T Ese Guilherme

UNIVERSIDADE DE SO PAULO
FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

DEPARTAMENTO DE ECONOMIA
PROGRAMA DE PS-GRADUAO EM ECONOMIA

ESTRUTURAS DE MEMRIA LONGA EM VARIVEIS ECONMICAS: DA
ANLISE DE INTEGRAO E CO-INTEGRAO FRACIONRIAS ANLISE
DE ONDALETAS

Guilherme de Oliveira Lima Cagliari Marques

Orientadora: Profa. Dra. Vera Lcia Fava

SO PAULO
2007

Profa. Dra. Suely Vilela
Reitora da Universidade de So Paulo

Prof. Dr. Carlos Roberto Azzoni
Diretor da Faculdade de Economia, Administrao e Contabilidade

Prof. Dr. Joaquim Jos Martins Guilhoto
Chefe do Departamento de Economia

Prof. Dr. Dante Mendes Aldrighi
Coordenador do Programa de Ps-Graduao em Economia
GUILHERME DE OLIVEIRA LIMA CAGLIARI MARQUES

ESTRUTURAS DE MEMRIA LONGA EM VARIVEIS ECONMICAS: DA
ANLISE DE INTEGRAO E CO-INTEGRAO FRACIONRIAS ANLISE
DE ONDALETAS

Tese apresentada ao Departamento de
Economia da Faculdade de Economia,
Administrao e Contabilidade da
Universidade de So Paulo como requisito
para obteno do ttulo de Doutor em
Economia.

Orientadora: Profa. Dra. Vera Lcia Fava

SO PAULO
2007

FICHA CATALOGRFICA
Elaborada pela Seo de Processamento Tcnico do SBD/FEA/USP

Marques, Guilherme de Oliveira Lima Cagliari
Estruturas de memria longa em variveis econmicas: da anlise de integrao
e co-integrao fracionrias anlise de ondaletas / Guilherme de Oliveira
Lima Cagliari Marques. -- So Paulo, 2007.
238 p.

Tese (Doutorado) Universidade de So Paulo, 2007
Bibliografia.

1. Econometria 2. Anlise de sries temporais 3. Processos com memria
longa 4. Anlise de ondaletas (wavelets) I. Universidade de So Paulo. Facul-
dade de Economia, Administrao e Contabilidade II. Ttulo.

CDD 330.015195
i

Ao meu av, Hygino,
minha me, Marilena,
e minha esposa, Kelly.

ii
Agradeo inicialmente minha orientadora Profa. Dra. Vera Lcia Fava por toda a sua
ajuda, dedicao e amizade.
Agradeo Profa. Dra. Chang Chiann pelos seus valiosos ensinamentos e sugestes.
Agradeo minha esposa Kelly pela sua motivao, apoio e companheirismo.
Agradeo minha me, que sempre esteve presente, por todo o seu apoio.
Agradeo s minhas sobrinhas Ariane e Tas e ao meu irmo Gustavo pelo carinho.
Agradeo amizade de Srgio Malacrida Jr. e sua esposa Mara e de minhas amigas
Priscila Matias Flori, Fernanda Batola e Beatriz Oliveira.
Agradeo prestigiosa Fundao de Amparo Pesquisa do Estado de So Paulo
FAPESP - pelo suporte financeiro, essencial ao desenvolvimento dessa tese.
Agradeo tambm aos pareceristas da FAPESP pelos valiosos comentrios e sugestes.

iii
RESUMO

Os modelos ARFIMA de memria longa mostraram-se nesse trabalho mais versteis anlise
da persistncia em sries temporais em comparao aos modelos ARIMA. As funes
impulso-resposta dos modelos de integrao fracionria indicam que essa classe de modelos
capta mais adequadamente as informaes contidas nas baixas freqncias das sries e,
portanto, estes modelos so mais capacitados para avaliar como os choques econmicos so
acomodados no mdio e longo prazo. Os estudos simulatrios mostraram que os testes de raiz
unitria aplicados a processos com memria longa possuem baixo poder, e que os estimadores
por mxima verossimilhana e os baseados no espectro de ondaletas so eficientes para
estimar o parmetro de integrao fracionria. Os estudos empricos encontraram
componentes altamente persistentes nas sries brasileiras do produto, desemprego e consumo.
A anlise de co-integrao fracionria refutou os resultados do arcabouo I(1)-I(0) que
sugerem a no co-integrao entre as sries consumo das famlias e renda disponvel. A
variabilidade relativa dessas sries foi analisada por meio da anlise em multiresoluo de
ondaletas. Concluiu-se que, nas baixas escalas, a variabilidade entre as sries varia em funo
da escala temporal envolvida. A doutrina da paridade do poder de compra com dados
brasileiros foi revisitada por meio da anlise de co-integrao fracionria.

iv
ABSTRACT

The long-memory ARFIMA models proved to be more versatile in this study to the analysis of
endurance in time series compare to the ARIMA models. The impulse-response functions of
the fractionally integrated models indicate that this class of models more adequately gathers
the data enclosed in the low frequencies of the series and thus these models are more befitted
to evaluate how economic shocks are settled in the medium and long terms. Simulation
studies unveiled that the unit root tests applied to long-memory processes have low power,
and that the maximum likelihood estimators as well as those based on wavelet spectrum are
efficient in estimating the fractional difference parameter. Empirical studies have found
highly persistent components in the Brazilian series of the product, unemployment and
consumption. The fractional co-integration analysis rebutted the results of the I(1)-I(0)
framework, which suggest the non co-integration between the series of families consumption
and the disposable income. The relative variability of these series was investigated through a
wavelet multiresolution analysis. It was concluded that, in small scales, the variability
between the series changes according to the time scale involved. The Purchasing Power Parity
doctrine with Brazilian data has been revisited through the fractional co-integration analysis.

SUMRIO

LISTA DE ABREVIATURAS E SIGLAS ................................................................................ 3
LISTA DE TABELAS ............................................................................................................... 5
LISTA DE FIGURAS ................................................................................................................ 7
LISTA DE SMBOLOS ........................................................................................................... 11
1 INTRODUO ................................................................................................................... 13
2 MEMRIA LONGA E ANLISE ECONMICA ............................................................ 23
2.1 Introduo ..................................................................................................................... 23
2.2 Origem da Memria Longa em Variveis Econmicas ............................................... 32
2.2.1 Gerao do Padro de Memria Longa pela Agregao de Microprocessos ............ 33
2.2.2 Gerao do Padro de Memria Longa por Quebras Estruturais e Regimes
Alternantes: Memria Longa Espria? ...................................................................... 36
2.2.3 Origens Naturais da Memria Longa? ....................................................................... 40
2.3 Concluses .................................................................................................................... 44
3 PROCESSOS ESTOCSTICOS INTEGRADOS: A INTEGRAO FRACIONRIA E
MODELOS DE MEMRIA LONGA ................................................................................ 45
3.1 O Paradigma (1) (0) I I .............................................................................................. 45
3.2 O Paradigma da Integrao Fracionria ....................................................................... 47
3.3 Processos Estocsticos com Memria Longa ............................................................... 51
3.4 Modelos Auto-Regressivos Integrados Fracionariamente e de Mdias Mveis
( , , ) ARFIMA p d q ......................................................................................................... 58
3.4.1 Propriedades Espectrais do Modelo ( , , ) ARFIMA p d q ............................................. 60
3.4.2 Funo Impulso-Resposta (FIR) do Modelo ( , , ) ARFIMA p d q ................................ 61
3.5 Modelos de Memria Longa Sazonal ........................................................................... 63
3.5.1 Modelos ( , , ) ( , , )
s
s
ARFISMA p d q P d Q .................................................................. 64
3.5.2 Processo de Gegenbauer ............................................................................................ 68
4 ANLISE SIMULATRIA DE PROCESSOS DE MEMRIA LONGA ........................ 71
4.1 Apresentao ................................................................................................................ 71
4.2 Sobre o Poder dos Testes de Razes Unitrias Envolvendo Processos com Memria
Longa ............................................................................................................................ 72
4.3 Sobre a Eficincia dos Modelos de Estimao da Memria Longa ............................. 78
4.3.1 Resultados .................................................................................................................. 80
4.4 Concluses .................................................................................................................... 83
5 INTRODUO CO-INTEGRAO FRACIONRIA ................................................. 85
5.1 Anlise de Co-Integrao Fracionria com Bootstrap .................................................. 85
6 ABORDAGEM EMPRICA SOBRE MEMRIA LONGA EM VARIVEIS
ECONMICAS ................................................................................................................... 91
6.1 Anlise da Persistncia nas Flutuaes do Produto Interno Bruto Brasileiro sob a
ptica dos Modelos de Integrao Fracionria ............................................................ 92
6.1.1 Introduo .................................................................................................................. 92
6.1.2 Modelagem Univariada do PIB: o Paradigma (1) (0) I I e o Paradigma Fracionrio
93
6.1.3 Concluses ............................................................................................................... 101
6.2 Memria Longa Sazonal na Srie de Desemprego da Regio Metropolitana de So
Paulo ........................................................................................................................... 103
6.2.1 Introduo ................................................................................................................ 103
6.2.2 Modelagem Sazonal Univariada da Srie PED ........................................................ 105
6.2.3 Concluses ............................................................................................................... 117
2

6.3 Anlise da Variabilidade Relativa das Sries Consumo das Famlias e Renda
Disponvel: Aspectos Empricos por meio da Anlise de ondaletas, Memria Longa e
Co-Integrao Fracionria .......................................................................................... 118
6.3.1 Introduo ................................................................................................................ 118
6.3.2 Apresentao das Sries e Aspectos Iniciais ............................................................ 121
6.3.3 Anlise em Multirresoluo e Varincia de Ondaletas ............................................ 124
6.3.4 Anlise de Memria Longa nas Sries Consumo das Famlias e Renda Disponvel129
6.3.5 Equilbrio de Longo Prazo entre as Variveis Consumo das Famlias e Renda
Disponvel ................................................................................................................ 138
6.3.5.1 Anlise de Co-integrao (1) (0) I I : Metodologias de Engle & Granger
(1987) e de Johansen (1995) ........................................................................ 139
6.3.5.2 Anlise de Co-integrao Fracionria: Metodologia de Davidson (2002c) ... 142
6.3.6 Concluses ............................................................................................................... 145
6.4 Hiptese da Paridade do Poder de Compra no Brasil Sob o Arcabouo da Co-
Integrao Fracionria ................................................................................................ 148
6.4.1 Introduo ................................................................................................................ 148
6.4.2 Apresentao das Sries e de Suas Propriedades Estatsticas .................................. 152
6.4.3 Anlise Sobre a Estabilidade de Longo Prazo: Evidncias sobre a PPP ................. 157
6.4.3.1 Anlise de Co-integrao (1) (0) I I : Metodologias de Engle & Granger
(1987) e de Johansen (1995) ........................................................................ 157
6.4.3.2 Anlise de Co-Integrao Fracionria. ........................................................... 158
6.4.4 Concluses ............................................................................................................... 161
7 CONCLUSES E PERSPECTIVAS ................................................................................ 163
REFERNCIAS ..................................................................................................................... 169
APNDICES .......................................................................................................................... 185
ANEXOS ................................................................................................................................ 217
TABELAS .............................................................................................................................. 221

3

LISTA DE ABREVIATURAS E SIGLAS
ADF: Dickey-Fuller Aumentado (Augmented Dickey-Fuller)
AIC: Critrio de Informao de Akaike (Akaike Information Criteria)
ARFIMA: Modelo Auto-Regressivo Integrado Fracionariamente e de Mdias Mveis
(Autoregressive Fractionally Integrated Moving Average Model)
ARFISMA: Modelo Auto-Regressivo Integrado Fracionariamente Sazonal e de Mdias
Mveis (Autoregressive Fractionally Integrated Seasononal Moving Average
Model)
ARIMA: Modelo Auto-Regressivo Integrado e de Mdias Mveis (Autoregressive Integrated
Moving Average Model)
ARMA: Modelo Auto-Regressivo e de Mdias Mveis (Autoregressive Moving Average
Model)
BIC: Critrio de Informao Bayesiano (Bayesian Information Criteria)
DF: Dimenso Fractal
DF-GLS: Dickey-Fuller com Mnimos Quadrados Generalizados (Dickey-Fuller
Generalized Least Squares)
DIEESE: Departamento Intersindical de Estatstica e Estudos Scio-Econmicos
DW: Durbin-Watson
DWT: Transformada Discreta de Ondaletas (Discret Wavelet Transform)
ERS: Elliot, Rothenberg e Stock
FAC: Funo de Autocorrelao
FAC-P: Funo de Autocorrelao Parcial
FDE: Funo de Densidade Espectral
FEG: Engle & Granger Fracionrio (Fractionally Engle Granger)
FGN: Rudo Fracionrio Gaussiano (Fractionally Gaussian Noise)
FIR: Funo Impulso-Resposta
FIRA: Funo Impulso-Resposta Acumulada
GFT: Teste de Melhor Ajustamento (Goodness of Fit Test)
HQ: Hannan e Quinn
HRP: Hiptese da Renda Permanente
i.i.d.: Independente e Identicamente Distribudo
JB: Jarque Bera
KPSS: Kwiatkowski, Phillips, Schmidt e Shin
LSE: Estimador de Mnimos Quadrados (Least Squares Estimator)
MODWT: Transformada Discreta de Ondaletas de Mxima Sobreposio (Maximal Overlap
Discret Wavelet Transform)
MP: Periodograma Suavizado (Modiffied Periodogram)
MV: Mxima Verossimilhana
PED: Pesquisa de Emprego e Desemprego
PER: Periodograma
PIB: Produto Interno Bruto
PP: Phillips e Perron
PPP: Paridade do Poder de Compra (Purchasing Power Parity)
R.B.: Rudo Branco
R/S: Rescaled Range
RBF: Rudo Braoniano Fracionrio
RBF-G: Rudo Braoniano Fracionrio Gaussiano
SARIMA: Modelo Auto-Regressivo Integrado e de Mdias Mveis Sazonal (Seasonal
Autoregressive Integrated Moving Average Model)
4

SEADE: Sistema Estadual de Anlise de Dados
SWR: Shapiro-Wilks-Royston
TNN: Teste de No-Linearidades (Testing for Neglected Nonlinearity)
VA: Varincia Agregada
VAA: Valor Absoluto Agregado
VAD: Varincia Agregada Diferenciada
VR: Varincia dos Resduos
WHL: Whittle Local
WLSE: Estimador de Mnimos Quadrados Ordinrios por Ondaletas (Wavelet Least Squares
Estimator)
WNN: Teste de Redes Neurais de White (White Neural Network)
W-WLSE: Estimador de Mnimos Quadrados Ordinrios Ponderados por Ondaletas
(Weighted Wavelet Least Squares Estimator)

5

LISTA DE TABELAS
Tabela 1 Testes de Raiz Unitria dos Processos Simulados ................................................. 16
Tabela 2 ndices de Rejeio dos Testes de Raiz Unitria Sob Memria Longa .................. 74
Tabela 3 - ndices de Rejeio do Teste de Estacionariedade Sob Memria Longa................ 77
Tabela 4 Estimadores do Parmetro de Integrao Fracionria ............................................ 78
Tabela 5 Testes de Raiz Unitria ........................................................................................... 95
Tabela 6 Modelos para a Srie do PIB .......................................................... 96
Tabela 7 Estimadores da Ordem de Integrao Fracionria ................................................. 97
Tabela 8 Modelos para a Srie do PIB no Nvel ......................................... 98
Tabela 9 Funo Impulso-Resposta do PIB e da Taxa de Crescimento do PIB ................. 100
Tabela 10 Testes de Raiz Unitria ....................................................................................... 107
Tabela 11 Modelos SARIMA Ajustados Srie PED ........................................................ 109
Tabela 12 - Estimadores da Ordem de Integrao Fracionria .............................................. 110
Tabela 13 Modelo para a Srie PED Livre da Memria Longa Sazonal .. 112
Tabela 14 Modelos para a Srie PED ......................................... 113
Tabela 15 - Funo Impulso-Resposta da PED ...................................................................... 116
Tabela 16 - Estatsticas Descritivas das Sries Consumo das Famlias e Renda Disponvel . 123
Tabela 17 - Estatsticas de Bootstrap sobre a Varincia das Sries ....................................... 123
Tabela 18 - Estatsticas da Transformada MODWT e Distribuio da Energia entre as Escalas
............................................................................................................................. 127
Tabela 19 - Testes de Raiz Unitria ....................................................................................... 131
Tabela 20 Modelos ....................................................................................... 132
Tabela 21 Estimadores da Ordem de Integrao Fracionria.............................................. 134
Tabela 22 Modelos ( , , ) ARFIMA p d q Ajustados para as Sries Consumo das Famlias e Renda
Disponvel ........................................................................................................... 135
Tabela 23 - Funes Impulso-Resposta Calculadas com Base nos Modelos e
........................................................................................................ 137
Tabela 24 - Modelo de Co-integrao .................................................................................... 139
Tabela 25 - Teste de Co-Integrao de Engle & Granger ...................................................... 139
Tabela 26 - Testes de Co-Integrao pela Metodologia de Johansen .................................... 141
Tabela 27 - P-Valores dos Testes de Co-integrao Fracionria com Bootstrap ................... 143
Tabela 28 Testes de Mltiplas Razes Unitrias ................................................................. 154
Tabela 29 - Testes de Raiz Unitria ....................................................................................... 154
Tabela 30 Estimadores da Ordem de Integrao Fracionria.............................................. 155
Tabela 31 Modelos .................................................................................... 156
Tabela 32 Modelo de Co-Integrao ................................................................................... 157
Tabela 33 - Teste de Co-Integrao de Engle & Granger ...................................................... 157
Tabela 34 - Testes de Co-Integrao pela Metodologia de Johansen .................................... 158
Tabela 35: P-Valores dos Testes de Co-integrao Fracionria com Bootstrap .................... 160

( , , ) ARIMA p d q
( , , ) ARFIMA p d q
( , , ) ( , , )
s
ARFISMA p d q P D Q
( , , ) ARIMA p d q
( , , ) ARIMA p d q
6

7

LISTA DE FIGURAS
Figura 1 (A) Processo Passeio Aleatrio I(1); (B) Processo Fracionrio Reversvel na Mdia
I(0.80) com Tendncia Linear; (C) Processo Fracionrio No Estacionrio e No
Reversvel na Mdia I(1.20). ................................................................................. 15
Figura 2 Processo Rudo Branco Fracionrio Gaussiano: ..................................................... 17
Figura 3 Funo Impulso-Resposta dos Modelos ARIMA(1,1,1) e RBF-G (0.35) .............. 18
Figura 4 (A) Srie com Quebra Estrutural e (B) Srie com Regimes Alternantes ................ 37
Figura 5 Processo Rudo Branco Gaussiano com a Simulao de uma Quebra Estrutural em
seu Nvel e suas Funes de Autocorrelao ........................................................ 37
Figura 6 FAC Terica de Processos com Memria Longa Rudo Branco Fracionrios ....... 52
Figura 7 Espectro Terico do Processo com Memria Longa (d=0.25) ............................... 53
Figura 8 FAC Terica de Processos Antipersistentes ........................................................... 55
Figura 9 Espectro Terico do Processo Antipersistente (d=-0.25) ....................................... 56
Figura 10 Funo de Autocorrelao dos Processos com Memria Longa Sazonal de 12
meses. (A) Processo Rudo Branco Fracionrio Sazonal com e (B)
Processo Rudo Branco Fracionrio Estendido Sazonal com e .. 66
Figura 11 Funo Impulso-Resposta do Processo Rudo Branco Fracionrio Sazonal ........ 67
Figura 12 Espectro Terico do Processo de Gegenbauer: Uma Singularidade Sazonal na
Freqncia (sazonalidade anual) e ......................................... 69
Figura 13 - Espectro Terico do Processo de Gegenbauer Multifator: Duas Singularidades
Sazonais nas Freqncias e (sazonalidade anual e
quadrimestral) e e ..................................................................... 70
Figura 14 Grficos dos Percentuais de No Rejeio da Hiptese de Raiz Unitria ao Nvel
de 5% de Significncia com Sries de Tamanhos 1000, 300, 200,100 N = ............... 75
Figura 15 Grfico dos Percentuais de Rejeio da Hiptese de Estacionariedade ............... 77
Figura 16 Grficos do Produto Interno Bruto Brasileiro: Srie no Nvel e sem Tendncia
Linear ..................................................................................................................... 93
Figura 17 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) da Srie do
PIB ......................................................................................................................... 94
Figura 18 Funo de Densidade Espectral do PIB ................................................................ 94
Figura 19 Funo de Autocorrelao e Funo de Autocorrelao Parcial .......................... 95
Figura 20 Funo de Autocorrelao (FAC) dos Resduos dos Modelos ,
, e para o PIB .......................................... 96
Figura 21 Funo de Autocorrelao e Funo de Autocorrelao Parcial dos Resduos e do
Quadrado dos Resduos do Modelo ARFIMA(0,0.1841,0) ......................................... 98
Figura 22 Grfico da Srie Filtrada (Modelo ) ....................................... 99
Figura 23 Modelos e Ajustados para a Srie do PIB
Brasileiro ............................................................................................................... 99
Figura 24 - Funo Impulso-Resposta do PIB e da Taxa de Crescimento do PIB ................ 101
Figura 25 Taxa de Desemprego (PED) Regio Metropolitana de So Paulo (RMSP) .... 105
Figura 26 Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P)
............................................................................................................................. 106
Figura 27 - Funo de Densidade Espectral da PED ............................................................. 107
Figura 28 Grficos de Funes de Autocorrelao da PED com Uma Diferena Consecutiva
e Uma Diferena Sazonal de 12 Meses ............................................................... 108
Figura 29 FAC e FAC-P dos Resduos do Modelo ....................... 109
0.1
s
d =
0.3 d = 0.1
s
d =
1/ 12
G
v = 0.3
s
d =
,1
1/ 12
G
v =
,2
1/ 4
G
v =
1
0.3
s
d =
2
0.2
s
d =
(1,1, 0) ARIMA
(0,1,1) ARIMA (1,1,1) ARIMA (2,1,1) ARIMA
(0,1.1841, 0) ARFIMA
( , , ) ARFIMA p d q ( , , ) ARIMA p d q
12
(6,1, 0) (1, 0,1) SARIMA
8

