code.R

library(forecast)
library(tseries)

#Lectura de datos
datos <- read.csv("./data/raw/DATOS_XNT_PROD_TRAD_1.csv", header = TRUE, sep = ";" ,dec = ".") |> as.data.frame()
dplyr::glimpse(datos) # Ver la estructura de la data

#Seleccionamos variables monetarias de la serie
XNT_Cereales <- dplyr::select(datos,XNT05)

#Indicamos que sea una serie de tiempo
Serie_XNT_Cereales <- ts(XNT_Cereales, start = c(1999,1), end = c(2021,8), frequency = 12)
print(Serie_XNT_Cereales)


####################################################################
########################## ESPECIFICACI?N ##########################
####################################################################

#Explorando datos
par(mfrow = c(2,1))
plot(Serie_XNT_Cereales)
boxplot(Serie_XNT_Cereales ~ cycle(Serie_XNT_Cereales))
par(mfrow = c(1,1))

####################################################################
########################## IDENTIFICACI?N ##########################
####################################################################

#test de raices unitaria
#Prueba de Dicker - Fuller Aumentado (ADF)
adf.test(Serie_XNT_Cereales, 
         alternative="stationary", 
         k=0
         )

# Funciones de autocorrelación
par(mfrow = c(2,1))
acf(Serie_XNT_Cereales, lag.max=34)
pacf(Serie_XNT_Cereales, lag.max=34)
par(mfrow = c(1,1))

#Transfromaci?n de Box Cox
lamb.x <- BoxCox.lambda(Serie_XNT_Cereales)
lamb.x

##realiza la transformacion
tran_box <- function(xt,lambda){
  if (lamb.x == 0) {
    xt_box <- log(xt)
  } else {
    xt_box <- (xt^lamb.x - 1)/lamb.x
  }
}

Serie_XNT_Cereales_boxCox <- tran_box(Serie_XNT_Cereales, lamb.x)

#Explorando datos
par(mfrow = c(2,1))
plot(Serie_XNT_Cereales)
plot(Serie_XNT_Cereales_boxCox)
par(mfrow = c(1,1))


#Funciones de autocorrelacion
par(mfrow = c(2,1))
acf(Serie_XNT_Cereales, lag.max=34, main = "Funci?n de autocorrelaci?n")
pacf(Serie_XNT_Cereales, lag.max=34, main = "Funci?n de autocorrelaci?n parcial")
par(mfrow = c(1,1))

par(mfrow = c(2,1))
acf(Serie_XNT_Cereales_boxCox, lag.max=34, main = "Funci?n de autocorrelaci?n")
pacf(Serie_XNT_Cereales_boxCox, lag.max=34, main = "Funci?n de autocorrelaci?n parcial")
par(mfrow = c(1,1))

####################################################################
############################ ESTIMACI?N ############################
####################################################################


#Serie_XNT_Cereales_boxCox = ts(Serie_XNT_Cereales_boxCox, start = c(1994,1), end = c(2021,8), frequency = 12)


#especificaci?n del modelo
modelo_1 = arma(diff(Serie_XNT_Cereales_boxCox), order = c(1,1))
summary(modelo_1)

modelo_1 = arma(diff(Serie_XNT_Cereales_boxCox), order = c(4,0))
summary(modelo_1)

####################################################################
############################ VALIDACI?N ############################
####################################################################

#Analisis de residuales
#Normalidad
residuos_modelo1 = modelo_1$residuals

par(mfrow = c(3,1))
hist(residuos_modelo1)
boxplot(residuos_modelo1)
plot(residuos_modelo1)
par(mfrow = c(1,1))

residuos_modelo1 = residuos_modelo1[!is.na(residuos_modelo1)]
jarque.bera.test(residuos_modelo1)

#Funciones de autocorrelacion
par(mfrow = c(2,1))
acf(residuos_modelo1, lag.max=34, main = "Funci?n de autocorrelaci?n")
pacf(residuos_modelo1, lag.max=34, main = "Funci?n de autocorrelaci?n parcial")
par(mfrow = c(1,1))