejemplo didáctico: crítico 5% = -2,86. t_ADF (-3,0) < -2,86 → rechaza H0 al 5% (no al 1% pues -3,0 > -3,43). Estacionaria I(0) al 5%
  • Inflación IPC ISTAT mensual: T=300, p=12 estacional, modelo 2. γ̂ = -0,12, SE = 0,037 → t_ADF = -3,24. Rechaza al 5%. IPC I(0) anchored BCE Frankfurt 2%
  • Spread BTP-Bund crisis Eurozona 2011-2012: T=500 semanales, p=2, modelo 2. γ̂ = -0,03, SE = 0,012 → t_ADF = -2,5. No rechaza al 5%. Spread I(1) premio riesgo persistente, structural break julio 2012 "whatever it takes" Draghi BCE

Investigación econometría series temporales italiana

La econometría series temporales italiana: Universidad Bocconi Milán 1902 Mario Forni dynamic factor models (Forni-Hallin-Lippi-Reichlin 2000 ECMA); Tor Vergata Roma 1982 Tommaso Proietti state-space Kalman filter; Sapienza Roma 1303 Marco Lippi structural VAR; Politécnico Milán 1863 procesos estocásticos Markov; SISSA Trieste 1978; ICTP Trieste 1964.

Banca d'Italia 1893 Via Nazionale 91 Servizio Studi: BIQM Bayesian Italian Quarterly Model 100+ ecuaciones, DSGE-IT, MeMo (Eligio Locarno, Stefano Neri, Fabio Busetti); Working Papers Temi di Discussione.

ISTAT 1926 Roma Via Cesare Balbo 16: PIB trimestral (1970-hoy), IPC mensual (1957-hoy), empleo (1992-hoy); colabora con Banca d'Italia + MEF nowcasting Italia.

Bruno de Finetti 1931 probabilidad subjetiva Trieste y Roma fundamentos bayesianos series financieras; Carlo Rubbia 1984 Nobel Física CERN W/Z bosones métodos estadísticos; Riccardo Giacconi 2002 Nobel X-ray time-series.

Cineca Casalecchio Bologna 1969 Marconi100 + Leonardo HPC pre-exascale 250 PFlops 2023 (5° TOP500 mundial) simulaciones Monte Carlo bootstrap unit root panel (Im-Pesaran-Shin 2003).

Consob 1974 + IVASS 2012 regulación series financieras italianas; Borsa Italiana → Euronext Milan 2021 FTSE MIB índice 40 blue chips.

INFN AI Higgs MC Pisa-Padua-Roma.

Bonus italianos I+D 2025: Crédito I+D L. 160/2019 25%; Patent Box L. 178/2020 50%; PNRR Misión 4 Componente 2 6,9 mil mill. €.

Actualizado a julio de 2026

Preguntas frecuentes

¿Qué es el test ADF Dickey-Fuller aumentado?

Test econométrico para raíz unitaria series temporales (Dickey-Fuller 1979 + Said-Dickey 1984). Regresión Δy_t = α + β·t + γ·y_{t-1} + Σ φ_i·Δy_{t-i} + ε_t. H0: γ=0 (raíz unitaria, no estacionaria I(1)) vs H1: γ<0 (estacionaria I(0)). Estadístico t = γ̂/SE(γ̂) comparado con valores críticos MacKinnon 1996 simulación Monte Carlo (no Student-t).

¿Cuáles son los 3 modelos ADF?

Modelo 1 sin constante sin tendencia (random walk puro): críticos 1%=-2,58 5%=-1,95 10%=-1,62; Modelo 2 con constante drift (BTP yield, FTSE returns): 1%=-3,43 5%=-2,86 10%=-2,57; Modelo 3 constante + tendencia lineal (PIB log niveles, M2): 1%=-3,96 5%=-3,41 10%=-3,13. Valores críticos de MacKinnon 1996 J. Appl. Econometrics simulación Monte Carlo.

¿Cómo interpretar resultado t_ADF?

Test cola inferior: rechazar H0 si t_ADF < valor crítico. Ejemplo t_ADF = -3,0 modelo 2 crítico 5% = -2,86 → -3,0 crítico (ej. -1,2 > -2,86) → no rechaza → I(1) raíz unitaria no estacionaria. Comparar siempre con los 3 niveles α=1%, 5%, 10% para evidencia robusta.

¿Ejemplo BTP yield test ADF?

BTP 10A yield niveles Banca d'Italia 1893 MEF: T=300 mensuales, lag p=4 (AIC), modelo 2 drift. Estimación γ̂ = -0,015, SE = 0,012 → t_ADF = -1,25. Crítico 5% = -2,86 → -1,25 > -2,86 → no rechaza H0. Conclusión: BTP yield I(1) random walk con drift coherente Fama 1965 efficient market y Vasicek 1977 (no fuerte mean reversion empírica yields soberanos).

¿Ejemplo FTSE MIB log-returns ADF?

FTSE MIB log-returns daily Borsa Italiana → Euronext Milan 2021: T=5.000 daily 2007-2026, lag p=10 (Schwert), modelo 2. γ̂ = -1,02, SE = 0,032 → t_ADF = -31,9. Crítico 1% = -3,43 → -31,9 < -3,43 → rechaza al 1%. FTSE MIB log-returns I(0) estacionarios coherente Fama 1965 EMH efficient market hypothesis (no autocorrelación lineal returns daily).

¿Selección lag p óptimo ADF?

Criterios selección lag p ADF: AIC Akaike 1974 (más liberal, más lags), BIC Schwarz 1978 (más conservador), HQ Hannan-Quinn 1979 (compromiso), Ng-Perron 2001 modificado GLS (más potente, menor distorsión size). Regla Schwert 1989: p_max = floor(12·(T/100)^0,25). Para T=300 → p_max=14. Lag p=0 ADF base = test DF original 1979.

¿Investigación econometría italiana?

Mario Forni Bocconi 1902 dynamic factor models (Forni-Hallin-Lippi-Reichlin 2000 ECMA); Tommaso Proietti Tor Vergata state space; Marco Lippi Sapienza VAR; Banca d'Italia 1893 Via Nazionale 91 BIQM + Working Papers Temi di Discussione; ISTAT 1926; SISSA Trieste 1978; Bruno de Finetti 1931 bayesiana; Cineca Marconi100 + Leonardo 250 PFlops 5° TOP500 simulaciones MC unit root panel.

Comentarios (0)

Sin comentarios aún. ¡Sé el primero!