Figura 30 - Funo de Autocorrelao e Funo de Autocorrelao Parcial dos .................. 110
Figura 31 Srie da PED Livre da Componente de Memria Longa Sazonal, Espectro, FAC e
FAC-P .................................................................................................................. 111
Figura 32 Srie PED Filtrada dos Componentes de Memria Longa Sazonal e Consecutiva e
suas Respectivas Funes de Densidade Espectral, de Autocorrelao e
Autocorrelao Parcial ........................................................................................ 112
Figura 33 Singularidades Espectrais ................................................................................... 114
Figura 34 - Srie PED Filtrada dos Componentes de Memria Longa Sazonal e Consecutiva e
suas Respectivas Funes de Densidade Espectral, de Autocorrelao (FAC) e
Autocorrelao Parcial (FAC-P) ......................................................................... 114
Figura 35 Funo Impulso-Resposta Acumulada da PED Calculada com os Parmetros dos
Modelos ,

(I) e
(II) ..................................................................... 116
Figura 36 - Sries Consumo das Famlias e Renda Disponvel (R$ de 2005 em log) ........... 122
Figura 37 - Estatsticas Descritivas, Funo de Densidade Acumulada e Funo de Densidade
de Probabilidade Empricas das Sries Consumo das Famlias e Renda Disponvel
............................................................................................................................. 123
Figura 38 - Distribuies de Bootstrap das Varincias das Sries Consumo das Famlias e
Renda Disponvel ................................................................................................ 123
Figura 39 Anlise Multirresoluo das Sries Consumo das Famlias e da Renda
Disponvel: .......................................................................................................... 125
Figura 40 - Varincia de Ondaletas com ................................................................ 128
Figura 41 - Varincia de Ondaletas com ................................................................ 129
Figura 42 - Varincia de Ondaletas com ............................................................... 129
Figura 43 - Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P)
das Sries Consumo das Famlias e Renda Disponvel ....................................... 130
Figura 44 - Funo de Densidade Espectral do Consumo das Famlias e da Renda Disponvel
............................................................................................................................. 131
Figura 45 - Grfico das Sries Consumo das Famlias e Renda Disponvel em Primeiras
Diferenas ............................................................................................................ 132
Figura 46 - Funes de Autocorrelao (FAC) e Funes de Autocorrelao Parcial (FAC-P)
das Sries Consumo das Famlias e Renda Disponvel em Primeiras Diferenas.
............................................................................................................................. 132
dos Resduos do Modelo para as Sries Consumo das Famlias e
Renda Disponvel ................................................................................................ 133
Figura 48 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos
dos Estimadores de MV ( ) para as Sries Consumo das Famlias e
Renda Disponvel ................................................................................................ 134
Figura 49 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos
dos Modelos para as Sries Consumo das Famlias e Renda
Disponvel ........................................................................................................... 135
Figura 50 - Resduos dos Modelos das Sries Consumo das Famlias e Renda
Disponvel ........................................................................................................... 136
Figura 51 - Modelos Ajustados para as Sries Consumo das Famlias e Renda Disponvel . 136
Figura 52 - Funo Impulso-Resposta Calculada com base nas Parametrizaes dos Modelos
, , e .............. 137
12
(6, 1, 0) (1, 0,1) SARIMA
12
(6, 0.8797, 0) (0, 0.3277, 0) ARFISMA
12
(6, 0.8775, 0) (0, 0.3253, 0) ARFISMA
3
(95%) IC
q
2
(95%) IC
q
1
(95%) IC
q
( ,1, ) ARIMA p q
(0, , 0) ARFIMA p
(6,1, 0) ARIMA (6,1.1468, 0) ARFIMA (2,1, 0) ARIMA (0,1.3709, 0) ARFIMA
9

Figura 53 - Distribuies Empricas de Bootstrap das Estatsticas GFT, DW e FEG para as
Hipteses de Independncia Estatstica (Forte), No Co-Integrao e no
Causalidade de Granger (Semifraca) e de Simples no Co-Integrao (Fraca) .. 143
Figura 54 - Sries dos Preos Internacionais e da Razo Preos Domsticos/Cmbio no Nvel
e Excludas suas Tendncias Lineares (Valores em log) .................................... 152
das Sries Preos Internacionais e da Razo Preos Domsticos/Cmbio Nominal
............................................................................................................................. 153
Figura 56 - Funo de Densidade Espectral dos Preos Internacionais e da Razo Preos
Domsticos/Cmbio (Baseada na FACV das Sries sem Tendncia Linear) ..... 153
Figura 57 - Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos
dos Modelos para as Sries dos Preos Internacionais e Preos
Domsticos/Cmbio Nominal ............................................................................. 156
Figura 58 Resduos do Modelo de Co-Integrao (Com Tendncia Linear) ...................... 159
Figura 59 - Distribuies Empricas de Bootstrap das Estatsticas GFT, DW e FEG para as
Hipteses de Independncia Estatstica (Forte), No Co-Integrao e no
Causalidade de Granger (Semifraca) e de Simples no Co-Integrao (Fraca) .. 160

10

11

LISTA DE SMBOLOS

B Operador Defasagem Temporal
( ) C -
Funo Hipergeomtrica
C
o
Polinmio de Gegenbauer
Cov Covarincia
d Parmetro de Integrao Fracionria.
d
Estimador do Parmetro de Integrao Fracionria.
s
d Parmetro de Integrao Fracionria Sazonal.
{ } E -
Esperana Matemtica
( ) f -
Funo de Densidade Espectral ou Espectro
( ) F -
Transformada de Fourier
h lag temporal
H Coeficiente de Hurst
( ) I -
Ordem de Integrao
N Distribuio Normal (Gaussiana)
p
Ordem do Componente Auto-regressivo
P Ordem do Componente Auto-regressivo Sazonal.
q
Ordem do Componente de Mdias Mveis
Q
Ordem do Componente de Mdias Mveis Sazonal
s Perodo Sazonal
{ } Var -
Varincia Matemtica
s
o Parmetro de Integrao Fracionria do Processo de Gegenbauer.
A Operador Diferena
d
A
Operador Diferena Fracionria
s
d
A
Operador Diferena Fracionria Sazonal
i
e Exponencial Complexa de Euller
|
Parmetro Auto-regressivo
u Polinmio Auto-regressivo
( ) h
Funo de Autocovarincia
Proporcional
Infinito
lim Limite

Mdia
v Freqncia Angular
G
v Freqencia de Gegenbauer
t Pi
u Parmetro de Mdias Mveis
O Polinmio de Mdias Mveis

Funo de Autocorrelao
o Desvio Padro
2
o Varincia
l Ortogonalidade
[ ]
- Maior Valor Inteiro

12

( ) I -
Funo Gamma

Funo Impulso-Resposta
*
Funo Impulso-Resposta Acumulada
R Conjunto dos Nmeros Reais
Z Conjunto dos Nmeros Inteiros
cos Funo co-seno
sen Funo seno

13

1 INTRODUO

Em 1966, Clive Granger, um dos mais proeminentes econometristas do sculo XX, atentou,
sob diferentes aspectos de interpretao e implementao de polticas econmicas, para a
importncia do comportamento das variveis macroeconmicas associado s baixas
freqncias. Granger percebeu que, via de regra, as variveis de natureza econmica
apresentam uma forma espectral tpica, cuja feio, mesmo depois de extradas suas
tendncias e sazonalidades, apresenta elevada concentrao de energia espectral nas bandas
de freqncias prximas a zero. Em termos econmicos, a descoberta do autor sugere a
presena de longos e persistentes movimentos nas sries. A caracterizao encontrada por
Granger no domnio da freqncia est associada a uma importante classe de processos
estocsticos definidos como processos de longa persistncia ou processos com memria
longa.
1
Com a exploso dos modelos paramtricos auto-regressivos e de mdias mveis,
introduzidos por Box & Jenkins (1970) e denominados como modelos , a
econometria de sries temporais passou a ser regida segundo a concepo de processos
estocsticos estacionrios ou estacionarizados, aps excludas suas tendncias lineares. A
hiptese da estacionariedade (fraca) fundamental modelagem , pois ela
garante um tipo de estabilidade intertemporal da estrutura de memria aos processos
estocsticos, permitindo modelar sua mdia condicional parametricamente. A contestao do
paradigma da estacionariedade em torno de uma tendncia determinista nas sries econmicas
aflorou com a crtica de Nelson & Plosser (1982). Por meio da anlise emprica, os autores
perceberam a existncia de tendncias de carter estocstico em uma ampla gama de variveis
macroeconmicas norte-americanas. Eles deduziram que grande parte dessas sries deveria
ser representada em primeiras diferenas, ou em outros termos, que elas representavam
formas integrais de processos estocsticos fracamente estacionrios. Nascia ento o
paradigma economtrico que, incorporado metodologia introduzida por Box &
Jenkins, vem dominando a modelagem de sries temporais por meio dos modelos auto-
regressivos integrados e de mdias mveis, .
2
Simultaneamente, em outras

1
O trabalho publicado em 1966 tido na literatura economtrica como preconizador da teoria da memria longa
em sries econmicas. A descoberta de Granger relaciona-se tambm natureza de no estacionariedade das
sries econmicas, como apontado por Nelson & Plosser (1982) quase duas dcadas mais tarde.
2
Embora outras formas de integrao ( ), { } , 1 I d d d
Z de sries econmicas sejam possveis, elas so

empiricamente em nmero bastante reduzido. Portanto, comum referir-se a elas simplesmente como paradigma
(1) (0) I I .
( , ) ARMA p q
( , ) ARMA p q
(1) (0) I I
( , , ) ARIMA p d q
14

reas da cincia prosseguiam os estudos sobre processos estocsticos que apresentavam
estruturas de memria particularmente definidas pelos seus componentes de baixa freqncia.
A pesquisa desenvolveu-se no mbito dos modelos de memria longa, a partir do conceito
matemtico da integrao/diferenciao fracionria, . Informalmente, sries
definidas com memria longa ou integradas de ordem de integrao , apresentam
uma longa cadeia de dependncia em sua estrutura de autocorrelaes, apesar do seu carter
estacionrio. No incio dos anos 80, Granger & Joyeux (1980) e Hosking (1981),
independente e quase simultaneamente, introduziram o modelo auto-regressivo integrado
fracionariamente e de mdias mveis, , cujas propriedades
espectrais espelham a forma tpica identificada por Granger. Essa classe de modelos
paramtricos capaz de retratar tanto a estrutura de memria de longo prazo, quanto uma
possvel estrutura de curto prazo remanescente na srie temporal aps a diferenciao
fracionria.

Embora mais de vinte anos tenham se passado aps sua introduo como ferramenta de
pesquisa economtrica, a classe de modelos no tem recebido a ateno
merecida, principalmente em pesquisas brasileiras. A representao da estrutura de memria
de uma srie temporal, na forma de um processo estocstico integrado fracionariamente, pode
ser utilizada para extrair mais adequadamente o comportamento de baixa freqncia das
variveis econmicas e, portanto, para identificar seu comportamento associado ao longo
prazo, to importante na Teoria Econmica. O principal objetivo da pesquisa desenvolvida
nesse trabalho de tese de doutoramento expor o paradigma fracionrio formalizado nos
modelos paramtricos de memria longa, como uma tcnica estatstica paramtrica mais
eficaz e verstil anlise econmica de sries temporais em comparao aos modelos sob o
paradigma . So abordados nesse trabalho dois enfoques de anlise economtrica:
a anlise de integrao fracionria de sries univariadas e a anlise de co-integrao de
processos bivariados. Com o intuito proposto, so realizados dois estudos simulatrios
envolvendo processos estocsticos conceituais e quatro estudos empricos baseados em
variveis econmicas brasileiras de diferentes reas, confrontando os resultados dos dois
paradigmas sob diferentes aspectos, gerando subsdios para futuras pesquisas econmicas.

A dicotomia entendida nesse trabalho como restritiva em comparao
modelagem fracionria, na qual . Sendo o operador diferena (unitria) um filtro
( ) \ { } I d d R
1/ 2 d <
( , , ) \ { } ARFIMA p d q d R
(1) (0) I I
(1) (0) I I
{ } d R
15

linear retentor da variabilidade associada s baixas freqncias, se aplicado a uma srie
integrada de ordem , importantes informaes sobre o longo prazo contidas em sua
estrutura de memria sero perdidas. Dessa forma, a anlise econmica sob o escopo do
instrumental clssico de sries temporais torna-se mais limitada ao curto prazo e
incoerente, em certa medida, com as propriedades espectrais tpicas descobertas por Granger
(1966). Esse fato pode ser agravado quando considerado o baixo poder dos testes de razes
unitrias tradicionais. Em termos economtricos, isso pode repercutir em equvocos sobre a
interpretao de fenmenos econmicos. Ilustrativamente, so mostrados dois casos tpicos
sobre a dificuldade de interpretao envolvendo os paradigmas fracionrios e de raiz unitria.
Na Figura 1, so mostradas trs sries baseadas em processos estocsticos gaussianos
fracionrios, todas com 150 observaes: um processo fracionrio no estacionrio reversvel
mdia e com uma tendncia linear, um processo Passeio Aleatrio e um processo integrado
fracionariamente no estacionrio e no reversvel mdia. Graficamente, percebe-se que
quase indistinguvel a natureza estocstica dos processos:

Figura 1 (A) Processo Passeio Aleatrio I (1); (B) Processo Fracionrio Reversvel na Mdia I (0.80) com
Tendncia Linear; (C) Processo Fracionrio No Estacionrio e No Reversvel na Mdia I (1.20).

Estatisticamente, por meio de dois testes de raiz unitria tradicionalmente utilizados em
estudos economtricos, o teste Dickey-Fuller Aumentado (ADF) e o teste KPSS, no se
rejeita, indistintamente em relao aos termos deterministas includos nos modelos, a hiptese
1 d <
(1) (0) I I

0 20 40 60 80 100 120 140
0
1
0
2
0
3
0
A
B
C
16

de existncia de uma raiz unitria em todas as sries.
3
Os valores das estatsticas dos testes
para as sries simuladas A, B e C so mostrados na Tabela 1 abaixo.

Tabela 1 Testes de Raiz Unitria dos Processos Simulados
Cte& Tend. Cte Nenhum Cte& Tend. Cte Nenhum Cte& Tend. Cte Nenhum Cte& Tend. Cte Nenhum
ADF -2.07 -1.57 -1.42 -3.17 -0.53 2.10 -2.19 -2.08 0.23 -1.96 -1.71 -1.71
KPSS 0.41** 1.22** - 0.32** 3.00** - 0.45** 1.86** - 0.17* 0.85** -
Teste ADF (H
0
: Srie I(1)) ; Teste KPSS (H
0
: Srie I(0))
* Rejeita H
0
ao Nvel de 5% de Significncia ; ** Rejeita H
0
ao Nvel de 1% de Significncia.
TermosDeterministas TermosDeterministas
RBF-G A B
Testes
TermosDeterministas TermosDeterministas
C

Dado o carter dicotmico dos testes de raiz unitria, no possvel distinguir as propriedades
de integrao das sries B e C das de A, que realmente . Se forem, portanto,
consideradas as indicaes dos testes e aplicada uma diferena unitria sobre a srie B, por
exemplo, o procedimento acarretar em um problema estatstico denominado
superdiferenciao, resultando em um processo estocstico com ordem de integrao
negativa, denominado Processo Antipersistente. Como ser posteriormente relatado, esse
procedimento equivocado pode aumentar a varincia da srie, podendo afetar a eficincia de
seus estimadores. No caso da srie C, ocorrer o inverso, ou seja, uma subdiferenciao.
Como resultado, a taxa de crescimento da srie ainda conter uma estrutura de memria
longa, que no deve ser desprezada ou subavaliada como memria curta, pois isso acarretar
na perda das informaes de longo prazo contidas em sua cadeia de autocorrelaes.
Utilizando, por outro lado, um dos estimadores do parmetro de integrao fracionria
abordados nesse trabalho, o estimador de Beran (1995) por mxima verossimilhana (MV),
seriam obtidos os seguintes resultados: , e . Ou seja,
valores pontualmente muito prximos aos dos verdadeiros parmetros que definem o
comportamento de longo prazo das sries, demonstrando a elevada capacidade adaptativa de
alguns estimadores de memria longa para abordar, inclusive, a propriedade .
Considerando um outro exemplo de processo simulado, conforme exposto na Figura 2,
identificado um problema ainda mais significativo. A srie mostrada, com 150 observaes,
um processo Rudo Branco Fracionrio Gaussiano (RBF-G) assintoticamente estacionrio.
Trata-se de uma srie com memria longa de menor complexidade, pois abstrai
autocorrelaes de baixas ordens e termos deterministas em sua composio (comuns s

3
O teste ADF baseia-se na hiptese nula da srie ser integrada de ordem 1 e o teste KPSS sobre a hiptese de
estacionariedade ou estacionariedade da srie em torno de uma tendncia determinista.
(1) I
A
0.9995 d =
B
0.8488 d =
C
1.2141 d =
(1) I
17

sries econmicas). A investigao das propriedades estatsticas sobre a ordem de integrao
da srie RBF-G por meio dos testes de raiz unitria ADF e KPSS mostrada direita na
Tabela 1, destacada anteriormente.

Figura 2 Processo Rudo Branco Fracionrio Gaussiano:
Srie com Memria Longa

Partindo da hiptese correta sobre a especificao do modelo de teste, e dado o conhecimento
sobre o verdadeiro processo gerador de dados, o teste ADF rejeita a hiptese de raiz unitria
apenas ao nvel de 8% de significncia, superior ao normalmente adotado, de 5%. Por outro
lado, o teste KPSS rejeita a hiptese de estacionariedade ao nvel de 1% de significncia,
embora ela seja a correta. Os problemas que podem ser acarretados pela m interpretao,
nesse caso, so ainda maiores do que os previstos no primeiro exemplo. A superdiferenciao,
induzida pela percepo da presena de uma raiz unitria, produziria um processo
antipersistente e no invertvel, quando ele originalmente invertvel. No obstante, as
anlises econmicas baseadas nas elasticidades estimadas por meio desse processo seriam
provavelmente enviesadas e possivelmente esprias. Estimando-se a ordem de integrao pelo
procedimento fracionrio mencionado acima, alcana-se , valor muito prximo
ao real. Ainda que particulares, esses exemplos servem para expor a fragilidade das decises
sobre a especificao de modelos economtricos baseando-se apenas no arcabouo
.
4

4
Essas questes ficaro mais claras adiante no trabalho, quando forem introduzidos os processos estocsticos
integrados fracionariamente.

0 20 40 60 80 100 120 140
-
4
-
2
0
2
4

0 20 40 60 80 100 120 140
-
4
-
2
0
2
4
RBF
(0.35) I
0.3574
RBF
d =
(1) (0) I I
18

A memria longa possui diferentes aspectos no tocante anlise economtrica e, portanto,
anlise econmica aplicada. Suponha que a srie RBF-G mostrada acima represente uma
varivel econmica na qual o gestor de poltica econmica queira avaliar quais os efeitos de
choques econmicos sobre sua trajetria. Como ser mostrado no trabalho, um dos
instrumentos disposio a Funo Impulso-Resposta. Se o gestor, influenciado pela
avaliao dos testes de ADF e KPSS, adotasse o arcabouo para modelar a srie,
ele possivelmente concluiria que o modelo mais adequado o , com
e .
5
A Figura 3 mostra como os choques econmicos so acomodados pelos
modelos e .

Figura 3 Funo Impulso-Resposta dos Modelos ARIMA(1,1,1) e ARFIMA(0,0.3574,0)

Nesse exemplo especfico, o gestor concluiria que os choques econmicos seriam
incorporados permanentemente na estrutura de memria da varivel, quando, na verdade, seus
efeitos seriam decrescentes e se dissipariam no longo prazo, como mostra a trajetria da FIR
do modelo . Pequenas variaes na ordem de integrao de uma
varivel econmica podem gerar avaliaes significativamente distintas. Sob , os
modelos paramtricos tornam-se mais flexveis e, portanto, melhor adaptados a considerar as
caractersticas particulares das variveis econmicas. Por conseguinte, essa classe de modelos
produz instrumentos melhor adaptados anlise, ao desenvolvimento e gerao de subsdios
estatsticos para formulao de polticas voltadas principalmente para o mdio e longo prazo.
Ser mostrado nas anlises empricas desse trabalho que diferentes variveis econmicas
brasileiras so bem representadas por modelos simples de memria longa em comparao a

5
Modelo estimado por MV utilizando o cdigo arima.mle para S-Plus.
(1) (0) I I
(1,1,1) ARIMA 0.3886 | =
0.9335 u =
(1,1,1) ARIMA (0, 0.3574, 0) ARFIMA

0 20 40 60 80 100
0
1
2
3
4
Tempo
F
I
R
0 20 40 60 80 100
0
1
2
3
4
ARIMA
ARFIMA
FIR - ARIMA(1,1,1) X ARFIMA(0,0.35,0)
(0, 0.3574, 0) ARFIMA
{ } d R
19

outras possveis especificaes complexas. A Teoria da Integrao Fracionria, por esse
aspecto, permite especificaes bastante parcimoniosas aos modelos de memria longa, o que
expe uma vantagem de carter prtico a essa classe de modelos. Por sua vez, os modelos
necessitam da incluso um grande nmero de parmetros auto-regressivos e de
mdias mveis para captar as autocorrelaes de sries com estruturas de dependncia mais
extensas. Esse fato torna potencialmente mais complexo os procedimentos de estimao,
considerando as condies de estacionariedade e invertibilidade de modelos polinomiais de
ordens elevadas.

Os temas abordados nesta tese esto dispostos da seguinte forma: no Captulo 2, explorado o
tema memria longa na Economia. Nesse mbito, busca-se, por meio de uma pesquisa
exploratria na literatura econmica e economtrica, discutir as possveis origens do
fenmeno memria longa em variveis desse campo da cincia. Entre elas, exposta a teoria
da herana da memria longa de fenmenos naturais que determinam ou influenciam as
relaes econmicas de produo. Nessa etapa, tambm so discutidas as implicaes para a
anlise econmica da incorporao da teoria da integrao fracionria ao paradigma
tradicional , e relatado como importantes pesquisas cientficas buscam na teoria
da memria longa a explicao para determinados fenmenos econmicos. So apresentados,
no Captulo 3, os conceitos formais de integrao fracionria e processo estocstico com
memria longa. So descritos os modelos ( , , ) ARFIMA p d q de memria longa e o processo
de Gegenbauer e os modelos ( , , ) ARFISMA p d q de memria longa sazonal. Alguns dos
principais mtodos de estimao desses modelos e da ordem de integrao fracionria so
apresentados no Apndice 3 desse trabalho.

