TIPO DE CAMBIO PROYECCIONES CIERRE DE AF22

Para las proyecciones del tipo de cambio nos basamos en la información del BANCO DE MÉXICO (BANXICO) con las series históricas diarias del tipo de cambio peso-dólar, se anexa liga:

https://www.banxico.org.mx/SieInternet/consultarDirectorioInternetAction.do?sector=6&accion=consultarCuadro&idCuadro=CF373&locale=es

Se realizó un modelo autoregresivo integrado de promedio movil “ARIMA”, además se hiceron transformaciones para eliminiar la tendencia, variabilidad y estacionalidad en la serie.

TENDENCIAS ACTUALES

En la siguiente gráfica podemos observa la tendencia del tipo de cambio, con una tendencia creciente, lo que significa la perdida de valor de la moneda local en este caso el peso mexicano, frente al dolar.

ELECCION DEL MEJOR MODELO ARIMA PARA PRONOSTICO

La siguiente información muestra la interación de los modelos para determinarl el optimo.

RESULTADOS

La siguiente información muestra los residuos con autocorrelacion no significativa.

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(2,1,0)(2,1,0)[12]
## Q* = 29.929, df = 20, p-value = 0.07101
## 
## Model df: 4.   Total lags used: 24

Los residuales se distribuyen normalmente

PROYECCION

La siguiente gráfica muestra las proyecciones en los siguiente 10 meses, iniciando con el término del mes de junio.

ESTIMACIONES

La siguiente tabla muestra aquellas estimaciones, donde tenemos un promedio del tipo de cambio para los siguiente meses de $20 pesos en relación al dolar.

## 
## Forecast method: ARIMA(2,1,0)(2,1,0)[12]
## 
## Model Information:
## Series: z 
## ARIMA(2,1,0)(2,1,0)[12] 
## 
## Coefficients:
##          ar1      ar2     sar1     sar2
##       0.4103  -0.3186  -0.6635  -0.4412
## s.e.  0.0833   0.0827   0.0802   0.0829
## 
## sigma^2 = 0.3498:  log likelihood = -123.7
## AIC=257.41   AICc=257.87   BIC=271.97
## 
## Error measures:
##                       ME      RMSE      MAE        MPE   MAPE      MASE
## Training set 0.002600287 0.5566881 0.364322 0.03062228 2.0721 0.2658639
##                     ACF1
## Training set -0.01529879
## 
## Forecasts:
##          Point Forecast    Lo 95    Hi 95
## Jun 2022       20.05945 18.90023 21.21867
## Jul 2022       20.02042 18.01628 22.02455
## Aug 2022       20.25412 17.77419 22.73405
## Sep 2022       20.05156 17.27996 22.82316
## Oct 2022       19.98219 16.96132 23.00306
## Nov 2022       19.94552 16.67321 23.21783
## Dec 2022       19.75510 16.23679 23.27341
## Jan 2023       19.47782 15.73091 23.22473
## Feb 2023       19.56368 15.60541 23.52196
## Mar 2023       21.25759 17.09988 25.41529
## Apr 2023       21.77579 17.42710 26.12447
## May 2023       21.36629 16.83403 25.89855

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.