No Captulo 4, proposta uma anlise envolvendo simulaes de processos estocsticos
integrados fracionariamente, visando abordar o tema da eficincia estatstica dos mtodos de
estimao do parmetro de integrao. Complementarmente, apresentada uma anlise sobre
o comportamento dos testes de razes unitrias tradicionais quando aplicados a
processos com memria longa. Entende-se que o baixo poder dos testes de raiz unitria em
relao condio fracionria pode ter reflexos na modelagem das sries e pode, inclusive, ter
influncia sobre a rejeio da hiptese de co-integrao em procedimentos de teste do tipo
proposto por Engle & Granger (1987). A avaliao comparativa da eficincia dos testes de
raiz unitria, contrapostos condio fracionria, realizada por meio de simulaes de
( , ) ARMA p q
(0) (1) I I
(1) (0) I I
20

processos estocsticos integrados com ordens no intervalo . A eficincia dos
modelos fracionrios avaliada com base em processos estocsticos simulados integrados
entre . Nas duas anlises so consideradas sries de diferentes tamanhos. A partir
desses dois experimentos, busca-se identificar, entre os estimadores fracionrios no domnio
do tempo e da freqncia, aqueles que se apresentam estatisticamente mais acurados e
evidenciar a possibilidade de induo superdiferenciao por parte dos testes de razes
unitrias. A partir dessas anlises simulatrias possvel identificar quais so os mtodos
estatsticos mais adequados para serem utilizados nos estudos empricos realizados nesse
trabalho e podero servir, adicionalmente, como um indicativo para outros pesquisadores.

No quinto captulo, abordado o tema da co-integrao no mbito da integrao fracionria.
O captulo faz uma breve introduo do conceito de co-integrao fracionria, relata os
mtodos de anlise encontrados na literatura economtrica e descreve os procedimentos de
inferncia envolvendo a tcnica estatstica de bootstrap, idealizados por Davidson (2002c).
Esse autor desenvolveu uma tcnica de anlise da co-integrao fracionria no pivotal, ou
seja, na qual as distribuies dos testes que inferem a co-integrao so particularizadas,
considerando as caractersticas idiossincrticas dos dados utilizados.

O sexto captulo dedicado anlise emprica sobre a memria longa em variveis brasileiras
de naturezas econmicas distintas. O captulo formado por quatro estudos aplicados que
englobam os diferentes aspectos da memria longa abordados no trabalho. Em cada estudo, as
anlises so desenvolvidas buscando-se contrapor os resultados do paradigma com
os da integrao fracionria. Considerando o lado da produo na economia, o primeiro
estudo analisa o aspecto da persistncia na srie do Produto Interno Bruto (PIB) brasileiro.
Nele, avalia-se como os choques econmicos impactam na trajetria da srie, por meio da
comparao das Funes Impulso-Resposta calculadas pelos dois arcabouos economtricos.
Por conseguinte, analisada a hiptese oriunda da Teoria dos Ciclos Econmicos na
economia brasileira. Pelo lado do emprego, realizada, no segundo estudo, uma anlise
envolvendo memria longa sazonal na srie da Pesquisa de Emprego e Desemprego (PED)
em So Paulo. Nesse estudo, tambm avaliada a questo da persistncia, considerando-se a
influncia da memria longa sazonal no cmputo da Funo Impulso-Resposta. Duas
metodologias envolvendo a memria longa sazonal so utilizadas: os modelos
, dentro do arcabouo fracionrio, e os modelos
0 1 d _ _
1 1 d < <
(1) (0) I I
( , , ) ( , , )
s
ARFISMA p d q P D Q
21

, pertencentes ao arcabouo . A demanda na
economia brasileira abordada no terceiro estudo do trabalho, com base nas sries Consumo
das Famlias e Renda Disponvel. Nele, so retratados os seguintes aspectos focados pela
Teoria Econmica: (1) a Hiptese da Renda Permanente de Milton Friedman versus a
Demanda Keynesiana; (2) anlise de memria longa e (3) anlise sobre a relao de longo
prazo entre as duas variveis por meio da avaliao da co-integrao fracionria. A avaliao
emprica dos dois grandes temas da Teoria Econmica enfoca o aspecto da variabilidade
relativa das duas sries. Para tanto, proposto examinar a varincia em multirresoluo por
meio da decomposio da variabilidade das sries no domnio tempo-escada, utilizando a
anlise de ondaletas. A transformada de ondaletas possui uma caracterstica distintiva nos
estudos envolvendo sries com memria longa, devido sua elevada capacidade de
desautocorrelacionar tais processos. A abordagem sobre a co-integrao entre as duas sries
baseada nos procedimentos de Davidson (2002c), no mbito da memria longa, e de Engle
& Granger (1987) e de Johansen (1995) no escopo da co-integrao . O quarto e
ltimo estudo emprico enfoca, pelo lado da economia internacional, o tema da Paridade do
Poder de Compra (PPP) no Brasil. O estudo faz uma reviso dos resultados obtidos por Alves,
Cati & Fava (2001) luz dos novos instrumentos de anlise de integrao e co-integrao
fracionria abordados no trabalho. Seguindo o mesmo esquema dos outros estudos, os
resultados obtidos pelo paradigma fracionrio so contrapostos aos do paradigma .
As concluses finais sobre o conjunto da pesquisa so resumidas no Captulo 7.

A definio matemtica do padro de comportamento denominado memria longa utiliza-se,
em grande medida, das propriedades espectrais dos processos estocsticos no escopo da
Anlise de Fourier ou Anlise Espectral Clssica. Atualmente, o desenvolvimento das
tcnicas de anlise da memria longa tem seguido o avano da anlise espectral em novas
bases, denominadas Ondaletas.
6
Embora esses dois temas sejam de considervel relevncia,
eles no representam o foco principal dessa pesquisa e, portanto, sero tratados
separadamente no Apndice 1 e Apndice 2 do trabalho. A respeito deles, so explorados
principalmente os conceitos utilizados para a formalizao dos processos com memria longa
e aqueles necessrios compreenso da lgica dos estimadores espectrais e espectrais de
ondaletas do parmetro de interao fracionria.

6
Nesse trabalho, ser utilizada a denominao ondaletas para o termo ingls wavelets, seguindo traduo dos
professores Morettin e Chiann. Ver Morettin (1999).
( , , ) ( , , )
s
SARIMA p d q P D Q (1) (0) I I
(1) (0) I I
(1) (0) I I
22

23

2 MEMRIA LONGA E ANLISE ECONMICA

2.1 Introduo

A historiografia indica que, ainda no incio dos anos de 1960, houve um esforo por parte dos
economistas para identificar as possveis propriedades espectrais caractersticas das variveis
econmicas. A dotao da Teoria Economtrica com a anlise espectral de sries temporais
teve, inicialmente, duas motivaes bsicas: a comprovao da teoria dos Ciclos Econmicos
e a identificao de componentes peridicos sazonais. As teorias dos Ciclos Econmicos,
desenvolvidas por economistas no perodo pr-Segunda Grande Guerra, como Kondratieff e
Kuznets, nascem da dissociao dos efeitos de curto e longo prazo sobre a economia, ou seja,
pressupem diferentes movimentos oscilatrios com freqncias distintas dentro de uma
mesma varivel econmica, podendo, assim, ser analiticamente decompostos por meio da
anlise espectral clssica. Ainda que desprovidos de um esforo comum em torno do objeto
memria longa, alguns trabalhos nessa rea acabaram ajudando a preconizar a importncia
da anlise econmica nas baixas freqncias, como os de Cunnyngham (1963), Hatanaka
(1963), Granger & Morgenstern (1963), Nerlove (1964) e Granger & Hatanaka (1964).
Considerado um cone na percepo do papel da memria longa em variveis econmicas, o
artigo de Granger (1966), intitulado The Typical Spectral Shape of an Economic Variable,
expe a recorrncia de altos nveis de concentrao de energia espectral nas mais baixas
freqncias de sries econmicas. Diretamente, o estudo indica as implicaes tanto sobre a
anlise economtrica como na gesto de polticas e, indiretamente, a dificuldade de mensurar
os componentes nessas faixas de freqncias.

Com a constatao, por meio da Teoria Estatstica, de que diversas variveis econmicas
apresentavam um padro particular de dependncia, descoberto anteriormente em outros
campos da cincia, economistas e pesquisadores ligados rea dos mtodos quantitativos
passaram a estudar com afinco as especificidades das relaes econmicas e do
comportamento de suas representaes numricas que pudessem explicar tais estruturas de
dependncia entre grandes intervalos de tempo. Metodologicamente, Mandelbrot & Van Ness
(1968) deram um grande impulso anlise da memria longa, utilizando o conceito de
Movimento Browniano Fracionrio introduzido por Kolmogorov (1940) e por Mandelbrot
& Wallis (1968), quando expuseram o mtodo de identificao utilizado at hoje, denominado
24

Rescaled Range (R/S), alternativamente ao proposto anteriormente por Hurst (1951). Na
dcada de 1970, tiveram incio as pesquisas aplicadas em Economia sob o escopo de uma
teoria da memria longa formalmente fundamentada. Mandelbrot (1971), por exemplo,
utilizou um conceito de processo com memria longa, denominado processo auto-
semelhante, em uma pesquisa sobre arbitragem de preos.
7
O grande impulso anlise de
variveis econmicas, baseado nos modelos de memria longa, deu-se somente aps uma
dcada, com a generalizao do modelo Auto-regressivo Integrado de Mdias Mveis sob o
conceito da integrao fracionria, modelo ( , , ) \ ARFIMA p d q d R, apresentado nesse
trabalho no Captulo 3.

O primeiro interesse dessa etapa buscar na literatura implicaes tericas para a anlise
econmica da incorporao da teoria da integrao fracionria ao paradigma ,
transfigurando-o em um novo paradigma: ( ) \ I d d R. Devido elevada importncia do
longo prazo para a Teoria Econmica, diversos autores notaram que o desenvolvimento de
modelos economtricos capazes de caracterizar adequadamente os comportamentos
associados s baixas freqncias de variveis econmicas pode beneficiar a arquitetura e a
programao de polticas econmicas. Clive Granger, em What are We Learning About the
Long-Run, exps a seguinte argumentao:

() If macrotheories are about equilibria and econometric techniques are not, it becomes
difficult for these theorems to be tested on actual data () A major reason for interest in the long-
run is to study the impact of changes in the economy, such as new policies, tastes and
technologies, the effects of which may take some time to be fully understood. ()
Granger (1993, p.307)

Aspectos ligados importncia da memria longa para o controle e gesto de variveis
econmicas podem, portanto, ser investigados sob o ponto de vista de como a Teoria
Econmica compreende determinados fenmenos de longo prazo e em como a aplicao do
instrumental da integrao fracionria afeta tal entendimento.

de longa data que os economistas vm canalizando seus esforos para melhor compreender
o carter das oscilaes na economia. Adelman (1960) concebeu uma explicao estocstica
para os ciclos econmicos fora do mbito da Economia determinista hickssiana, comum
sua poca. Segundo a autora, a perspectiva estocstica para a origem dos ciclos econmicos,

7
Traduo de self similar process.
(1) (0) I I
25

preconizada por Ragnar Frisch em 1933, mostra que perturbaes (aleatrias) so suficientes
para originar movimentos persistentes que se propagam para o conjunto da economia. A
Teoria dos Ciclos Econmicos formaliza-se basicamente sobre duas premissas, presentes
tanto em teorias monetaristas quanto nas neo-keynesianas. A primeira afirma que so
preponderantemente os choques sobre a demanda agregada, de natureza monetria ou fiscal,
ou ainda regidos pelo esprito animal do Homem, que comandam as flutuaes no produto
agregado. A segunda premissa, e mais importante para o tema desse trabalho, diz que o efeito
dos choques da demanda agregada sobre o produto tem carter temporrio, sendo incapaz de
desviar o produto de sua taxa natural de crescimento de longo prazo. As implicaes do
trabalho de Nelson & Plosser (1982) so reconhecidamente um marco paradigmtico para a
anlise econmica e, entre outras interpretaes, seus resultados vm fornecendo
embasamento cientfico para a negao emprica da segunda assertiva terica dos ciclos
econmicos. As evidncias sobre a presena de uma tendncia de carter estocstico no nvel
do produto incitam a rejeio da hiptese de que as flutuaes no nvel do produto agregado
seriam apenas desvios de curto prazo em torno de uma tendncia determinista, representativa
de sua taxa natural de crescimento.
8
A indicao encontrada por esses dois autores para a srie
do produto dos E.U.A. que ela seria melhor representada em primeiras diferenas, ao invs
de ser modelada como um processo estacionrio contendo tendncia linear e memria
estritamente curta. Muitos pesquisadores, motivados pelas evidncias desses dois autores,
empenharam-se na busca de provas empricas, favorveis ou no premissa determinista da
Teoria dos Ciclos Econmicos. Em Campbell & Mankiw (1987a), por exemplo, foi
mensurada a persistncia na srie trimestral do produto norte-americano no perodo do ps-
guerra por meio da funo impulso-resposta com base nos parmetros de modelos
. Sob a hiptese dos ciclos econmicos, choques inesperados no produto no
devem influir definitivamente em seus valores futuros associados ao longo prazo. Ou seja,

() If fluctuations in output are dominated by temporary deviations from the natural rate, then
an innovation in output should not substantially change ones forecast of output in, say, five or ten
years. Over a long horizon, the economy should return to its natural rate; the time series for
output should be trend-reverting. ()
Campbell & Mankiw (1987a, p.857)

8
Campbell & Mankiw (1987a) comentam que a implicao da presena de uma raiz unitria na srie do produto
condenaria tambm, como sugerido por Nelson & Plosser (1982), a primeira assersiva dos ciclos econmicos.
Sobre o assunto, ver Shapiro (1987).
( , , ) ARIMA p d q
26

Ainda que utilizando os termos persistente e permanente com significado difuso nas
consideraes do texto, os autores afirmaram ter encontrado indcios sobre a existncia de raiz
unitria na srie, resultado essencial para o entendimento da dinmica econmica, pois
revela o carter persistente da varivel. No mesmo mbito, Campbell & Mankiw (1987b)
expuseram uma conceituao estatstica de persistncia baseados em Cochrane (1986) e
estimaram-na utilizando uma abordagem bivariada de componentes independentes
observados. A metodologia adotada pelos autores foi de decompor a srie do produto em um
componente transitrio, associado aos ciclos econmicos, tomando a taxa de desemprego
como sua proxy, e num componente persistente, no relacionado aos ciclos, referente taxa
natural de crescimento. Sob a hiptese de que o componente relativo aos ciclos econmicos
menos persistente que o relativo taxa de crescimento natural, os resultados no mostraram
diferena entre os dois componentes. Ao modificarem o modelo utilizando a taxa de
crescimento do produto, a decomposio revelou diferena entre a persistncia dos dois
componentes na forma prevista. Segundo suas concluses, isso pode ser um indicativo de que
a reverso de tendncia dos ciclos econmicos pode no ocorrer to rpido quanto se
imaginava. Essa posio contraria os resultados encontrados por Blanchard (1981) e Kydland
& Prescot (1982), em linha com o pressuposto dos ciclos econmicos, que sugere que o
logaritmo do PIB norte-americano era adequadamente representado por um modelo
em torno de uma tendncia determinista.

Embora inicialmente a Teoria Econmica e os estudos empricos tenham enfocado mais a
persistncia na renda, suas implicaes sobre variveis de outras reas da Economia tm
fundamental importncia. Por exemplo, Blanchard & Summers (1986) investigaram o
desemprego na Europa e avaliaram que os choques sobre essa varivel possuem efeitos mais
persistentes do que as teorias tradicionais podem explicar, gerando importantes implicaes
em termos de polticas de emprego. Coakley et al (2001) aprofundaram a pesquisa
contrapondo a viso de duas vertentes do pensamento sobre o desemprego, a escola da
persistncia e a escola estruturalista. A primeira tem sua motivao terica apoiada na
hiptese da existncia de uma taxa natural de desemprego. Nela, desvios com dinmica de
ajustamento muito lento so gerados por choques transitrios na taxa de desemprego
observada. A segunda vertente entende que os movimentos observados na taxa de desemprego
no podem ser desassociados da taxa de desemprego de longo prazo, ou seja, que a taxa de
longo prazo endgena. A argumentao dos autores sobre a natureza da persistncia no
desemprego, em termos de poltica econmica, bastante clara:
(2) AR
27

() If unemployment is high because of persistence, monetary policy can make a contribution without
an immediate risk of inflation. Although a transient recession could, absent intervention, leave its
remnants for years, equally an expansionary monetary policy could have a sustained beneficial
effect.()
Coakley et al (2001, p.180)

Na Economia monetria, a discusso sobre a neutralidade da moeda pressupe a distino dos
efeitos da expanso monetria sobre o produto no curto e no longo prazo. O ritmo no qual os
efeitos no nvel do produto se dissipam traduz o grau de persistncia da resposta do produto
ao impulso da expanso e contrao monetria oriundo de choques exgenos. Nessa linha de
pesquisa, Bae et al (2005) estenderam os conceitos de neutralidade e superneutralidade de
longo prazo da moeda de Fisher & Seater (1993), baseados originalmente nos modelos
, para a caracterizao dos modelos . A correta identificao
dos efeitos de longo prazo nas sries reflete o carter da persistncia, permanente ou
transitrio, dos choques econmicos sobre a varivel monetria. A verificao emprica do
fenmeno da neutralidade monetria de longo prazo depende crucialmente do comportamento
condicional da srie monetria associado s baixas freqncias, que melhor captado pelos
modelos de integrao fracionria.

Em diferentes reas de pesquisa econmica, portanto, o carter da persistncia na dinmica de
ajustamento dos desvios na trajetria das variveis, causados por choques temporrios,
fundamental na identificao do comportamento de longo prazo e, por conseguinte, para
avaliao de polticas econmicas. O fenmeno da persistncia, no entanto, possui dois
caracteres distintos: um carter permanente, contemplado pelo arcabouo com
integrao unitria, e um carter de longo prazo, abordado mais recentemente pelos modelos
de memria longa ou modelos de longa persistncia. Nessa classe de modelos, destaca-se o
arcabouo , cujo comportamento de longo prazo representado pela integrao da
srie na forma fracionria. Existe, no mbito do paradigma , uma lacuna terica e
instrumental na interpretao da persistncia. A impreciso gerada pelo baixo poder dos
modelos tradicionais de testes para razes unitrias cria uma lacuna instrumental em meio
qual as integraes unitria e fracionria se confundem. Ainda sob esse aspecto, a estimao
de processos estacionrios com elevada persistncia envolve a incluso de muitos parmetros,
impondo dificuldades aos procedimentos tradicionais, tais como a instabilidade do modelo.
Por outro lado, Henry & Zaffaroni (2003) afirmam que no existe na literatura uma
( , , ) ARIMA p d q ( , , ) ARFIMA p d q
ARIMA
ARFIMA
(1) (0) I I
28

justificativa terica consistente que assegure razes exatamente unitrias em sries
macroeconmicas, em vez de ordens de integrao fracionrias prximas unidade, criando,
com isso, uma lacuna de ordem terica. Na concepo desse trabalho, os modelos de memria
longa so teis para melhor compreender as foras que atuam sobre as variveis econmicas e
seus comportamentos esperados no longo prazo. A forma polar da energia espectral nas
freqncias prximas a zero, identificada na lei da Forma Espectral Tpica, revela a
importncia das flutuaes de longo prazo nas variveis econmicas. Seu decrscimo de
forma suave e contnuo pode ser reflexo de periodicidades estocsticas de longa durao.
Ambas as formas definem comportamentos associados s baixas freqncias, instigando a
utilizao dos modelos de memria longa em sua caracterizao. Os efeitos da identificao
das caractersticas de baixa freqncia, segundo Granger (1966), podem ajudar na arquitetura
de polticas econmicas: polticas visando suavizao dos ciclos econmicos, por exemplo,
devem ser capazes, em termos de anlise espectral clssica, de aprofundar a concavidade da
densidade de energia espectral sem eliminar sua concentrao nas freqncias prximas a
zero. Ou seja, devem controlar as bandas de freqncia relativas aos ciclos econmicos para
suavizar as flutuaes de longo prazo sem afetar sua tendncia ascendente:

() it can be argued that one should not use a stop-go policy similar to that used by the
British government in recent years without at the same time implementing long-term policies that
help to control the trend element ()
Granger (1966, p.160)

A introduo dos modelos de memria longa no estudo da trajetria dinmica do produto, por
alguns autores, pode ser entendida como uma busca pela reconciliao das teorias dos ciclos
econmicos com os fatos empricos. A considerao de que o produto regido por um
processo puramente aleatrio, , implica que os choques econmicos tero seus efeitos
includos permanentemente no futuro infinito da srie, enquanto a estacionariedade, ,
implica desvios de curto prazo de sua trajetria temporal. A integrao fracionria,
, um meio termo entre esses plos. Diebold & Rudebusch (2001),
tentando retratar quais as caractersticas que definem os ciclos econmicos, comentam que,
aps os co-movimentos entre variveis econmicas, as flutuaes persistentes no nvel da
atividade so uma de suas caractersticas mais presentes. Sob essa caracterizao, desvios em
torno de um nvel mdio ou tendncia, denominado como taxa natural de crescimento,
persistem por um considervel perodo de tempo, mas no infinitamente. Segundo os
(1) I
(0) I
( ) \ 0 1/ 2 I d d < <
29

autores, o arcabouo dos modelos integrados fracionariamente propcio anlise desse tipo
de persistncia em sries macroeconmicas. um deslocamento do foco de anlise da
existncia para a importncia de componentes persistentes nas sries macro, procurando
inferir quais so os efeitos dos choques, no para o futuro infinito, mas para horizontes
tangveis, definidos como longo prazo, como por exemplo, de cinqenta a cem anos
frente. Haubrich & Lo (2001) entendem que a possibilidade de controlar a dependncia de
longo prazo por meio dos processos integrados fracionariamente eleva a capacidade de isolar
mais adequadamente os ciclos econmicos das tendncias, permitindo o acesso s
propriedades da decomposio.

Diebold & Rudebusch (1989) realizaram um dos primeiros trabalhos de macroeconometria
aplicada sob o arcabouo da integrao fracionria, estendendo a linha de pesquisa de
Campbell & Mankiw (1987a). O trabalho foi dedicado identificao e quantificao da
persistncia do produto e do desemprego norte-americano aos choques econmicos.
Baseando-se em uma gama de variveis anuais e trimestrais, os dois autores utilizaram o
instrumental para modelar a srie e calcular a funo impulso-resposta
acumulada, utilizada para inferir a dinmica da absoro dos choques pelas variveis. Os
resultados encontrados pelo estimador GPH empregado pelos autores so condizentes com a
hiptese de integrao fracionria: , tanto para a srie do produto real per capita
quanto para a srie do desemprego e valores entre e para as outras sries
consideradas.
9
Com base nesses valores, os autores demonstraram a elevada sensibilidade da
funo impulso-resposta para o produto norte-americano em relao ao parmetro de
integrao na forma fracionria e unitria. Os efeitos dos choques sobre modelos com
integrao fracionria no intervalo , mesmo com valores prximos unidade,
tendem a se dissipar ao longo do tempo, enquanto nos modelos com integrao unitria o
choque permanente. Embora enfaticamente mencionado pelos autores que o procedimento
gerou um intervalo de confiana muito amplo, que impedisse uma afirmao definitiva, os
indcios de uma ordem de integrao fracionria condizente com um processo persistente
reversvel sua mdia, , uma evidncia substancial em relao aos resultados
dos trabalhos anteriores sob o paradigma .

9
Haubrich & Lo (2001) fazem uma crtica sobre as evidncias encontradas, mencionando que o intervalo de
confiana para as estimaes pontuais no permite rejeitar a hiptese de raiz unitria nas sries analisadas.
0.7 d =
0.5 0.9
0 1 d < <
1/ 2 1 d < <
(1) (0) I I
30

Diebold & Rudebusch (1991) seguem os mesmos passos adotados em seu artigo anterior, com
a finalidade de verificar a negao emprica da Hiptese da Renda Permanente (HRP)
encontrada por outras pesquisas. Dentro do arcabouo , a HRP prediz que a
volatilidade do consumo deve ser maior do que a volatilidade de choques inesperados sobre a
renda. Foi escolhido o arcabouo para a confrontao com a inteno de verificar
se o excesso de suavidade do consumo no seria conseqncia da inadequada representao
para a dinmica de baixa freqncia das sries. O efeito das inovaes na renda sobre
a variao no consumo foi estimado com base na funo impulso-resposta para diferentes
horizontes de tempo em um modelo de ciclo de vida. Os autores adotaram trs taxas de
desconto intertemporal diferentes, com variando em um intervalo de dois desvios-padro a
partir de uma estimativa pontual preliminar. As concluses indicam que as propriedades
estocsticas de longo prazo do produto so decisivas na determinao das respostas do
consumo s inovaes na renda, e que essas se revelaram bem inferiores s anteriormente
calculadas pela metodologia . Ou seja, o estudo suscita que as violaes da hiptese
da renda permanente devido ao excesso de suavidade do consumo no so to importantes
quanto se pensava. Contudo, o conjunto dos resultados no prov uma reconciliao cabal
entre os dados empricos com a teoria. Haubrich (1993), nessa mesma linha de pesquisa,
avaliou se, ao permitir que a renda seja integrada fracionariamente, o Paradoxo de Deaton
sobre o excesso de suavidade do consumo agregado frente renda agregada poderia ser
superado. Mantendo as hipteses de renda permanente e da representao univariada, seus
resultados apontam que a soluo fracionria permite encontrar, simultaneamente, os valores
observados da varincia da renda e do consumo como uma possvel soluo para o paradoxo.
O trabalho baseia-se, portanto, na hiptese de uma falha dos testes de razes unitrias frente
alternativa de integrao fracionria quando a renda possui parmetro prximo unidade. Se
a hiptese da renda permanente no pode ser desconsiderada sob a memria longa na renda,
ento as polticas visando alterar o consumo devem ser formuladas considerando-se isso. Por
exemplo, conjetura-se que polticas visando elevar o consumo presente podem ser formuladas
tendo como alvo a elevao da renda permanente, em vez de atuar especificamente sobre a
renda corrente. Isso faz sentido quando se identifica que os instrumentos para atuar sobre a
renda permanente so distintos daqueles para atuar na renda corrente, como por exemplo,
polticas de estabilidade de emprego.

ARIMA
ARFIMA
ARIMA
d
ARIMA
31

Sob a ptica dos modelos de crescimento econmico neoclssicos, o arcabouo da integrao
fracionria tem servido para revisar resultados antes encontrados por outras abordagens. O
artigo outrora mencionado, Michelacci & Zaffaroni (2000), infere, teoricamente, quais seriam
as propriedades empricas necessrias dos processos que descrevem o produto per capita dos
pases-membro da OCDE para que a taxa exponencial de convergncia ao steady state de
2%, apresentada na literatura sob o arcabouo do modelo de Solow-Swan, apresente-se como
um resultado factvel.
10
Sob esse resultado, os choques que atingem a economia, desviando o
produto de sua trajetria de longo prazo, sero absorvidos por uma taxa de 2% e apresentaro
reverso mdia. Suas dedues mostram que tal resultado condizente somente se o produto
per capita apresentar uma estrutura de memria condizente com o intervalo em
um modelo estendido de Solow na forma agregada entre grupos heterogneos (cross-sectional
heterogeneity). Os resultados empricos revelaram que as ordens de integrao entre os pases
da OCDE so diferentes entre si, porm semelhantemente contidas no intervalo ,
indicando uma convergncia incondicional ao steady state entre eles. Com isso, a
convergncia no pode ser analisada diretamente pela abordagem da co-integrao
tradicional. O achado reconcilia as evidncias encontradas em estudos de cross-section
com as de sries temporais.

Estudos envolvendo diferentes reas da Teoria Econmica vm mostrando que os modelos de
memria longa tm a capacidade de compreender determinados comportamentos associados a
fenmenos econmicos, que outras ferramentas economtricas no so capazes de incorporar
eficientemente. Ser capaz de mensurar eficientemente o componente permanente na varivel
do produto agregado, por exemplo, crucial em estudos macroeconmicos, dada a extenso e
persistncia que os choques tero sobre sua trajetria. Por meio dela, podero ser avaliadas
polticas anticclicas sobre bandas de freqncias especficas, na tentativa de atenuar perodos
de depresses. Diebold & Rudebusch (1989) lembram que:

(...) For policymakers, the implications of macroeconomic persistence are just as unsettling.
Strong persistence would call into question, at a fundamental level, the appropriateness of
countercyclical policy. If the cyclical component is insignificant in aggregate output and there is
no steady trend to which to return the economy, attempts at countercyclical policy are at the best
misguided. In addition, when each movement in output is largely permanent, the costs and benefits
of policy actions are far different than when movements are transitory; the price of higher or
lower output over the whole future path of the economy must be weighed in the policy
calculus.()
Diebold & Rudebusch (1989, p.190)

10
Tambm conhecida como Beta-Convergncia. Ver Barro & Sala-I-Martin (1991) e Quah (1993).
1 2 1 d < <
1 2 1 d < <
32

Os modelos de memria longa permitiram maior flexibilidade modelagem dos
comportamentos de baixa freqncia das sries temporais, com importantes implicaes para
a quantificao da persistncia de choques sobre as variveis econmicas, proporcionando,
portanto, melhor avaliao do impacto de polticas econmicas. Pelo aspecto da confrontao,
a aplicao dos modelos de integrao fracionria em modelos macoreconomtricos
existentes surge como uma crtica s contradies inerentes aos resultados dicotmicos do
antigo paradigma . Isso pode ser percebido nos resultados de Diebold &
Rudebusch (1989), que apontam que a mudana para o paradigma de anlise ,
tem fortes implicaes em termos da avaliao de polticas macroeconmicas. Por meio da
funo impulso-resposta acumulada, os modelos de memria longa foram capazes de mostrar
que choques tendem a ser absorvidos no mdio e longo prazo, enquanto os modelos
integrados unitariamente demonstraram efeitos amplificados e persistncia exacerbada
indefinidamente. Portanto, a inadequada especificao da ordem de integrao de modelos de
sries temporais, aplicados anlise de polticas econmicas, pode gerar comprometimento
das avaliaes. As vantagens da modelagem economtrica, baseadas nos princpios da
memria longa, podem ser resumidas como um aumento da eficincia e da capacidade dos
modelos economtricos de servirem como instrumentos de controle de polticas em termos de
uma maior sintonia fina entre os efeitos de mdio e longo prazo. A introduo dos modelos de
memria longa e a evoluo dos testes, no escopo da Teoria Econmica, so, portanto, um
avano qualitativo para a anlise economtrica com possveis repercusses sobre a
programao de polticas pblicas.

2.2 Origem da Memria Longa em Variveis Econmicas

O modo de relacionar a memria longa nos estudos econmicos sugere um formato quase
unvoco: parte-se de modelos matemticos que carregam uma estrutura de dependncia de
longo prazo que seja capaz de sintetizar as particularidades das variveis econmicas
estudadas. No h, em grande parte dos casos, uma preocupao direta com um possvel fator
econmico gerador da memria longa; a preocupao se d preponderantemente no campo da
modelagem. Duas vertentes, no exclusivas, destacam-se na tentativa de inferir a origem da
memria longa associada, direta ou indiretamente, a fatores econmicos. A primeira vertente
busca no processo de agregao de sries heterogneas, tpico em sries macroeconmicas, a
(1) (0) I I
( ) I d 0 1 d < <
33

explicao do fenmeno estatstico. A segunda entende que a gerao do padro de memria
longa pode estar associada aos eventos denominados como quebras estruturais e regimes
alternantes, tambm freqentemente percebidos em variveis de natureza econmica. A
explicao encontrada nessa linha de pesquisa baseia-se em um possvel mimetismo das
caractersticas que definem a memria longa por sries que sofrem deslocamentos abruptos
em seus nveis.
11
Uma terceira possibilidade de origem da memria longa nas variveis
econmicas est na herana dos efeitos da memria longa de fenmenos naturais. Embora
sejam encontrados apenas relatos espordicos sobre essa linha de explicao, ela parece ser
uma explicao terica consistente para a existncia de memria longa em determinadas
variveis econmicas. Nessa seo, as trs interpretaes tericas sero expostas como formas
complementares na explicao da memria longa em variveis econmicas.

2.2.1 Gerao do Padro de Memria Longa pela Agregao de Microprocessos

Granger (1980) considerou diferentes conceitos de processos estocsticos para formalizar a
argumentao de que o procedimento de gerao de dados macroeconmicos a partir da
agregao de microsries pode conduzir a modelos com propriedades distintas da
modelagem economtrica tradicional . Os modelos analisados contemplaram
a agregao de processos do tipo:
(2.1)
A partir de hipteses especficas sobre as distribuies do conjunto de parmetros dos
modelos, baseando-se em uma distribuio Beta no intervalo restrito , o autor inferiu, por
meio de anlises no domnio do tempo e da freqncia, que a agregao de processos
expressos por relaes dinmicas pode definir padres de memria longa, mesmo partindo de
processos com memria estritamente curta. Por exemplo, a agregao sem ponderao de
modelos descritos por (2.1) pode gerar modelos . Davidson (2005)
menciona que, em Economia, a maioria dos modelos com estrutura adequada a contemplar a

11
O termo mimetismo, traduzido contextualmente do ingls mimic, utilizado freqentemente por Granger
para referir-se s caractersticas ilusrias dos processos com quebras estruturais como processos com memria
longa.
( , , ) ARIMA p d q
1
2
, 1, 1, 2,...,
~ . .(0, )
it i it it i
it
x x i N
R B
o c o
c o
= < =
[ [ 0,1
N
(1) AR ( , 1) ARMA N N
34

memria longa baseada em alguma noo de agregao de microprocessos.
12
O autor
baseou-se em um modelo na forma de (2.1) e mostrou algebricamente o surgimento de um
modelo linear com memria longa com propriedades assintticas de um movimento
browniano fracionrio. Com a mesma perspectiva, Robinson (2003) afirma que, para um
conjunto suficiente de microsries como (2.1), em que uma varivel aleatria com
valores prximos unidade, a srie resultante de sua agregao exibir funo de
autocovarincia sob a forma:

2
0
( ) { , } {( ) }
h j
i it it h i
j
h Cov x x E o
=
= =
_
(2.2)
e seu o espectro na freqncia zero se caracterizar por
(2.3)
satisfazendo , tal como um processo com memria longa. Lippi &
Zaffaroni (2000) abordaram o tema utilizando uma distribuio semiparamtrica sobre os
mesmos processos conceituais. Yigit & Hightower (sem data) estudaram as propriedades
desse grupo de modelos e a tolerncia dos resultados a outras distribuies dos parmetros
dos microprocessos. Os pesquisadores relataram uma relao positiva entre a extenso da
memria e os valores dos dois primeiros momentos estatsticos. Segundo eles, a gerao de
um padro de memria longa pela microagregao de processos depende crucialmente
da heterogeneidade paramtrica e de coeficientes auto-regressivos prximos ao valor unitrio.

Modelos macroeconmicos que incorporam a memria longa vm sendo formulados a partir
da teoria da agregao de microprocessos. Haubrich & Lo (2001) propuseram uma adaptao
do arcabouo macroeconmico dos Ciclos Econmicos Reais de Long & Plosser (1983),
buscando uma fundamentao econmica para a origem da memria longa, e dedicaram uma
seo verificao emprica da presena da longa dependncia observada na srie do produto
norte-americano e de alguns pases membros da OCDE. A lgica do modelo essencialmente
a mesma da microagregao em que uma economia multisetorial tem a produo de cada uma
das indstrias, resumida por um processo com os parmetros do termo auto-
regressivo dependendo de um conjunto especfico de preferncias e da tecnologia adotada.
Segundo o modelo, cada indstria, individualmente, no necessita seguir necessariamente os
ciclos econmicos ou apresentar historicamente a memria longa em sua produo para que
ambos apaream no agregado da economia. Michelacci & Zaffaroni (2000) idealizaram uma

12
Microprocesso ou microsrie pode ser definido como o modelo de srie temporal que representa uma das
variveis elementares compreendidas na varivel agregada.
i
o
2
(0) {(1 ) }
x i
f E o

0
( )
x
f
v
v

(1) AR
N (1) AR
35

economia cuja produo nos nveis micro e macroeconmico seguem a funo de produo
neoclssica de crescimento com especificao estocstica, denominada por eles como Solow
model with cross-sectional heterogeneity. A agregao pela soma das funes
idiossincrticas descreve as propriedades do modelo original, que sob hipteses semelhantes
s adotadas por Granger (1980) apresenta a possibilidade de exibir uma trajetria do produto
com padro de memria longa, independentemente da natureza dos choques individuais ou
coletivos. Bailie et al (1996), baseando-se nos testes de raiz unitria ADF e KPSS, indicaram a
existncia de uma estrutura de memria longa em sries de preos agregados de nove pases
industrializados. Yigit & Hightower (sem data) formalizaram a hiptese de que a memria
longa em sries de inflao pode ser advinda da agregao de expectativas inflacionrias
heterogneas dos agentes econmicos. Sob a hiptese de homogeneizao das expectativas
(racionais) dos agentes pela introduo de um regime crvel de metas de inflao por parte da
autoridade monetria, os autores admitiram a possibilidade da memria longa na varivel
desaparecer.

Associadas ao tema, porm ainda no tocadas pelas pesquisas sobre agregao e memria
longa, esto as diferentes formas de agregao das variveis econmicas. A busca por formas
mais adequadas para a representao numrica das relaes econmicas induz os economistas
adoo de nmeros-ndice que, de maneira geral, refletem a necessidade de introduzir
diferentes ponderaes sobre as variveis de interesse. Por exemplo, algumas instituies
financeiras internacionais utilizam-se das representaes dos ndices de agregados monetrios
Divisia Trnqvist-Theil, Currency Equivalent e uma variao do ndice Ideal de Fisher para
mensurar a quantidade de moeda em circulao na economia.
13
No escopo da pesquisa de
Granger estariam os agregados monetrios tradicionais M1, M2, M3 e M4, devido
agregao pela simples soma de seus componentes elementares. Porm, diferentes formas de
ponderao podem gerar efeitos distintos no que tange estrutura de memria na srie
agregada. Logo, entende-se que esse um espao ainda a ser explorado.

13
Marques (2003) discute mais profundamente o tema.
36

2.2.2 Gerao do Padro de Memria Longa por Quebras Estruturais e Regimes
Alternantes: Memria Longa Espria?

Um dos temas intimamente relacionados s variveis econmicas, que vem crescentemente
sendo estudado, a gerao dos padres de memria longa resultante de quebras estruturais e
regimes alternantes. H unanimidade entre os autores pesquisados na constatao causal,
terica e emprica, de que a incidncia de quebras estruturais e regimes alternantes em sries
de tempo produz determinados efeitos sobre suas funes de autocovarincia e de densidade
espectral que as tornam semelhantemente caracterizadas como processos com memria longa.
Observa-se, nesse fato, um paralelismo com o ocorrido em trabalhos precedentes envolvendo
quebras estruturais e razes unitrias. Aps Nelson & Plosser (1982) terem posto em dvida o
paradigma economtrico terico da poca, Perron (1989), Rappoport & Reichlin (1989) e
outros refutaram parcialmente seus resultados ao relatarem a interferncia das quebras
estruturais sobre o poder dos testes de razes unitrias. Como esse assunto recorrentemente
associado ao tema central deste trabalho, ele ser apresentado nesta seo. O intuito desta
exposio, no entanto, ser modesto, porque envolve complexidades que fogem do escopo
deste trabalho. Pretende-se introduzir o tema da gerao dos padres de memria longa pela
ocorrncia de quebras estruturais e regimes alternantes, relatar as principais pesquisas
realizadas e introduzir a discusso herdada do paradigma se a memria longa
que surge da quebras estruturais e regimes alternantes deve ou no se considerada como
espria.

propcio, introdutoriamente, uma delimitao dos dois conceitos-base mencionados. O
entendimento desses dois fenmenos pode variar entre diferentes reas da cincia e mesmo
entre diferentes abordagens. Nesse trabalho, quebra estrutural entendida como uma no-
linearidade; um deslocamento concentrado no tempo e de grande magnitude em relao ao
histrico da srie.
14
Por sua vez, o conceito de regime alternante circundar a idia de uma
seqncia de quebras estruturais, geralmente com menores amplitudes, percebidas ao longo da
trajetria de uma srie temporal. Visualmente, uma srie com regimes alternantes exibe
diferentes nveis, estveis durante certo perodo de tempo, tambm denominados como
clusters. A Figura 4 exemplifica graficamente os dois casos com sries simuladas. O grfico

14
A quebra estrutural pode ocorrer tanto no nvel quanto na variabilidade da srie. No caso em questo, o foco
destinado especificamente s quebras no nvel das sries.
(1) (0) I I
37

(A) exibe uma srie com quebra estrutural sem alterao em sua trajetria determinista
crescente e o segundo exibe uma srie que apresenta dois regimes em seu nvel.

(A)
0 200 400 600 800 1000
-
5
0
5
1
0
(B)
0 200 400 600 800 1000
-
4
-
2
0
2
4

Figura 4 (A) Srie com Quebra Estrutural e (B) Srie com Regimes Alternantes

Diferentes questes associadas ao tema podem ser encontradas em Banerjee & Urga (2004),
que um compndio historiogrfico sobre as quebras estruturais. O principal aspecto
observado na literatura referente a essa seo que h um mimetismo das caractersticas
distintivas das sries com memria longa por aquelas que apresentam quebras estruturais e
regimes alternantes. Essa peculiaridade pode ser demonstrada a partir da simulao de uma
quebra estrutural no nvel de um processo Rudo Branco Gaussiano (RB-G), exposta na Figura
5, abaixo:

Figura 5 Processo Rudo Branco Gaussiano com a Simulao de uma Quebra Estrutural em seu Nvel e
suas Funes de Autocorrelao

0 200 400 600 800
-
2
0
2
4
RB-G
0 200 400 600 800
-
2
0
2
4
6
RB-G com Quebra
Lag
A
C
F
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0

Correlograma do RB-G
Lag
A
C
F
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0

Correlograma do RB-G com Quebra
38

Inicialmente, percebe-se que a incluso de uma quebra no nvel do RB-G imprime um formato
hiperbolicamente decrescente sobre sua funo de autocorrelao. Utilizando o estimador da
ordem de integrao fracionria por MV, obtm-se, respectivamente, os seguintes resultados
para antes e depois da incluso da quebra estrutural: e
. Os valores entre parnteses representam os p-valores do parmetro
estimado. No primeiro caso, portanto, concluir-se-ia corretamente que o processo aos
nveis de significncia estatstica tradicionais. No segundo, a presena da quebra estrutural
imprimiu ao processo a caracterstica de um processo com memria longa estacionrio. Essas
evidncias foram avaliadas por diferentes autores, por meio da anlise de processos tericos
que apresentam aleatoriamente desvios abruptos em seus nveis.

Granger (1999), Granger & Hyung (1999) e Diebold & Inoue (2001) propuseram anlises
sobre um desses processos. Trata-se de um processo estocstico com quebras eventuais em
seu nvel segundo uma distribuio de probabilidade variante no tempo. Sob certas condies
descritas pelos autores, o modelo gerar quebras estruturais com amplitudes aleatrias
motivado por choques originrios no rudo e valores relativamente estveis em perodos
longos de tempo. Para determinados valores dos parmetros do modelo, a funo de
autocorrelao decai lentamente em direo a zero, tal qual um processo linear com memria
longa ou no estacionrio. Diebold & Inoue (2001), seguindo essa linha de pesquisa,
estudaram a circunstancialidade da relao causal entre os fenmenos das quebras estruturais
e regimes alternantes com o padro de memria longa, por meio de experimentos de Monte
Carlo. Os autores demonstraram com base no mesmo processo de Granger e Hyung (1999)
que, para determinados valores da probabilidade de ocorrncia de quebras e do tamanho da
amostra, a ordem de integrao estimada segue um processo . De modo geral,
seu estudo mostra que medida que o nmero de quebras aumenta em uma srie, sua ordem
de integrao tende unidade. Hwang (2000), baseando-se tambm em simulaes de
processos estocsticos, gerou artificialmente sries e , e analisou o efeito
da incluso de quebras nas sries, chegando a concluses semelhantes s dos trabalhos
anteriores. Granger & Tersvirta (1999) analisaram um processo markoviano (no linear) com
regimes alternantes baseando-se em um modelo (linear) ( ) \ I d d R. Por meio de simulaes,
eles mostraram que, para esse processo em particular, medida que se eleva a probabilidade
de mudana de regimes, diminui a ordem de integrao fracionria do processo. Eles tambm
analisaram subamostras dos processos simulados e chegaram s mesmas concluses. A
0.0409(0.1404) d =
0.3599(0.0000)
Q
d =
(0) I
( ) \ 0 1 I d d < <
(1) AR (1,1) ARMA
39

pesquisa tem uma importante concluso: a ordem fracionria em uma srie temporal com
diferentes regimes depende do nmero e da localizao das mudanas de regime.

Estudos economtricos aplicados envolvendo sries macroeconmicas e financeiras tm
acolhido o referencial terico da interferncia das quebras estruturais e regimes alternantes
sobre os modelos de memria longa. Caporale & GilAlana (2003), por exemplo, examinaram
o comportamento estocstico de sries de ndices de preos ao consumidor de pases que
sofreram perodos de hiperinflao em seu passado recente (Argentina, Brasil e Israel). A
inteno dos referidos autores era confrontar os resultados obtidos pela utilizao da
modelagem de integrao fracionria envolvendo quebras estruturais com os resultados
obtidos por meio de abordagens tradicionais no mbito dos modelos de razes unitrias.
15

Foram aplicados testes paramtricos de razes fracionrias do tipo Multiplicador de Lagrange,
envolvendo termos deterministas, tais como dummies de deslocamento (pulso) e dummies de
inclinao. Os resultados obtidos pelos autores indicam que com a introduo de dummies de
inclinao quadrtica, a ordem de integrao para a srie da Argentina caiu sensivelmente
para valores abaixo de , enquanto que para as sries brasileiras e israelenses as ordens de
integrao permaneceram maiores do que 1. Barkoulas, Baum & Caglayan (1999) estudaram
uma possvel relao entre memria longa e quebras estruturais sobre taxa de cmbio para um
conjunto de pases no perodo ps-Bretton Woods. Suas avaliaes sugeriram que a hiptese
de existncia de tendncia estocstica na srie mais robusta do que as hipteses relacionadas
existncia de integrao fracionria e quebra estrutural. Alm dos trabalhos aplicados
mencionados, Coakey et al (2001) utilizaram um modelo referencial baseado no processo
descrito por Granger & Hyung (1999) para investigar a persistncia na taxa de desemprego na
Europa. Outras pesquisas relacionadas ao tema, algumas delas ainda no publicadas, so
Gourieroux & Jasiak (2001), Sibbertsen (2001) e Davidson & Sibbertsen (2004).

A questo controversa e de ordem normativa e que permeia o tema dessa seo se a
memria longa produzida por quebras estruturais e por regimes alternantes em sries
econmicas deve ou no ser tomada como espria. Granger & Hyung (1999), por exemplo,
foram aqueles que primeiramente utilizaram a denominao memria longa espria. Lobato
e Savin (1998), considerando outros fatores, tais como heterocedasticidade, agregao e

15
O trabalho referencial utilizado pelos autores o de Baillie, Chung & Tieslau (1996), que analisou dados dos
pases-membro do G7 e da Argentina, Brasil e Israel.
1/ 2
40

componentes cclicos com memria longa, afirmam que so todos causas de evidncias
esprias de memria. Diebold & Inoue (2001), no entanto, motivam a controvrsia:

(...) We believe, however, that the temptation to jump to conclusions of structural change
producing spurious inferences of long memory should be resisted, as such conclusions are
potentially naive. Even if the truth is structural change, long memory may be a convenient
shorthand description, which remain very useful for tasks such predictions. Moreover, at least in
the sorts of circumstances studied in this paper, structural change and long memory are
effectively different labels for the same phenomenon, in which case attempts to label one as
true and other as spurious may be of dubious value. ()
Diebold & Inoue (2001, p.157)

Essas consideraes revelam que, na falta de um instrumento capaz de acolher eficientemente
os fenmenos das quebras estruturais e regimes alternantes endogenamente, os modelos
lineares de memria longa podem servir mais adequadamente como previsores de longo prazo
do nvel das sries em comparao aos modelos tradicionais. Em apoio a essa considerao,
pode-se utilizar o seguinte comentrio de Granger:

(...) The thing we know about the long run is that we should expect structural breaks, occasional
large ones and probably many smaller ones. ()
Granger (1993, p.310)

Em suma, a anlise de quebras estruturais e regimes alternantes uma das questes
pragmticas relacionadas diretamente com a anlise da memria longa em sries econmicas.
A concluso causal e unidirecional dos trabalhos estudados que as quebras estruturais esto
associadas gerao de padres semelhantes aos da memria longa. Inexistindo um estimador
que consiga incorporar eficientemente as quebras estruturais endogenamente, o modelo linear
de memria longa apontado pela literatura como uma opo de previsor de longo prazo para
o nvel da srie.

2.2.3 Origens Naturais da Memria Longa?

Nas sees anteriores, foram discutidas duas diferentes causas da gerao dos padres de
memria longa em sries temporais. consenso na literatura que esses so apenas alguns
entre os possveis fatores geradores do fenmeno memria longa, e certamente no explicam
a totalidade dos casos. As duas teorias mencionadas acima possuem a caracterstica de serem
generalistas: so vlidas para sries temporais de qualquer campo da cincia. Nos trabalhos
41

mais recentes, apesar de serem na maioria dirigidos Economia, no se verifica uma
preocupao em explicar uma possvel origem terica da memria longa fora do mbito da
modelagem estatstica. compreensvel que, em variveis econmicas, haja influncias de
fatores naturais no surgimento da longa estrutura de dependncia entre as observaes.
Tambm acolhida a idia de que a memria longa possa surgir das prprias relaes
econmicas. Implicitamente, a hiptese defendida pela teoria da microagregao prev a
possibilidade de haver a transmisso direta, total ou parcial, do padro de memria
proveniente dos microprocessos na formao da memria longa na srie agregada. A
argumentao dessa seo procura salientar a hiptese de que parte da memria longa em
sries econmicas pode ser herana de fatores naturais. Ou seja, uma origem natural da
memria longa em sries econmicas.

A Teoria Econmica, como cincia da escassez, relaciona quantitativa e qualitativamente a
forma como os recursos produtivos, capital e trabalho, so empregados na produo de bens e
servios. A disponibilidade dos recursos e a tecnologia disponvel determinam como e quanto
pode ser produzido em um determinado instante de tempo. A distribuio e o padro dos
fluxos de explorao dos recursos naturais, portanto, incidem diretamente nas relaes
econmicas de produo. A descoberta do fenmeno da memria longa e o desenvolvimento
de modelos estatsticos associados a ela estiveram fundamentalmente ligados aos estudos da
fsica dedicados compreenso de fenmenos naturais. As primeiras menes associadas ao
tema da memria longa foram feitas em trabalhos que datam do final do sculo XIX e do
incio do sculo XX, relativos astronomia, qumica e agricultura por Newcomb (1886),
Student (1927) e Fairfield Smith (1938). Em 1940, Kolmogorov definiu o Movimento
Browniano Fracionrio motivado pelo estudo da turbulncia. O hidrlogo ingls Harold Hurst
(1951, 1957) tido por muitos como o pioneiro no estudo do fenmeno da memria longa em
pesquisas aplicadas tanto em sua rea como na geofsica e climatologia. Sua descoberta
ocorreu quando investigava a regularizao do fluxo de guas do Rio Nilo para o
planejamento da Barragem de Aswan High Dam. Ele analisou o comportamento dos dados do
rio e inferiu o que deveria ocorrer se os dados fossem estacionrios. O pesquisador descobriu
um padro diferente de comportamento que ficou conhecido como Efeito Hurst e a partir
dessa observao props a estatstica Rescaled Adjusted Range (R/S). Whittle (1956, 1962)
utilizou equaes diferenciais parciais estocsticas para dar uma interpretao fsica aos
resultados empricos do decaimento hiperblico das correlaes espaciais em estudos a
42

respeito da fertilidade do solo na agricultura de Fairfield Smith. Mandelbrot & Van Ness
(1968), motivados pelos achados empricos de Hurst, introduziram o Rudo Gaussiano
Fracionrio como um modelo de memria longa. Eles mostraram que o Efeito Hurst poderia
ser modelado como um Rudo Gaussiano Fracionrio com parmetro de auto-semelhana
. Mandelbrot, citado diversas vezes, foi um dos autores mais atuantes na
pesquisa sobre a memria longa aplicada em diferentes campos da cincia. Ele mencionado
como um dos precursores do descobrimento de sua ocorrncia no campo da Economia.
16

Mandelbrot & Wallis (1969) pesquisaram a memria longa em variveis referentes ao fluxo
de rios, nvel de chuvas, clima e terremotos. Nos dados geofsicos, a exceo parece estar na
existncia de estruturas de memria curta entre as observaes. Beran (1994) exps dados
sobre a temperatura no hemisfrio norte, coletados na Inglaterra entre os anos de 1854 e 1989
e sugeriu a existncia de uma estrutura de memria longa na srie. Segundo esse autor,

(...) A hydrologist would hardly expect successive observations to be independent. A complicated
physical mechanism creates dependence between the data. (...)
Beran (1994, p. 32)

Recentemente, a anlise de memria longa tem sido empregada nos estudos que avaliam os
impactos das variaes climticas causadas pelos altos nveis de emisso de poluentes na
atmosfera. Seater (1993), por exemplo, estudou o caso do aquecimento global e o efeito
estufa. Gil-Alana (2005) avaliou modelos de memria longa para sries de temperatura do
hemisfrio norte e Kallache, Rust & Kropp (2005) analisaram anomalias no fluxo do Rio
Neckar no Sudeste da Alemanha. Nesse ltimo caso, os autores estimaram os parmetros
relativos variabilidade natural do rio utilizando os modelos de memria longa. A
pesquisa cientfica desenvolvida em diversas reas da cincia, portanto, indica que uma ampla
gama de variveis ligadas aos fenmenos naturais apresenta estruturas de longa dependncia.
Aceitando-se a hiptese de que a memria longa presente em fenmenos naturais, ligada,
portanto, escassez dos recursos produtivos, vislumbra-se a possibilidade de um mecanismo
de transmisso de seus efeitos, totais ou parciais, sobre as sries econmicas. Pressupe-se
que haja, portanto, uma associao direta entre a memria longa em certas variveis
econmicas com a disponibilidade dos recursos produtivos e com as relaes de produo. O
exemplo mais comum o das sries de ndices de preos, principalmente daqueles fortemente
influenciados pela produo do setor primrio, que podem carregar a memria longa que

16
Mandelbrot (1963a, 1963b).
[ [ 0.5,1.0 H
ARFIMA
43

surge das condies naturais, como efeitos climticos, condies geofsicas e utilizao dos
recursos naturais renovveis e no renovveis. Entre os efeitos climticos, pode-se citar o
nvel de precipitao atmosfrica, efeito El Nio, efeito estufa e ciclos de exploses solares,
que influenciam no nvel de exposio aos raios solares. Entre as condies geofsicas e
utilizao dos recursos naturais est a fertilidade do solo, o nvel das mars, o fluxo de rios e
as correntes martimas, entre tantos outros. Segundo Haubrich & Lo (2001), que
transcreveram o modelo de Long & Plosser (1983) ao escopo da memria longa,

(...) One plausible mechanism for generating long-run dependence in output (...) is that
production shocks themselves follow a fractionally integrated process. This explanation for
persistence follows that used by Kydland & Prescott (1982). In general, such an approach begs
the question, but in the present case evidence from geophysical and meteorological records
suggests that many economically important shocks have long-run correlation properties. (...)
Haubrich & Lo (2001, p.18)

Segundo Beran (1994), Mandelbrot & Wallis (1968) associaram uma das profecias bblicas
mais conhecidas ao efeito da memria longa pela evidncia de ciclos na produo agrcola:

(...) Seven years of great abundance are coming throughout the land of Egypt, but seven years of
famine will follow them ()
(Gnesis 41, 29-30)

O efeito denominado pelos dois autores como Joseph Effect atribudo possvel presena
de memria longa no fluxo de guas do Rio Nilo, fundamental agricultura no antigo Egito.
Segundo Beran (1994):

(...) Since ancient time, the Niver River has been known for its characteristics long-term
behavior. Long periods of dryness were followed by long periods of yearly returning floods.
Floods had the effect of fertilizing the soil so that in flood years the yield of crop was particularly
abundant. ()

A presena de memria longa na vazante do Rio Nilo , como percebido nos trechos em
destaque, associada pelos autores ocorrncia de ciclos na produo agrcola no antigo Egito.
Havendo padres de memria longa na produo agrcola e na disponibilidade dos recursos
naturais, seus efeitos podem ser disseminados sobre outras variveis econmicas. No tocante
aos recursos humanos, sabe-se que a reproduo da fora de trabalho lenta e dependente de
outras variveis, como crescimento populacional, educao, treinamento e desenvolvimento
44

tecnolgico. Modelos econmicos de crescimento descrevem essas relaes, como os
modelos neoclssicos endgenos do tipo learning by doing de Lucas (1993). Se o processo
de aprendizado tomado como acumulativo, lento, gradual e altamente dependente de seu
passado, tal qual o desenvolvimento tecnolgico, ento, possvel vislumbrar a ocorrncia de
memria longa em variveis referentes ao capital humano que influenciam as relaes de
produo.

A linha de pesquisa que procura explicaes nos fenmenos naturais sobre a origem da
memria longa em variveis econmicas sustentada, em grande medida, por bases tericas.
Embora seja simples a constatao da presena da memria longa em dados relativos aos
fenmenos naturais e em variveis econmicas, a comprovao emprica de uma relao
causal entre elas extremamente delicada, devido ao grande nmero de variveis envolvidas e
complexidade das relaes econmicas, como as funes de produo e preferncias no
consumo. No campo terico, parece no existirem incoerncias hiptese da hereditariedade
ou contradies substanciais que possam contestar sua validade.

2.3 Concluses

Neste captulo foram relatadas diferentes linhas de pesquisa que percebem na memria longa
a explicao para determinados fenmenos econmicos. Buscou-se enfatizar as implicaes,
para a anlise econmica, da incorporao do paradigma da integrao fracionria s
pesquisas economtricas. Em seguida, foi abordado o tema da origem da memria longa em
variveis econmicas. Foram expostos trs fatores que explicam, pelo menos em parte, o
surgimento desse padro em sries econmicas. So eles: o processo agregao de variveis
microeconmicas, a ocorrncia de quebras estruturais e regimes alternantes e a herana dos
efeitos de fenmenos naturais e das relaes de produo. A hiptese de que parte da
memria longa dos fenmenos naturais absorvida pelas variveis econmicas origina-se das
indicaes de pesquisas de outras reas da cincia, que mostram que esses fenmenos
apresentam em sua essncia estruturas de longa dependncia. Dado o carter acumulativo da
cadeia produtiva, a existncia de memria longa em um dos setores da economia pode ser
repassada para as variveis agregadas da produo.

45

3 PROCESSOS ESTOCSTICOS INTEGRADOS: A INTEGRAO
FRACIONRIA E MODELOS DE MEMRIA LONGA

3.1 O Paradigma (1) (0) I I

Os modelos de sries de tempo so tipicamente modelos estocsticos lineares dinmicos, em
que se busca identificar uma estrutura de dependncia entre valores passados, presentes e
futuros de uma varivel. Sua origem diretamente ligada a uma representao particular dos
modelos matemticos deterministas de equaes diferencias, em que o tempo tomado como
discreto, com variao homognea para dois instantes consecutivos quaisquer, como ,
por exemplo. Um caso especial da equao em diferenas linear de ordem n, explica Enders
(1995), pode ser expresso pelo modelo linear geral com coeficientes constantes:

0
1
n
t i t i t
i
y A y | c
=
=
_
(3.1)
com
0
1 | = e n representando a ordem da equao em diferenas. A estabilidade de (3.1)
garantida em termos da convergncia de
t
y a um nvel de equilbrio intertemporal. A
condio de convergncia, que requer que todas as razes caractersticas da soluo
homognea da equao em diferenas caiam dentro do crculo unitrio. Considerando
como um processo Rudo Branco em (3.1), a condio suficiente dada por
1
1
n
i
i
|
=
<
_
(3.2). O
caso complementar,
1
1
n
i
i
|
=
_
(3.3) descreve seqncias
t
y no-convergentes. Nesses casos,
ao invs do amortecimento dos choques, ocorre sua propagao ou amplificao. Um dos
casos de interesse particularmente quando
1
1
n
i
i
|
=
=
_
(3.4), que descreve uma seqncia em
que pelo menos uma das razes caractersticas do polinmio (3.1) tem valor unitrio. Esse
caso denominado como processo estocstico com raiz unitria ou como processo com
integrao unitria. O exemplo mais simples denominado Processo Passeio Aleatrio:

1 1
1 2
1 1 1 2
0 1
0
...
, com 0 , 1 e 1
t t t
t t t t
t
t t i
i
y y
y
y y t
| c
c | c | c
c |
=
=
=
= = = _
_
(3.5)
1 t A =
t
c
46

Diz-se que o modelo (3.5) possui memria infinita ou permanente, de maneira que a
influncia do rudo sobre o processo no diminui ao longo do tempo. A condio de
convergncia denominada por condio de estacionariedade, , impe que os efeitos do
rudo se dissipem ao longo do tempo. Com apropriao do termo integral do clculo
contnuo para denominar a somatria dos choques do processo discreto mostrado acima, os
processos com uma raiz unitria passaram a ser conhecidos como Processos Integrados de
Primeira Ordem ou simplesmente por .
17
O processo estacionrio definido para
tradicionalmente referido como ou processo com memria curta, embora ela possa
simplesmente no existir, como no caso do Processo Rudo Branco. Sries com memria
curta possuem o parmetro da mdia como fator de atrao, enquanto as sries com raiz
unitria no possuem fator de atrao. Essas duas propriedades definem um importante
paradigma economtrico, recorrentemente denominado nesse trabalho como paradigma
(1) (0) I I .

Definio 1 - O processo estocstico
t
y denominado Processo Estocstico Integrado de
Ordem d , como notao ~ ( )
t
y I d , se a soluo de
d
t t
y x A = (3.6) for um processo
estocstico fracamente estacionrio,

~ (0)
t
x I , com (1 )
d d
B A = e
i
t t i
B y y
= .

A dicotomia 1 d = ou 0 d = adotada na maioria das pesquisas economtricas de sries
temporais com base nos chamados Testes de Raiz Unitria define, assim, o Paradigma
Economtrico (1) (0) I I . Tradicionalmente adota-se , e assim, sob os termos da
definio, a operao de aplicar diferenas inteiras a valores sucessivos de uma srie resume
um filtro linear com srie de entrada
t
y (no-estacionria se 1 d _ ) e srie de sada
t
x
(estacionria se 0 d = ). O parmetro relativo ordem de integrao diretamente
associado ao comportamento de baixa freqncia nas sries temporais, representando a
estrutura de dependncia dos movimentos que ocorrem no longo prazo. Segundo Morettin &
Toloi (2004), o operador diferena , para pode ser escrito
algebricamente como uma expanso binomial:

17
Em alguns trabalhos tambm encontrada a denominao martingale para esses processos.
t
c
1
1 | <
(1) I
1
1 | <
(0) I
d

Z
d
(1 )
d d
B A = d

Z
47

(3.7) , com (3.8)
ou
(3.9)
Ou seja, (3.9) resumir o operador diferena para valores inteiros da ordem de integrao,
sendo formado por uma expanso de valores no nulos.

3.2 O Paradigma da Integrao Fracionria

Seguindo a concepo de Percival & Walden (2000), o universo da integrao fracionria
compreende qualquer ordem real: d R. Outros autores, como Granger & Joyeux (1980)
preferem delimitar a conceituao de integrao fracionria em 1 1 d < < . Na prtica os dois
conceitos no so conflitantes. De acordo com a lgebra de sries integradas mostrada em
Granger (1980), se ~ ( )
t
x I d um processo estocstico discreto integrado de ordem
{ } d z o

= R , sendo [ ] z z

= o maior inteiro contido em e 0 1 o < < uma parte
fracionria, ento, para
z
t t
y x A = , tem-se . Portanto, aps aplicar sucessivas
diferenas inteiras sobre
t
x , o processo resultante ainda ser integrado pelo resduo
fracionrio do parmetro { } d z o

= R . Seguindo a concepo de Granger & Joyeux
(1980):

Definio 2 O processo estocstico ~ ( )
t
y I d , 1 1 d < < , definido Processo Estocstico
Integrado Fracionariamente, se:
(1 )
d
t t
B y w = (3.10)
em que ~ (0)
t
w I um processo estocstico fracamente estacionrio, (1 )
d
B o operador
diferena fracionria.

Particularmente, segundo Hosking (1981), se 1/ 2 1/ 2 d < < , o processo ser estacionrio e
invertvel. Nesse caso, Granger & Joyeux (1980) mostram que se
t t
w u = , com
~ ( , )
t
u ARMA p q , a funo de densidade espectral de (3.10) dada por:
0
(1 ) ( 1)
d
d k k
k
d
B B
k
=
1

=

( )
_
!
!( )!
d
d
k k d k
1

=

( )
2 3
1 1
(1 ) 1 ( 1) ( 1)( 2) ...
2! 3!
d
B dB d d B d d d B =
( 1) d
d
~ ( )
t
y I o
48

2
( ) 1 ( ) , 0
d
i
y u
f e f
v
v v v t
= < _ (3.11)
Percival & Walden (2000), abordam o processo integrado fracionariamente definindo-o como
Processo Diferenciado Fracionariamente com
2
. .(0, )
t w
w R B o = em (3.10). A Definio 2 foi
baseada numa concepo mais geral de processo. Adotando-se a hiptese
2
. .(0, )
t w
w R B o =
restringe-se a possibilidade de existncia de memria de curto prazo no processo,
posteriormente necessria definio do modelo .
18
O caso mais simples
denominado Processo Rudo Branco Fracionrio:

Definio 3 O processo
t
y em (3.10) definido Processo Rudo Branco Fracionrio
Estacionrio, se e a seqncia
t
w for um processo Rudo Branco:
2
~ . .(0, )
t t
w R B
c
c o = .

A funo de densidade espectral do Processo Rudo Branco Fracionrio, derivada por
Morettin & Toloi (2004), expressa por:

2
2
( ) {2 ( / 2)} , 0
2
d
y
f sen
c
o
v v v t
t
= < _ (3.12)
A condio imposta sobre a ordem de integrao, 1/ 2 d < na Definio 3 explicita
propriedade de estacionariedade assinttica do processo. O caso mais geral 1 d < pode ser
definido, por exemplo, como Processo Rudo Branco Fracionrio ou simplesmente por Rudo
Fracionrio.

As definies acima se apoiaram no conceito de operador diferena fracionria. Granger
(1980) fornece uma interpretao intuitiva interessante sobre a diferenciao de uma ordem
fracionria: se um filtro cuja segunda aplicao consecutiva gera uma diferena
inteira sobre uma srie, , ento, a aplicao apenas uma vez do filtro
sobre a srie representa uma diferena fracionria igual a 1/ 2. A tcnica de aplicar diferenas
fracionrias sobre uma srie fundamental no estudo de processos com memria longa e em

18
A diferenciao de um processo integrado em sua ordem mxima induz estacionariedade e no
necessariamente independncia, como nos processos Rudo Branco ou processos (i.i.d.).. Ver Davidson (2005).
1/ 2 d <
( ) B 0
2
( ) (1 ) B B 0 = ( ) B 0
49

seu desenvolvimento aproveita-se de uma funo de apoio, a Funo Gama. Seja u uma
varivel qualquer:

1
0
1
, 0
( ) , 0
( 1) , 0
t u
e t dt u
u u
u u u
I
I
'
1
1
1
1
1
1
= =
!
1
1
< 1
1
1
1+
]
(3.13)
que interpola uma expanso fatorial: (3.14). O arranjo presente no operador
diferena em (3.7) pode ser diretamente escrito na forma:
(3.15)
e, portanto,
(3.16)
Segundo Brockwell & Davis (1991), (3.16) tambm pode ser expresso pelo produto
0
1
j k
j d
j
< _

]
, 0,1, 2,... k = (3.17). Beran (1994) nota que, uma vez que a funo
definida sobre , ento, para , a expanso binomial pode ser estendida sobre o eixo
real:
(3.18)
que representa o operador diferena fracionria na forma de um polinmio defasagem infinito,
que tambm pode ser posto na forma:
(3.19)
Funcionalmente (3.19) equivalente a (3.7). A operao da diferena fracionria pode ser
entendida como um filtro linear na forma de uma convoluo discreta
(1 )
d
t t r t r
r
w B x h x
=
= =
_
(3.20)
com
(3.21)
sendo uma srie de entrada, ~ (0)
t
w I a srie de sada e a seqncia
definida Funo Impulso-Resposta, satisfazendo a condio de ser absolutamente somvel:
( 1) ! u u I =
( 1)
( 1) ( 1)
d
d
k k d k
I
I I
1

=

( )
( 1)( 1) ( )
( 1)
( 1) ( 1) ( ) ( 1)
k
k
d
d d k
k k d k d k
I I
I I I I
1

= =

( )
( ) I -
{ } R 0 d >
0
(1 ) ( 1)
d k k
k
d
B B
k
=
1

=

( )
_
0
( )
(1 )
( ) ( 1)
d k
k
d k
B B
d k
I
I I
=

=

_
( )
( ) ( 1)
r
d r
h
d r
I
I I

=

~ ( )
t
x I d { }
r r
h

=
50

(3.22)
Tomando-se, por exemplo, o caso do processo Rudo Branco Fracionrio, ento, com
:

0 0
(1 )
( )
( 1)
( ) ( 1)
d
t t
k
t k t k
k k
B y
d
d k
y y
k d k
c
I
I I

= =
=
1

= =

( )
_ _
(3.23)
Simplificadamente,

0
k t k t
k
y t c
=
=
_
, com:
( )
( ) ( 1)
k
d k
d k
t
I
I I

=

(3.24)
Segundo Brockwell & Davis (1991) e Shumway & Stoffer (2000) a representao (3.24)
tambm pode ser escrita na forma tradicional de Processo Linear Geral adotada nos livros
texto de sries temporais:

0
t j t j
j
y c
=
=
_
, com:
( )
( ) ( 1)
j
d j
d j
I
I I
(3.25)
em que finita ou infinita e convergente;
t
y estacionrio e
2
~ . .(0, )
t
R B
c
c o .
19
A
equao (3.23) revela um filtro linear de ordem infinita. Da a necessidade de uma grande
quantidade de observaes de
t
y para aproximar por meio de (3.23). A sada natural para
aplicar o procedimento truncar o polinmio de acordo com o nmero de observaes
disponveis. O prestgio dos modelos de memria longa fundamenta-se principalmente na
precisa incorporao do componente de baixa freqncia das sries temporais e em sua
capacidade de especificao parcimoniosa de modelos economtricos. Brockwell & Davis
(1991) introduziram uma tcnica de implementao do operador diferena fracionria no
domnio da freqncia, que contorna esse obstculo. Os autores mostraram que se a seqncia
t
w em (3.10) for um processo ( , ) ARMA p q , com notao
t t
w u = , ~ ( , )
t
u ARMA p q , ento,
( ) (1 ) ( )
i d
y u
e
v
v v

~ F F (3.26)
em que ( )
y
v F e ( )
u
v F so, respectivamente, as Transformadas Discreta de Fourier dos
processos
t
y e
t
u . Portanto, uma maneira direta de obter a srie filtrada
t
u aplicar a
Transformada Discreta Inversa de Fourier sobre (3.26), ou seja:

19
Pode-se Escrever (3.25) na forma de choques aleatrios ( )
t t
y B c = . O polinmio ( ) B ,
1 2
1 2
( ) 1 ... B B B = , com
j
dado por (3.25), definido Funo de Transferncia do filtro linear.
r
r
h
=
<
_
0 1/ 2 d < <
1
{ }
j j

=
t
c
51

( )
1
( ) (1 ) ( )
i d
t y
u e
v
v v

~ F F (3.27)
Morettin & Toloi (2004) formalizaram um algoritmo para (3.27). O procedimento descrito
no Anexo A do trabalho. As duas formas de aplicao do operador diferena fracionria so
aproximadamente equivalentes. A vantagem na prtica do filtro na forma espectral se d em
no precisar truncar em o polinmio defasagem, implicando a perda das primeiras
observaes da srie de sada.

3.3 Processos Estocsticos com Memria Longa

Os Processos com Memria Longa ou Processos com Longa Persistncia podem ser
entendidos como uma classe particular dos processos estocsticos integrados
fracionariamente. Os processos de longa persistncia so aqueles tais que
. Existem diferentes conceituaes de processo com memria longa.
Robinson (2003), por exemplo, relaciona intervalo de memria longa somente com
. Outros expandem a definio para . A conceituao utilizada nesse
trabalho adota o caso mais geral acolhido pela maior parte dos autores. Particularmente, se
o processo ser assintoticamente estacionrio. Segundo Granger & Joyeux
(1980), para o processo possui varincia infinita, portanto, ser no estacionrio. O
processo estocstico definido por no estacionrio, porm exibe reversibilidade
sua mdia. Genericamente, porm muitas vezes imperceptvel graficamente, as sries
integradas fracionariamente com apresentam-se limitadas em seu campo de
variao, podendo exibir tendncias localmente persistentes. Os processos circunscritos
condio so no estacionrios e no reversveis mdia. Segundo Beran (1995) o
processo com memria longa estacionrio pode ser equivalentemente definido tanto no
domnio do tempo como no domnio da freqncia baseando-se, respectivamente, em sua
funo de autocovarincia e funo de densidade espectral:

Definio 4 [Beran (1994)] O processo
t
x definido Processo Estocstico Estacionrio
com Memria Longa, se existirem as constantes e 0 1 | < < que satisfazem:
/ /
~ ( ) \ {0}
t
x I d d

R
0 1/ 2 d < < 0 1 d < <
0 1/ 2 d < <
1/ 2 d _
1/ 2 1 d _ <
0 1 d < <
1 d _
0 c
v

52

0
( )
lim 1
x
f
c
|
v
v
v
v

= (3.28)
ou, equivalentemente, se existirem as constantes 0
h
c e 0 1 o < < que satisfazem:

( )
lim 1
x
h
h
h
c h
o
= (3.29)
em que a funo de densidade espectral de ; 1/ 2 v _ so as freqncias Nyquist;
a funo de autocovarincia de e so intervalos (lags) temporais.

Ambas as conceituaes baseiam-se, portanto, numa relao comportamental limite que
expressa, em termos espectrais, a taxa de convergncia relativa freqncia e, no domnio do
tempo, relativa s defasagens temporais entre suas autocovarincias. Alguns autores, como
Percival & Walden (2000), utilizam-se das relaes de proporcionalidade (assinttica)
(3.30) e (3.31) em suas definies de processos contnuos com
longa persistncia. Devido essas caracterizaes, os processos com memria longa tambm
so conhecidos como power law processes. O processo Rudo Branco Fracionrio com
0 1/ 2 d < < , por exemplo, um tpico processo estacionrio com memria longa. A Figura 6
mostra funo de autocorrelao terica de dois processos Rudo Branco Fracionrios.

0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
d=0.25
0 50 100 150 200
0
.
5
0
.
6
0
.
7
0
.
8
0
.
9
1
.
0
d=0.45

Figura 6 FAC Terica de Processos com Memria Longa Rudo Branco Fracionrios

Na freqncia zero a exponencial complexa da transformada de Fourier, ( ), torna-se
unitria e, com isso, o espectro de uma srie temporal torna-se o somatrio de suas funes de
( )
x
f v
t
x
( )
x
h
t
x hZ
0
( )
x
f
o
v
v v

( )
x
h
h h
|
2 i h
e
t v
53

autocovarincia, . A srie com memria longa caracterizada por possuir
funo de autocovarincia no limitada,
(3.32)
Diz-se, ento, que o espectro de uma srie com memria longa possui um plo na
freqncia zero:
20

(3.33)
A Figura 7 mostra a representao do espectro terico de um processo com memria longa
(excludo seu valor na freqncia zero).

Figura 7 Espectro Terico do Processo com Memria Longa (d=0.25)

importante notar que o valor absoluto de cada autocovarincia no o que define a
memria longa; ela definida pela longa cadeia de dependncia em sua funo de
autocovarincia, ou seja, pela sua taxa de decaimento. Um processo linear estacionrio
( , ) ARMA p q
, com e (3.34)
exibir, por exemplo, um comportamento do tipo:

( )
lim 1
y
h
h
h
h
c
= (3.35)
ou seja, para h grande, sua funo de autocovarincia aproxima-se de
h
h
c | :

20
O espectro de um processo estocstico estacionrio existe sempre. No caso dos processos com memria longa,
o espectro na freqncia zero infinito. Alguns autores, como Robinson (2003), por exemplo, se baseiam nessa
caracterstica para definir memria longa em processos estocsticos.
(0) ( )
h
f h
=
=
_
( )
x
h
h
=
=
_
0
lim ( ) , 1/ 2 1/ 2
x
f
v
v v
= _ _
0.0 0.1 0.2 0.3 0.4 0.5
1
2
3
4
Frequncias de Nyquist
D
e
n
s
i
d
a
d
e

E
s
p
e
c
t
r
a
l
(1 )
t t
B y | c = 0 1 | < <
2
~ . .(0, )
t
R B
c
c o
54

( )
h h
y h
h c |
(3.36)
Comparando-se com um processo estacionrio
t
x com memria longa, em que
( )
h
x h
h c h
|

, apesar de ambas as funes autocovarincia apresentarem
convergncia a zero, a taxa com que tende ao valor nulo apresenta uma silhueta
hiperblica, muito mais lenta que a taxa exponencial exibida por .

O caso especificado por denominado na literatura como comportamento
antipersistente. O padro antipersistente conceitualmente admitido quando o espectro do
processo em torno da freqncia zero nulo. Beran (1994) explica que os processos auto-
semelhantes com incrementos estacionrios com 0 1/ 2 H < < , sendo que 1/ 2 d H = ,
exibem um padro de processo com memria curta alm de suas autocorrelaes somarem
zero. Robinson (2003) explica que esse comportamento pode ocorrer quando a varincia da
srie ( (0) ), positiva por definio, contrabalanceada por autocovarincias ( ( ) h , 0 h= )
negativas, induzindo que o espectro do processo seja nulo na freqncia zero. Baseando-se
nesses trabalhos, define-se:

Definio 5 Um processo estocstico
t
a definido Processo Antipersistente se ele for
integrado de ordem , com:
(3.37)
em que
2
( ) ( )
i h
a
h
f h e
t v
v
=
=
_
representa o espectro do processo antipersistente.

Diebold & Guiraud (2002) argumentam que pelo fato do espectro ser nulo, o processo
antipersistente no um processo com memria longa. Beran (1994) explica que a soma das
autocorrelaes do processo integrado no intervalo 1/ 2 0 d < < somam zero, ao contrrio
do caso 0 1/ 2 d < < que apresenta soma no limitada. No incomum na literatura, no
entanto, encontrar a denominao memria longa tambm aplicada aos processos
antipersistentes. Lo (1991), por exemplo, considera como processo de longa persistncia os
processos integrados com {0} d R . Esse autor argumenta que mesmo para 0 d < , a FAC
do processo decair a uma taxa muito mais lenta que os processos convencionais. Shumway
& Stoffer (2000), por sua vez, admitem o processo Rudo Branco Fracionrio com
( )
x
h
( )
y
h
0 d <
0 d <
0
lim ( ) 0
a
f
v
v
=
55

1/ 2 1/ 2 d < < como uma srie tpica de memria longa. O comportamento antipersistente
em sries de natureza econmica improvvel. No conjunto de toda a bibliografia
economtrica analisada nesse trabalho no foram encontradas referncias desse
comportamento. Por induo, no entanto, esse comportamento pode ser obtido e entende-se,
nesse trabalho, que esse fato pode ser de interesse ao pesquisador. Se for aplicada, por
exemplo, a diferena unitria (1 ) B A= sobre um processo Rudo Fracionrio, ,
, ento, , com , ser um processo antipersistente. O
procedimento descrito denominado na literatura como superdiferenciao ou
sobrediferenciao. Uma idia dos efeitos da superdiferenciao pode ser dada baseando-se
na srie
2
~ . . .(0, )
t u
u i i d o . Nesse caso, estacionrio e segue que:

2
, se: 0
( )
0 , se: 0
u
u
h
h
h
o
'
1 =
1
=
!
1
=
1+
e
1 , se: 0
( )
0 , se: 0
u
h
h
h
'
=
1
1
=
!
1
=
1+
(3.38)
A srie ser superdiferenciada. Segundo Davidson (2005), ela apresentar:

2
2
2 , se: 0
, se: 1 ( )
0 , se: 1
u
u a
h
h h
h
o
o
'
1 =
1
1
1
= =
!
1
1
1

1
+
(3.39)
Nesse caso, a superdiferenciao dobra a varincia da srie. A Figura 8 mostra funo de
autocorrelao terica de um processo Rudo Branco Fracionrio antipersistente com ordem
fracionria e a Figura 9 mostra seu espectro terico.

0 10 20 30 40 50
-
0
. 2
0
. 0
0
. 2
0
. 4
0
. 6
0
. 8
1
. 0
d=-0.25
0 10 20 30 40 50
-
0
. 2
0
. 0
0
. 2
0
. 4
0
. 6
0
. 8
1
. 0
d=-0.45

Figura 8 FAC Terica de Processos Antipersistentes

Como pode ser percebido na Figura 9, ao contrrio dos processos com memria longa que
possuem plo na freqncia zero e densidade espectral declinante, o processo antipersistente
apresenta-se de forma inversa, com elevada densidade espectral nas altas freqncias.
~ ( )
t
u I o
[ [ 0,1 o
t t
a u A = ~ ( )
t
a I o
1 0 o
< <
{ }
t t
u
Z
t t
a u A =
0.25 d =
56

Figura 9 Espectro Terico do Processo Antipersistente (d=-0.25)

O caso dos processos antipersistentes vem sendo pouco explorado pela literatura. Beran
(1994), por exemplo, afirma que o caso , , de menor importncia
prtica. Contudo, no caso de estudos economtricos, em que no se sabe a priori o
verdadeiro valor de , o conhecimento prvio sobre as caractersticas de uma srie super-
diferenciada pode ser til na estimao da ordem. Alguns autores, como McLeod (1983),
utilizam-se da percepo de que a srie foi superdiferenciada pelo monitoramento da
varincia do modelo, podendo assim, servir como um indicativo da existncia de memria
longa. A importncia da classe de processos antipersistentes para a modelagem economtrica
surge do baixo poder dos procedimentos de identificao da ordem de integrao das sries do
paradigma (1) (0) I I . A identificao de suas principais propriedades pode levar a
procedimentos estatsticos de avaliao mais adequados como, por exemplo, a construo de
mtodos estatsticos de checagem de uma possvel superavaliao da ordem de integrao
obtida pelos modelos de estimao. O aprofundamento na pesquisa dos processos
aintipersistentes necessita de estudos mais dirigidos que fogem ao escopo desse trabalho.
Uma pequena contribuio, contudo, pode ser encontrada no estudo envolvendo simulaes
realizado nesse trabalho. Nele identificou-se que o estimador da ordem de integrao
fracionria semiparamtrico baseado no espectro de ondaletas (WSLE) e o Estimador Local de
Whittle so os mais eficientes na estimao de d quando e que uma verso
modificada do Estimador baseado no Periodograma mostrou-se a mais eficiente para
. Dessa forma, pode-se propor como uma forma de checagem da possvel
superdiferenciao, a estimao da ordem de integrao fracionria da srie filtrada por meio
desses estimadores.

0.0 0.1 0.2 0.3 0.4 0.5
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
1
.
2
Frequncias de Nyquist
D
e
n
s
i
d
a
d
e

E
s
p
e
c
t
r
a
l
1/ 2 0 d < < (0) 0 f =
d
1/ 2 0 d < <
1 1/ 2 d < <
57

A partir das obras de Granger & Joyeux (1980), Hosking (1981) e Brockwell & Davis (1991),
entre outros, tornou-se bem estabelecido na literatura que diferentes intervalos de valores das
ordens de integrao definem as condies de estacionariedade e invertibilidade (assintticas)
dos modelos. Pelos limites estabelecidos, pode-se resumir categorias de processos
estocsticos segundo propriedades de integrao. Para d R:

1 Se - Processos Estacionrios (Fracamente) ou Covariance Stationary
2 Se 0 d - Processos Persistentes ou Processos com Memria Longa
3 Se 0 d < - Processos Antipersistentes.
4 Se - Processos com Memria Permanente ou Infinita ou ainda Processos com
Raiz Unitria ou com Tendncia Estocstica.
5 Se 1 d < - Processos Convergentes.
6 Se 1 d _ - Processos Divergentes.

Sob os limites da integrao fracionria, os processos so categorizados da seguinte forma:

7 Se 1/ 2 d - Processos Invertveis.
8 Se 1/ 2 d < - Processos Estacionrios Assintoticamente.

Os processos com memria longa convergentes podem ser agrupados de forma que:

1.1 Se 0 1/ 2 d < < - Processos com Memria Longa Estacionrios e Invertveis.
1.2 Se 1/ 2 1 d _ < -Processos com Memria Longa No Estacionrios, porm Reversveis
Mdia.
21

Os processos no estacionrios com 1 3/ 2 d < < , podem ser transformados em processos
estacionrios com memria longa aps a aplicao de uma diferena (unitria). Nesse caso, a
srie ser referente taxa de crescimento da srie original.

Em observao ao caso 4, antes do desenvolvimento dos modelos integrados
fracionariamente, no era incomum referir esse caso como memria de longo prazo. So

21
Essa categoria particularmente importante na anlise de Co-Integrao Fracionria.
0 d =
1 d =
58

encontrados em alguns trabalhos macroeconomtricos aplicados da dcada de 80 termos como
choques permanentes e persistentes tomados como sinnimos. Hoje, sob o escopo da
integrao fracionria, h uma maior preocupao na utilizao dos dois termos. Nesse
trabalho ser considerada a ocorrncia de choques permanentes quando o processo
estocstico for integrado de ordem 1 d = . Essas, e outras questes relacionadas, sero
retomadas mais frente quando for abordada a funo impulso-resposta no escopo dos
modelos univariados.

3.4 Modelos Auto-Regressivos Integrados Fracionariamente e de Mdias Mveis

Os modelos ( , , ) ARFIMA p d q foram concebidos por Granger & Joyeux (1980) e Hosking
(1981) a partir da dotao dos modelos ( , , ) ARIMA p d q com o instrumento das diferenas
fracionrias, mostrado em seo anterior. Essa adaptao deu maior flexibilidade classe de
modelos univariados ao permitir modelar explicitamente tanto os componentes de alta
freqncia, relacionados com a memria de curto prazo, quanto os de baixa freqncia,
relacionados com a memria de longo prazo. Entre as diferentes concepes de modelos de
memria longa, o modelo ( , , ) ARFIMA p d q o mais difundido. Utilizando o teorema de
Hosking (1981), define-se:

Definio 6 [Hosking(1981)]: A seqncia { }
t t
y
Z
define um Modelo ( , , ) ARFIMA p d q
estacionrio e invertvel se 1/ 2 1/ 2 d < < e se satisfizer
( )(1 ) ( ) ( )
d
t t
B B y B c u O = (3.40)
em que um processo Rudo Branco, { }
t
E y = ; o operador diferena
fracionria e e so, respectivamente,
os polinmios auto-regressivos e de mdias mveis de ordens e , cujas razes
caractersticas de e caem todas fora do circulo unitrio.

O autor provou que
t
y ser invertvel se 1/ 2 d e se as razes de ( ) 0 B O = carem todas
fora do crculo unitrio e estacionrio se 1/ 2 d < e se as razes de ( ) 0 B u = carem todas
{ }
t t
c
Z
(1 )
d
B
1
1
( ) 1 ...
p
p
B B B | | u =
1
1
( ) 1 ...
q
q
B B B u u O =
p q
( ) 0 B u = ( ) 0 B O =
59

fora do crculo unitrio.
22
A complexa funo de autocovarincia do modelo foi apresentada
por Brockwell & Davis (1991) e Sowell (1992). Segundo esse ltimo autor:

2
1
( ) ( ) ( , , )
q p
i i
j q i
h j C d b
c
o T O
= =
=
__
(3.41)
com: e , , a i-sima raiz do polinmio e as funes
, e so definidas por:
(3.42)
(3.43)
(3.44)
sendo uma Funo Hipergeomtrica.

Em sntese, o parmetro de integrao fracionria do modelo torna-se responsvel pelo
controle da memria longa do processo e os parmetros auto-regressivos e de mdias mveis
e , e , controlam a memria de curto prazo. A estrutura de
memria curta relativa s autocorrelaes de baixa ordem podem ser entendidas como uma
memria residual aps a aplicao do filtro diferena fracionria.
23
Alguns autores relatam
que as autocorrelaes captadas pela diferena fracionria so muito distantes e que, portanto,
a memria curta mais adequadamente captada pelos parmetros auto-regressivos e de
mdias mveis. Assim, tal como no modelo tradicional , a razo de
polinmios
( )
( )
( )
B
B
B
o
u
O
= (3.45) traz (1 )
d
t t
w B y = (3.46) da condio de processo
estacionrio, tratada a memria longa pela diferena fracionria, para a condio de processo
Rudo Branco com a modelagem da memria curta ainda remanescente:
(3.47)

22
As provas podem ser encontradas em Hosking (1981, p.170)
23
Termo utilizado por Morettin & Toloi (2004)
p j h \= 1
i
b < i

Z ( ) 0 B u =
( ) j T
i
( , , )
i
C d b \
min[ , ]
max[0, ]
( ) ( ) ( )
q q h
h j
j h h j u u T

=
=
_
1
1
(1 ) ( )
p
i i k i i l
k l i
b b b b b

= =
' '
1 1
1 1
=
! !
1 1
1 1 + +
] ]
( )
( )
2
(1 2 ) ( )
( , , )
(1 ) (1 ) ( )
( ), (1); (1 );
( ), (1); (1 ); 1
i
p
d d
C d b
d d d
b F d d b
F d d b
I I
I I I
\
\ =
\
\ \
\ \
( , ; ; ) F a b c d
d
i
|
j
u 0,1, 2,..., i p = 0,1, 2,..., j q =
( , , ) ARIMA p d q
2
( ) , ~ . .(0, )
t t t
B w R B
c
o c c o =
60

3.4.1 Propriedades Espectrais do Modelo ( , , ) ARFIMA p d q

Segundo Hosking (1981), o modelo ( , , ) ARFIMA p d q pode ser escrito na forma

1
( ) , com: ( ) (1 ) ( ) ( )
d
t t
y B B B B B c O u

= = (3.48)
em que
2
~ . .(0, )
t
R B
c
c o . Como (3.48) representa um filtro linear, segundo Morettin &
Toloi(2004, p.443) vlida a relao:

2
( ) ( ) ( )
y
f A f
c
v v v = (3.49)
com: ( )
i j
j
j
A e
v
v
=
=
_
,
0
1 = e 0
j
= , se 0 j < . Brockwell & Davis (1991) extraram
que:

2
1
2 2 2
( ) (1 ) ( ) ( ) (
1 ( ) ( ) (
i d i i
y
d
i i i
f e e e f
e e e f
v v v
c
v v v
c
v v
v
O u
O u

= )
= )
(3.50)
Uma vez que a seqncia { }
t t
c
Z
um Processo Rudo Branco,
2
( )
2
f
c
c
o
v
t
= , ento:

2
2
2
2
( )
( ) 1 ,
2
( )
i
d
i
y
i
e
f e
e
v
v c
v
o
v t v t
t
O
u
= < < (3.51)

Beran (1994) mostra que, como
1
0
lim 1 1
i
e
v
v
v
= , ento (3.51) ir comportar-se na

freqncia zero segundo:

2
2
2
0
2
(1)
( )
2
(1)
d
y
f
v c
o
v v
t
O
u
= (3.52)
Logo,
0
lim ( )
y
f
v
v
=, se 0 d . O processo Rudo Branco Fracionrio visto na Definio 3

pode ser entendido como um caso particular de um modelo , no caso um
.
24

24
Alguns autores utilizam a igualdade 1 2 ( / 2) ,
i
e sen
v
v t v t
= < < , para expressar a equao da

densidade espectral. Outros expem a funo nas freqncias de Nyquist:
2 2 2
2 2 2 2
( ) 1 ( ) ( ) , 1/ 2 1/ 2
d
i i i
y
f e e e
t v t v t v
c
v o v O u

= < < .
ARFIMA
(0, , 0) ARFIMA d
61

Entre os diferentes procedimentos de estimao dos modelos ( , , ) ARFIMA p d q existem
aqueles que so realizados em dois estgios, que estimam separadamente os parmetros de
baixa freqncia e de alta freqncia e aqueles que estimam conjuntamente todos os
parmetros. Alguns desses procedimentos de estimao so expostos no Apndice 3 desse
trabalho.

3.4.2 Funo Impulso-Resposta (FIR) do Modelo ( , , ) ARFIMA p d q

Existem diferentes medidas quantitativas, lineares e no lineares, desenvolvidas para
mensurar o grau de persistncia em sries temporais. A mais difundida advm da concepo
dos filtros lineares e denominada Funo Impulso-Resposta (FIR). Tradicionalmente
derivada a partir da estrutura ( , , ) ARIMA p d q , {0 ou 1} d , sua adequao ao paradigma
fracionrio pode ser formalizada sobre os modelos ( , , ) ARFIMA p d q . Granger & Joyeux
(1980) e Hosking (1981) expuseram que o modelo ( , , ) ARFIMA p d q pode escrito como:
(3.53)
ou

1
( )
( ) (1 ) ( ) ( )
t t
d
y B
B B B B
c
O u

=
=
(3.54)
A equao (3.54) representa um modelo de choques aleatrios e o polinmio

1 2
1 2
( ) 1 ... B B B = (3.55)
capita a influncia dos choques passados sobre a trajetria (futura) da srie. Cada coeficiente
, 0,1, 2,...,
k
k = , representa uma medida do impacto de uma unidade de choque
ocorrido no instante sobre a varivel
t
y no instante . Sob essa representao, o
processo ( , , ) ARFIMA p d q ser estacionrio se a seqncia
1
{ }
k k
_
for convergente. Para
tanto, depende das condies expressas em (3.40).
25
O polinmio ( ) B define a Funo de
Transferncia do filtro e, coletivamente, seus coeficientes
k
definem a Funo Impulso-
Resposta. Em trabalhos economtricos como Watson (1986), Campbell & Mankiw (1987 a,b)
e Diebold & Rudebusch (1989) comum encontrar a referncia Funo Impulso-Resposta

25
Ou seja, que 1/ 2 1/ 2 d < < e que as razes dos polinmio ( ) 0 B u = e ( ) 0 B O = caiam todas fora do
crculo unitrio.
( )
(1 )
( )
d
t t
B
y B
B
c
O
u

=
t k t
62

Acumulada (FIRA). A FIRA uma representao da FIR dada pela soma acumulada da
seqncia , definida para a taxa de crescimento da srie (1 )
t t
y B y A = .
26
Seja
(1 ) d d =
. Ento, tomando-se 0 = em (3.40), pode-se escrever:

* *
0
( )
(1 ) (1 )
( )
( ) , 1
d
t t
t
B
B y B
B
B
c
c
O
u
=
= =
(3.56)
Os coeficientes do polinmio passaro ento a captar os efeitos dos choques ocorridos
no instante ( ) t k , 1, 2,... k = , sobre a taxa de crescimento de
t
y no instante t . Acumulando
seus valores at cada instante 0,1, 2,... k = , so obtidos os efeitos dos choques sobre o nvel
da srie:
*
0
k
k j
j
FIRA
=
=
_
(3.57) Segundo Campbell & Mankiw (1987a), se (1 )
t
B y
estacionrio, ento
* 2
0
( )
k
k

=
<
_
, logo,
*
lim 0
k
k

= . Explicam os autores que:

(...) stationarity of the differenced series implies that an innovation does not change ones
forecast of growth over a long horizon (...)
Campbell & Mankiw (1987 b, p. 861)

A FIRA, definida sobre a taxa de crescimento da srie, igual FIR calculada para o nvel da
srie. So duas representaes de uma mesma identidade. Ambas medem a resposta de
t k
y

dada uma inovao ocorrida em t . Particularmente no caso do processo Rudo Branco
Fracionrio, tem-se , e assim, baseando-se em Shumway & Stoffer (2000), a FIR
desse processo pode ser calculada por (3.25). Ou seja,

0
( )
, 1 , 1, 2,...
( ) ( 1)
k k
d k
FIR k
d k

I
I I
= = = =
(3.58)
Se 1 d , pode-se calcular por

*
0
1
( 1)
1 , 1, 2,...
( 1) ( 1)
k
k j
j
k
j
FIRA
k d
k
k d
I
I I
=
=
=

= =

_
_
(3.59)

26
O intuito da aplicao da diferena unitria no est diretamente relacionado com o clculo da FIRA; ela
aplicada visando alcanar a estacionariedade (assinttica) da srie.
0
{ }
k k

=
*
( ) B
( )
1
( )
B
B
O
u
=
63

A FIR como uma medida da persistncia em sries temporais tem papel importante na anlise
de memria longa em variveis econmicas. Pequenas variaes na ordem de integrao de
uma srie produzem efeitos ampliados em sua dinmica em intervalos mais longos. Visando
uma comparao entre os modelos ( , , ) ARIMA p d q e ( , , ) ARFIMA p d q , nos estudos
empricos desse trabalho a FIR ser calculada com base nos parmetros estimados pelas duas
metodologias.

3.5 Modelos de Memria Longa Sazonal

Determinados processos, comuns em Economia, apresentam movimentos peridicos
denominados movimentos sazonais ou simplesmente chamados de sazonalidade. Nessa
seo, ser abordado um tipo de sazonalidade cuja caracterstica distintiva sua elevada
persistncia no tempo. Esse tipo de sazonalidade denominado na literatura por memria
longa sazonal. Alguns desses movimentos apresentam periodicidades nitidamente regulares,
parecendo tal qual uma funo determinista. Esse tipo de sazonalidade comumente referida
como sazonalidade determinista. A previsibilidade torna-se bastante acurada nesses casos.
Em outros casos, no entanto, o carter estocstico associado sazonalidade torna a
regularidade do padro sazonal menos definida, pois, segundo Morettin & Toloi (2004), o
componente sazonal variante no tempo. sobre esse tipo de sazonalidade, estocstica, que
essa seo se dedica. Particularmente, os processos com memria longa sazonal apresentam
um amortecimento hiperblico de um ou mais movimentos oscilatrios em sua funo de
autocorrelao, cujos picos associam-se ao chamado perodo sazonal. O perodo sazonal
refere-se ao intervalo de tempo necessrio para completar um ciclo dos efeitos da
sazonalidade sobre a srie temporal. Diferentemente dos processos com memria longa
tradicional ou consecutiva, que apresentam um plo em seu espectro nas freqncias
prximas a zero, os processos com memria longa sazonal apresentam singularidades
espectrais em freqncias mais elevadas, denominadas freqncias sazonais. Sries com
mais de uma periodicidade sazonal com memria longa exibem, conseqentemente, picos de
energia em mais de uma freqncia em seu espectro. Sob a tipificao econmica tradicional,
as freqncias referentes aos ciclos sazonais so contidas no perodo de um ano e ocorrem
principalmente por influncia de fatores naturais, como as estaes do ano para a safra
agrcola; ciclos lunares para a pesca ou ainda podem ser oriundos de manifestaes culturais,
como datas comemorativas para as vendas no comrcio. Esse ltimo caso retrata bem o
64

carter estocstico do fenmeno em sries econmicas, pois envolvem influncias que nascem
das decises dos agentes econmicos, como, por exemplo, a antecipao das compras de fim-
de-ano. Movimentos com periodicidade maior so geralmente associados aos ciclos
econmicos, outrora mencionados nesse trabalho. O tema da memria longa sazonal tem
ganhado espao na pesquisa cientfica em diversos campos. Hennig Rust do Potsdan Institute
for Climate Impact Research, por exemplo, vem desenvolvendo um software para a estimao
de modelos generalizados, que envolve tanto a memria longa quanto a curta, sazonal e no
sazonal, visando aplicaes nas cincias geofsicas
27
. Ateno especial ao tema vem sendo
dada pela Econometria. Ooms (1995) expe, na forma de um compndio ou survey, a
evoluo da pesquisa sobre memria longa sazonal e fornece importantes indicaes
relacionadas com a Economia. O autor tambm prope uma adaptao ao estimador GPH,
tornando-o capacitado para estimar ordens de integrao fracionrias associadas aos picos de
energia espectral identificados como periodicidades sazonais. Reisen et al (2004) avaliaram a
performance do estimador GPH adaptado em comparao ao estimador espectral por mxima
verossimilhana e relatam seu bom desempenho. A relevncia do tema para estudos
econmicos aplicados estimula a sua abordagem nesse trabalho. Essa seo prope-se a
descrever dois modelos de memria longa sazonal. O primeiro uma verso fracionria dos
modelos ( , , ) ( , , )
s
SARIMA p d q P D Q , que so restritos a , [0 ou 1] d D . O segundo,
denominado Processo de Gegenbauer, vem sendo difundido devido sua versatilidade. Um
dos procedimentos recentes de estimao desse modelo, mostrado no Apndice 3, apia-se na
anlise espectral de ondaletas.

3.5.1 Modelos ( , , ) ( , , )
s
s
ARFISMA p d q P d Q

Dada elevada influncia da sazonalidade sobre a estrutura de memria de determinadas
sries temporais, o componente sazonal necessita freqentemente de um modelo
complementar capaz de absorver seus efeitos. De fato, os modelos de memria longa sazonal
so modelos de memria longa generalizados ou modelos flexveis. A idia bsica
acoplar uma estrutura de memria longa sazonal a uma no sazonal, alm de considerar as
estruturas memria curta sazonal e no sazonal em um nico modelo. Alguns autores referem-
se a essa classe de modelos pela denominao ou

27
Ver referncia sobre o programa computacional FARISMA.
( , , ) ( , , )
s
s
ARFISMA p d q P d Q
65

. Pressupondo um processo constitudo apenas por uma
estrutura de memria longa sazonal, define-se, com base em Porter-Hudak (1990), o processo
com memria longa sazonal mais simples, o Processo Rudo Branco Sazonal ou
.

Definio 7: Define-se Processo Rudo Branco Fracionrio Sazonal, com apenas um
componente sazonal, o processo estocstico
(3.60)
em que 1/ 2 1/ 2
s
d < < denominada ordem de integrao fracionria sazonal,
e o operador diferena sazonal.

O operador diferena sazonal, , atua sobre os lags mltiplos de s , . O
operador diferena fracionria sazonal, (3.61), aplica o filtro (3.19) para lags
sazonais e zero para os demais. No caso em que , normalmente com , e
excepcionalmente para sries econmicas, recai-se na situao em que a srie possui
uma tendncia estocstica sazonal ou raiz unitria sazonal. Igualmente ao caso da memria
longa para correlaes consecutivas, o modelo fracionrio sazonal ser estacionrio e
invertvel sob . Um modelo de memria longa sazonal mais flexvel uma extenso
do processo Rudo Branco Fracionrio (Definio 3), que incorpora a estrutura de memria
longa sazonal do processo (3.60). Baseando-se em Reisen et al (2004):

Definio 8: Define-se Processo Rudo Branco Fracionrio Estendido Sazonal, para uma
periodicidade sazonal, o processo estocstico
(3.62)
com 1/ 2 1/ 2
s
d < < , 1/ 2 1/ 2 d < < e 1/ 2 1/ 2
s
d d < < , sendo
s
B e B ,
respectivamente, os operadores diferena sazonal e diferena consecutiva e .

( , , ) ( , , )
s
s
FARISMA p d q P d Q
(0, 0, 0) (0, , 0)
s
s
ARFISMA d
(1 )
s
d s
t t
B s c =
2
~ . .(0, )
t
R B
c
c o
s
B
s
B
s
t t t s
u B u u
=
(1 )
s s
d d s
B A =
s
d

Z 1
s
d =
2
s
d =
1/ 2
s
d <
(1 ) (1 )
s
d s d
t t
B B s c =
2
~ . .(0, )
t
R B
c
c o
66

Para 1
s
d d o processo torna-se no estacionrio. A Figura 10 exibe a funo de
autocorrelao (terica) de processos Rudo Branco Fracionrio Sazonal e Rudo Branco
Estendido Sazonal.

Figura 10 Funo de Autocorrelao dos Processos com Memria Longa Sazonal de 12 meses.
(A) Processo Rudo Branco Fracionrio Sazonal com e (B) Processo Rudo Branco Fracionrio
Estendido Sazonal com e

Uma extenso natural considerar em (3.62) como fracamente estacionrio e incluir no
modelo estruturas auto-regressivas e de mdias mveis, responsveis por captar as
autocorrelaes de baixas ordens (memria curta) sazonais e no sazonais:

Definio 9: O processo definido Modelo se
representar uma soluo da equao em diferenas na forma
(3.63)
com , , em que um Processo Rudo Branco,
, o operador diferena fracionria, o operador diferena
fracionria sazonal e os polinmios auto-regressivos e
e os de mdias mveis e
so, respectivamente, captam as autocorrelaes
consecutivas e sazonais, de ordens , , e , cujas razes caractersticas de ,
, e caem todas fora do circulo unitrio.
0 20 40 60 80 100
-
0
.
2
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
(A)
lags
F
A
C
0 20 40 60 80 100
0
.
5
1
.
0
1
.
5
(B)
lags
F
A
C
0.1
s
d =
0.3 d = 0.1
s
d =
t
c
{ }
t t
s
Z
( , , ) ( , , )
s s
ARFISMA p d q P d Q
( ) ( )(1 ) (1 ) ( ) ( ) ( )
s
d s d s
t t
B B B B s B B c u u O O =
, [ 1/ 2;1/ 2]
s
d d 1/ 2
s
d d < { }
t t
c
Z
{ }
t
E s = (1 )
d
B (1 )
s
d
B
1
1
( ) 1 ...
p
p
B B B | | u =
( ) ( ) 1 ( ) 2 ( )
1 2
( ) 1 ...
s s s s s s s P
P
B B B B | | | u =
1
1
( ) 1 ...
q
q
B B B u u O =
( ) ( ) 1 ( ) 2 ( )
1 2
( ) 1 ...
s s s s s s s Q
Q
B B B B u u u O =
p q P Q ( ) 0 B u =
( ) 0 B O =
( )
( ) 0
s s
B u =
( )
( ) 0
s s
B O =
67

Baseando-se na definio do Processo ARFISMA, pode-se calcular a FIR incorporando os
componentes de memria longa e memria curta sazonais. Assumindo 0
s
= :

( ) ( )
(1 ) (1 )
( ) ( )
s
s s
d d s
t t s s
B B
s B B
B B
c
O O
u u

= (3.64)
ou

( )
( ) ( )
( ) (1 ) (1 )
( ) ( )
s
s
t t
s s
d s d s
s s
s B
B B
B B B
B B
c
O O
u u

=
=
(3.65)
O polinmio

1 2
1 2
( ) 1 ...
s
B B B =

(3.66)
envolve operadores defasagens temporais B
que sobrepem os efeitos da memria longa (e

curta) em autocorrelaes consecutivas e sazonais. Os coeficientes
s
k
, 1 k , tal como para o
modelo ARFIMA, definem a FIR sazonal em relao ao perodo 1, 2,... k = do modelo
ARFISMA. A Figura 11 mostra a FIR sazonal do modelo
12
(0, 0.2, 0) (0, 0.25, 0) ARFISMA
para 0,1, 2,...,100 k = . Nela, percebe-se os efeitos da sobreposio da memria longa sazonal
de 12 meses aos da memria longa consecutiva.

Figura 11 Funo Impulso-Resposta do Processo Rudo Branco Fracionrio Sazonal
com Parmetros de Integrao 0.2 d = e 0.25
s
d = ( 12) s =

0 20 40 60 80 100
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
Tempo
F
I
R
68

3.5.2 Processo de Gegenbauer

Uma das formas caractersticas dos processos com memria longa sazonal freqentemente
encontrado nas referncias sobre o tema o Processo de Gegenbauer. O processo abordado
por diversos autores, como Chung (1996), Whitcher (2000) e Genay et al (2002). Gil-Alana
(2000) utilizou a versatilidade desse processo para criar um modelo generalizado envolvendo
componentes de tendncia, sazonalidade e ciclos a partir da integrao fracionria. O
processo, em sua forma mais simples, foi inicialmente referido por Hosking (1981):
(3.67)
O processo estacionrio e invertvel pelas conjunes de com ou de
com . Pode ser facilmente mostrado que o processo possui representao na
forma do produto envolvendo duas exponenciais complexas
28
:
(3.68)
Gray et al. (1989), baseado no polinmio de Gegenbauer, , mostrou que:
(3.69)
Ou seja, que o processo possui representao infinita na forma de um filtro linear de mdias
mveis:
(3.70)
Chung (1996), por sua vez, mostrou uma forma de calcular recursivamente por meio da
expresso:
(3.71)
O espectro do processo (3.67) dado por:
(3.72)
Por (3.72) possvel perceber que a funo de densidade espectral do processo de
Gegenbauer possui um plo quando (3.73), que pode ser reescrito na forma:
(3.74)

28
Ooms (1995) e Reisen, Rodrigues & Palma (2004) abordam o processo sob essa representao.
( )
2
1 2
s
t t
B B s
o
c =
1 = 1/ 4
s
o <
1 < 1/ 2
s
o <
( )( )
1 1 , 1/ 2 1/ 2
s
i i
t t
Be Be s
o
v v
c v
l
= < <
l
l
,
C
o
/
2
,
0
1 2B B C B
o
o
=
l
=
l
l
_
/
/
/
,
0
t t
s C
o
=
=
_ / /
/
C
o
/
, 1, 2,
1 1
2 1 2 1 C C C
o o o

o o

1 1

=

( ) ( )
/ / /
/ /

2
2
( ) 2 cos(2 ) , 1/ 2 1/ 2
s
G
f
o
c
v o tv v = < <
cos(2 ) 0 tv =
1
cos ( ) / 2
G
v t
=
69

A freqncia
G
v denominada Freqncia de Gegenbauer. Para , a freqncia de
Gegenbauer exibe a periodicidade sazonal com memria longa. Complementarmente, a
funo de autocorrelao do processo mais simples dada por:
(3.75)
Genay et al (2002) tambm exibem um Processo de Gegenbauer Generalizado, introduzido
por Woodward et al. (1998):
(3.76)
Para , o processo resume o caso mais simples com apenas uma singularidade espectral
sazonal. Para , , o processo exibe mltiplas singularidades espectrais sazonais
nas freqncias de Gegenbauer
(3.77)
relacionadas s sazonalidades com memria longa com parmetros de integrao fracionria
, , e funo de densidade espectral expressa por:
(3.78)
A Figura 12 e a Figura 13 mostram os espectros tericos (na escala decibl) dos processos de
Gegenbauer com um e dois componentes sazonais com memria longa.

Figura 12 Espectro Terico do Processo de Gegenbauer: Uma Singularidade Sazonal na Freqncia
(sazonalidade anual) e
0
s
o
2 1
( ) cos(2 )
s
h
G
h h h
o
tv

( )
2
1
1 2
sk
m
k t t
k
B B s
o
c
=
=
]
1 m=
m M = 1 M
1 1
,
(cos )(2 ) , 1, 2,...,
G k k
k M v t

= =
sk
o 1, 2,..., k M =
( )
2
2
1
( ) 2 cos(2 ) , 1/ 2
k
m
d
G k
k
f
c
v o tv v
=
= <
]
0.0 0.1 0.2 0.3 0.4 0.5
0
5
1
0
1
5
Frequncias de Gegenbauer
F
u
n
o

d
e

D
e
n
s
i
d
a
d
e

E
s
p
e
c
t
r
a
l

(
d
B
)
1/ 12
G
v = 0.3
s
d =
70

Figura 13 - Espectro Terico do Processo de Gegenbauer Multifator: Duas Singularidades Sazonais nas
Freqncias e (sazonalidade anual e quadrimestral) e e

Uma particularidade mencionada por Chung (1996) que o Processo de Gegenbauer carrega
uma estrutura de memria longa no sazonal. Tomando-se em (3.76), obtm-se
(3.79) relativo freqncia , que representa o operador diferena fracionria
com parmetro fracionrio no sazonal . O Processo de Gegenbauer tambm pode ser
acoplado a uma estrutura de memria ( , ) ( , )
s
SARMA p q P Q , pressupondo fracamente
estacionrio em (3.76). Essa estrutura recebe a denominao na literatura de Modelo
Gegenbauer. A descrio de outros modelos sazonais
flexveis pode ser encontrada em Ooms (1995) e Gil-Alana (2000).

No Apndice 3 desse trabalho so descritos alguns dos principais estimadores dos modelos de
memria longa e parmetros de integrao fracionria. Nele, apresentado estimador de
Whitcher baseado na anlise espectral de ondaletas para o modelo (3.67).

0.0 0.1 0.2 0.3 0.4 0.5
-
5
0
5
1
0
1
5
Frequncias de Gegenbauer
F
u
n
o

d
e

D
e
n
s
i
d
a
d
e

E
s
p
e
c
t
r
a
l

(
d
B
)
,1
1/ 12
G
v =
,2
1/ 4
G
v =
1
0.3
s
d =
2
0.2
s
d =
1
k
=
( )
1
2
1 B
o
0
G
v =
2 d o =
t
c
( , , ) ( , , )
sk s
ARFISMA p q P Q o o
71

4 ANLISE SIMULATRIA DE PROCESSOS COM MEMRIA LONGA

4.1 Apresentao

Nesse captulo proposta uma anlise baseada em simulaes visando abordar o tema da
eficincia estatstica dos modelos de estimao da ordem de integrao fracionria. Seu
objetivo identificar, entre os estimadores mais conhecidos, aqueles que apresentam maior
eficcia, servindo, assim, como indicao para futuras pesquisas e para as anlises empricas
desenvolvidas no Captulo 6. Adicionalmente, realizada uma avaliao sobre o
comportamento dos testes de razes unitrias tradicionais (1) (0) I I no mbito dos processos
de memria longa, cuja motivao discutir a induo superdiferenciao comentada por
alguns autores. Em ambos os casos sero utilizados processos fracionrios simples da classe
Rudo Fracionrio Gaussiano (FGN), persistentes e antipersistentes, englobando os processos
Rudo Branco Fracionrio, processos fracionrios no estacionrios reversveis na mdia e
processos com uma raiz unitria. No sero includas dificuldades adicionais aos processos
pela incorporao de tendncias de natureza determinista ou de estruturas de memria de
curto prazo. Os respectivos procedimentos estatsticos e computacionais sero discutidos em
cada uma das respectivas sees.

Esse captulo est disposto da seguinte forma: a primeira seo investigar o ndice de
rejeio da hiptese de uma raiz unitria do teste bem-estabelecido ADF de Said & Dickey
(1980) e dos testes mais recentes DF-GLS e ERS de Elliot, Rothenberg & Stock (1996). Alm
desses, ser avaliado o ndice de rejeio da hiptese nula de estacionariedade do teste KPSS
de Kwiatkowski, Phillips, Schmidt & Shin (1992). Em todos os casos sero utilizadas
simulaes de processos persistentes com parmetro de integrao no intervalo 0 1 d < < . Em
seguida ser avaliada a eficincia de uma ampla gama dos modelos de estimao do
parmetro de memria longa no intervalo 1 1 d < < por meio das estatsticas amostrais da
mdia, varincia, vis e erro quadrtico mdio. Sero avaliados os estimadores utilizados
nesse trabalho descritos anteriormente e outros que sero oportunamente referenciados.

72

4.2 Sobre o Poder dos Testes de Razes Unitrias Envolvendo Processos com
Memria Longa

Os testes pivotais tradicionais de razes unitrias so geralmente construdos sobre a
dicotomia (1) (0) I I . So exemplos, os testes ADF, DF-GLS, ERS e KPSS abordados nesse
estudo. A partir da deduo por Granger & Joyeux (1980) e Hosking (1981) sobre a condio
da estacionariedade assinttica dos processos estocsticos com memria longa, a condio
(0) I perdeu parte de sua funcionalidade para a condio estendida ( ) I d com 1/ 2 d < .
Embora seja clara a inaptido desses testes para o caso fracionrio, eles podem conter certo
poder na identificao da condio de estacionariedade assinttica definida dentro do
arcabouo da integrao fracionria. A inteno desse primeiro experimento analisar, por
meio de simulaes, se o limiar da rejeio da hiptese de raiz unitria dos testes tradicionais
prximo ao limite de estacionariedade teorizado para os modelos de memria longa,
1/ 2 d = . Assim, verificar se esses testes detm algum poder na deteco da condio de
estacionariedade fora do mbito da integrao unitria, ou seja, considerando a hiptese que a
srie pode ser constituda por um processo com memria longa. Pesquisas anteriores j
demonstraram a importncia do tema.
29
Sowell (1990), por exemplo, derivou a distribuio
assinttica do teste de Dickey-Fuller para processos no estacionrios e identificou um baixo
poder do teste. Diebold & Rudebusch (1991b) ampliaram a abrangncia do estudo de Sowell,
realizando um experimento de Monte Carlo sobre processos com memria longa nos
intervalos de estacionariedade e no estacionariedade. Os autores concluram tambm um
baixo poder do teste DF, porm crescente em relao ao tamanho da amostra. Em outro
trabalho, Hassler & Wolters (1994) realizaram experimentos semelhantes aos de Diebold &
Rudebusch, porm utilizando adicionalmente a verso aumentada do teste DF com
diferentes defasagens e o teste de Phillips-Perron (PP). Hassler & Wolters concluram uma
elevada potncia para os testes DF e PP no intervalo de estaionariedade assinttica, superior
ao dos testes ADF, que sofre influncias negativas em relao ao aumento do nmero de
defasagens utilizadas. Lee & Schmidt (1996) abordaram o comportamento do teste KPSS em
sries com memria longa e concluram sua consistncia no intervalo estacionrio 1/ 2 d < .

29
Fava & Alves (1998) fazem um apanhado descritivo desses trabalhos.
73

Os testes de raiz unitria ADF, DF-GLS e ERS so pivotais em torno da hiptese nula
0
: 1 H d = . Sua rejeio, considerando o caso fracionrio, implica 1 d < . Pelo paradigma da
integrao fracionria, a srie ser estacionria (assintoticamente) se 1/ 2 d < . Portanto, o
poder do teste na deteco da estacionariedade assinttica est na probabilidade de rejeitar
0
: 1 H d = , dado que a srie realmente integrada de ordem 1/ 2 d < . O procedimento
adotado para os testes (1) (0) I I foi o de buscar identificar o ndice referente ao percentual
de rejeio da hiptese nula de existncia de raiz unitria quando o processo construdo de
tal forma que . O caso de processos antipersistentes foi abstrado do experimento.
Em seguida a anlise foi ampliada para com a inteno de identificar o
comportamento dos testes no intervalo de no estacionariedade medida que 1 d . No teste
KPSS a hiptese nula especificada em termos da estacionariedade da srie ou da
estacionariedade em torno de uma tendncia determinista. Portanto, a inferncia ser oposta
dos testes mencionados acima. Esse caso ser avaliado mais adiante no estudo.

Os processos com memria longa simulados nesse experimento pertencem classe dos
Processos Gaussianos Fracionrios, sem incluso de termos deterministas ou de componentes
de memria de curto prazo.
30
O nmero de lags utilizados na estrutura auto-regressiva dos
testes foi escolhido com base no critrio de Ng & Perron (1995), resumido no Anexo B do
trabalho, partindo-se de um mximo de 12 lags. Os algoritmos das simulaes foram escritos
em linguagem S, utilizando cdigos do mdulo Finmetrics 2.02 para S-Plus 7.0 de processos
( , , ) ARFIMA p d q . Para cada 0 1 d _ _ , com intervalos 0.1 o = , foram gerados 1000 M =
processos persistentes com tamanhos {100, 200,300,1000} N = e aplicados os testes de raiz
unitria sobre cada um. Os processos no estacionrios reversveis na mdia, 1/ 2 1 d < < ,
foram gerados a partir da integrao de processos antipersistentes estacionrios
1/ 2 0 d < < . Os processos com 0 d = e 1 d = foram gerados a partir do gerador de dados
aleatrios gaussianos do programa S-Plus, aplicando-se uma integrao sobre a srie para o
caso em que 1 d = . Os processos antipersistentes no invertveis, 1 1/ 2 d < < foram
gerados a partir da diferenciao de sries persistentes estacionrias, 0 1/ 2 d < < . O ponto
ainda pouco estudado na literatura devido sua condio mpar de alta instabilidade, 1/ 2 d = ,
no foi avaliado nesse experimento pelo desconhecimento de modelos tericos para sua
simulao.

30
As definies de processos gaussianos fracionrios e movimentos brownianos fracionrios so encontradas em
Beran (1994, p.55).
0 1/ 2 d _ <
1/ 2 1 d < _
74

A Tabela 2 abaixo, mostra os percentuais de rejeio da hiptese nula de raiz unitria nas
simulaes obtidos pelos testes ADF, DF-GLS e ERS aos nveis de significncia de 1%, 5% e
10%. Para valores 0 1/ 2 d _ < mostrados na tabela, os percentuais associados representam a
proporo rejeio de
0
: 1 H d = quando
0
H realmente falsa, que define o poder dos testes
para a estacionariedade assinttica.
31

Tabela 2 ndices de Rejeio dos Testes de Raiz Unitria Sob Memria Longa

Sob as hipteses usuais, os testes comportaram-se harmonicamente com os padres dos nveis
de significncia adotados. O comportamento dos testes sob a presena de memria longa pode
ser visualizado separadamente para cada tamanho de srie nos quatro grficos da Figura 14.

31
Embora a hiptese nula dos testes seja especifica para 1 d = , possvel avaliar a capacidade dos testes em
detectar a no estacionariedade da srie no intervalo fracionrio 1 / 2 1 d < _ . Nesse caso, os valores para
1 / 2 1 d < _ exibidos na tabela, representariam o percentual de rejeio de
0
H (srie no estacionria) quando
0
H verdadeira. Os nveis apresentados na tabela revelam o baixo poder dos testes para esse caso.
75

Em cada grfico, ao contrrio da Tabela 2, so dispostas as curvas representativas de no
rejeio da hiptese de raiz unitria no intervalo 0 1 d _ _ ao nvel de 5% de significncia.

Figura 14 Grficos dos Percentuais de No Rejeio da Hiptese de Raiz Unitria ao Nvel de 5% de
Significncia com Sries de Tamanhos 1000, 300, 200,100 N =

Os grficos mostram uma superioridade dos testes ADF e DF-GLS na rejeio de no
intervalo de estacionariedade assinttica, 0 1/ 2 d _ < , como pode ser percebido pelo
deslocamento da curva na cor alaranjada em relao ao eixo das ordenadas nos itens de (a) a
(d). Para grandes amostras, o ndice de no rejeio de dos testes ADF e DF-GLS
manteve-se prximo a 0% no intervalo de estacionariedade assinttica. Para sries com 300,
200 e 100 observaes o percentual de no rejeio de aumenta significativamente,
indicando o baixo poder dos testes na deteco da estacionariedade assinttica da srie em
pequenas amostras. Prximo ao limiar da estacionariedade assinttica, 0.5 d = , os testes
ADF, DF-GLS e ERS rejeitaram
0
: 1 H d = , ao nvel de 5% de significncia em amostras de
tamanho 100 N = somente em 33.0%, 37.0% e 19.2% dos casos, respectivamente. Em sries
de tamanho 200 N = , o percentual eleva-se para 64.1%, 59.8% e 34.3%, respectivamente.
Para grandes amostras, 1000 N = , o percentual de rejeio mostrou-se elevado, 99.5%,
99.5% e 93.1%. Esse quadro revela que os testes exibem poder sobre a condio de
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 10 20 30 40 50 60 70 80 90 100
ADF
DFGLS
ERS
(%)
(d)
PercentuaisdeNoRejeiodeH
0
para de[0.0;1.0] - TestesADF,DF-GLS eERS
Nveisacima de5%deSignificncia
(N=1000, M=1000)
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 10 20 30 40 50 60 70 80 90 100
ADF
DFGLS
ERS
(%)
(d)
0
(N=300, M=1000)
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 10 20 30 40 50 60 70 80 90 100
ADF
DFGLS
ERS
(%)
(d)
0
(N=200, M=1000)
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 10 20 30 40 50 60 70 80 90 100
ADF
DFGLS
ERS
(%)
(d)
0
(N=100, M=1000)
0
H
0
H
0
H
(b) (a)
(d) (c)
76

estacionariedade assinttica somente em sries muito longas. Em sries com tamanhos
tradicionalmente encontrados na economia brasileira, 50 300 N < < , excluindo as sries
financeiras, os testes possuem baixa capacidade de distinguir a estacionariedade assinttica.
Sobre o percentual de rejeio de
0
: 1 H d = no intervalo fracionrio 1/ 2 1 d < _ , os trs
testes comportaram-se semelhantemente. Para 0.7 d = e sries com observaes,
por exemplo, o teste ADF rejeitou a hiptese de raiz unitria ao nvel de 5% de significncia
em 15.8% dos casos, e os testes DF-GLS e ERS, em 18.5% e 18.1%, respectivamente. Para
0.8 d = , as propores so de 13.7%, 13.0% e 13.0%. O nvel apontado de no rejeio da
hiptese nula no intervalo 1/ 2 1 d _ < reflete um baixo poder dos testes de
distinguir sries com uma raiz unitria daquelas que so no estacionrias e apresentam
reversibilidade sua mdia. Essa impreciso pode se refletir em um baixo poder dos testes de
co-integrao do tipo de Engle & Granger, quando os resduos do modelo de co-integrao
apresentarem ordem de integrao no intervalo 1/ 2 1 d _ < e forem avaliados pelo mtodo
ADF, como tradicionalmente feito.

A anlise baseada no teste KPSS particularmente distinta dos outros testes. Por construo, o
teste KPSS pivotal em
0
: H Srie Estacionria e sua estatstica baseia-se na hiptese nula
0
: 0 H d = . A Figura 15 mostra as curvas dos percentuais de rejeio da hiptese nula para
amostras de tamanho {100, 200,300,1000} N = , obtidos por meio das simulaes com o teste
KPSS e a Tabela 3 exibe seus valores. Para 1/ 2 1 d < _ o percentual refere-se rejeio de
0
H quando
0
H realmente falsa em sentido amplo, ou seja, levando em considerao o
intervalo fracionrio. Esse caso define o poder do teste KPSS para a hiptese de no
estacionariedade no intervalo 1/ 2 1 d < _ . O teste KPSS revelou elevado poder na rejeio de
0
H (srie estacionria) para ordens 1/ 2 1 d < _ em sries grandes. A partir de 1/ 2 d , para
ao nvel de 5% de significncia, o ndice de rejeio de
0
: 0 H d = mostrou-se
sempre superior a 95%, chegando a 99.7% para . Para 0.8 d = e 1000 N = , por
exemplo, o percentual de rejeio de
0
H do teste foi de 99.3%.

100 N =
0
: 1 H d =
1000 N =
1 d =
77

Figura 15 Grfico dos Percentuais de Rejeio da Hiptese de Estacionariedade
com Sries de Tamanhos 1000, 300, 200,100 N =

Tabela 3 - ndices de Rejeio do Teste de Estacionariedade Sob Memria Longa

0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 10 20 30 40 50 60 70 80 90 100
N=1000
N=300
N=200
N=100
(%)
(d)
Percentuais de Rejeio de H
0
para de[0.0;1.0] - Teste KPSS
Nvel de 5% de Significncia
78

Em pequenas amostras, no entanto, o teste apresentou ndices de no rejeio elevados. Para
0.8 d = com 100 N = , ao nvel de 5% de significncia o teste no rejeitou a
0
: 0 H d = em
28% dos casos. Para o mesmo nmero de observaes, o teste com sries integradas de ordens
0.6 d = e 0.7 d = no rejeitou
0
H em 43.3% e 34.6% dos casos, respectivamente. Pela
Figura 15, percebe-se que, no intervalo 0 1/ 2 d < < o ndice de rejeio varia entre 10% e
35% para pequenas amostras ( 100 N = ) ao nvel de 5% de significncia, revelando um baixo
poder na deteco da condio de estacionariedade assinttica.

4.3 Sobre a Eficincia dos Modelos de Estimao da Memria Longa

Nessa seo so analisadas comparativamente as propriedades estatsticas de duas classes de
estimadores dos parmetros de integrao fracionria. A avaliao foi baseada em simulaes
de processos estocsticos integrados fracionariamente, persistentes e antipersistentes. O
pressuposto utilizado nesse experimento foi o completo desconhecimento a priori sobre as
ordens fracionrias estimadas, como no caso de um pesquisador que utilize os mtodos de
estimao sobre uma srie, sem dispor de qualquer informao inicial sobre sua condio de
estacionariedade/no estacionariedade e de persistncia/antipersistncia. As propriedades
estatsticas amostrais priorizadas nesse estudo referem-se aos critrios de consistncia e
eficincia estatstica dos estimadores, examinados por meio da mdia, varincia, vis e erro
quadrtico mdio.
32
Foram selecionados para o experimento estimadores denominados
heursticos, espectrais e estimadores no domnio do tempo.
Tabela 4 Estimadores do Parmetro de Integrao Fracionria

32
As frmulas dos critrios estatsticos utilizados so mostradas no Apndice 4 do trabalho.
Heursticos Espectrais e No Espectrais
Mtodo da Varincia Agregada (VA) Mtodo do Periodograma (GPH)
Mtodo da Varincia Agregada Diferenciada (VAD) Mtodo do Periodograma Suavizado (MP)
Mtodo do Valor Absoluto Agregado (VAA) Mtodo de Whittle Local (WHL)
Mtodo da Dimenso Fractal de Higuchi (DF) Mtodo de Ondaletas (WLSE)
Mtodo da Varincia dos Resduos de Peng (VR) Mtodo de Ondaletas Ponderado (W-WLSE)
Rescaled Range (R/S) Mtodo ARFIMA por MV (ARFIMA)
79

A denominao heurstica foi utilizada nesse trabalho para os mtodos de carter
exploratrio. Sobre essa classe de estimadores ver, por exemplo, Beran (1994), Wuertz
(2006) e o material disponibilizado pelo professor Murrad Taqqu em sua pgina na internet.
33

Entre os estimadores avaliados, os mtodos do periodograma (GPH), do periodograma
suavizado de Reisen, de ondaletas, de ondaletas ponderados e de mxima verossimilhana
foram descritos no Apndice deste trabalho.
34
No entanto, devido a restries nos cdigos
computacionais utilizados, duas observaes devem ser relatadas. A primeira que foi
adotada a janela de Daniell ao invs da janela de Parzen, sugerida por Reisen (1994), para o
estimador baseado no periodograma suavizado [Ver Priestley (1994, p.441)]. A segunda
observao refere-se ao procedimento de estimao ( , , ) ARFIMA p d q por MV. O estimador
utilizado o mesmo adotado nos estudos empricos, envolvendo os mesmos procedimentos de
maximizao. Contudo, para esse experimento, no foi possvel implementar o algoritmo de
Beran (1995) que permite estimar ordens no estacionrias diretamente.

Foram utilizadas somente simulaes de Processos Gaussianos Fracionrios, sem a incluso
de termos deterministas ou de componentes de memria de curto prazo. Quatro especificaes
dos modelos ( , , ) ARFIMA p d q em relao sua estrutura de memria de curto prazo foram
utilizadas: (0, ,0) ARFIMA d , (1, , 0) ARFIMA d , (0, ,1) ARFIMA d e (1, ,1) ARFIMA d . O
interesse sobre as diferentes especificaes avaliar o efeito de superespecificaes dos
termos de memria de curto prazo sobre as estimaes do parmetro de memria longa. As
rotinas computacionais de simulao foram escritas em linguagem S e R, utilizando cdigos
dos mdulos Finmetrics 2.02, Waveslim 1.5 e Wavelets 2.02 para S-Plus 7.0 e os mdulos
FSeries, Fracdiff e Locwhitt para R.
35
Nesse estudo, ampliou-se o intervalo paramtrico de
anlise em relao seo anterior para 1 1 d < < , com intervalos de 0.05 o = , sendo
gerados 1000 M = processos simulados com tamanhos comuns s sries econmicas,
{100, 200,300, 400,500,1000} N = . Particularmente no caso dos modelos ( , , ) ARFIMA p d q ,
seus resultados sero avaliados somente no intervalo 0 1/ 2 d < < , pois o cdigo utilizado no
foi capacitado para estimar ordens negativas e no estacionrias, como mencionado
anteriormente. O procedimento escolhido foi o de aplicar cada modelo de estimao sobre os

33
http://math.bu.edu/people/murad/
34
Devido restries no cdigo computacional utilizado, foi adotada a janela espectral retangular de Daniell ao
invs da janela de Parzen sugerida por Reisen (1994) para o estimador baseado no periodograma suavizado.
35
Os mdulos computacionais utilizados esto relatados nas referncias do trabalho.
80

mesmos processos simulados M vezes. Os resultados das simulaes esto resumidos em
formato de tabelas, uma para cada ordem fracionria em intervalos 0.10 o = .
36
Nas tabelas
constam os valores das estatsticas calculadas para cada tamanho amostral e, abaixo, trs
grficos referentes, respectivamente, varincia, vis e erro quadrtico mdio dos
estimadores. As tabelas esto numeradas entre (4.3.1) a (4.3.18) e dispostas no item Tabelas
ao final do trabalho. As tabelas de (4.3.1) a (4.3.9) referem-se s simulaes de processos
persistentes, com 0 1 d < < . Na seqncia, as tabelas (4.3.10) a (4.3.18) referem-se s
simulaes de processos antipersistentes, ordenados de forma decrescente em funo do
parmetro de integrao, 1 0 d < < . Como anteriormente, foram abstradas as ordens que
representam o ponto de no estacionariedade, 1/ 2 d = .

4.3.1 Resultados

Os resultados dos relatrios referentes ao vis e erro quadrtico mdio so, resumidamente,
apresentados abaixo. Foram analisadas quatro parties do intervalo 1.0 1.0 d < < relativas
s caractersticas de perisitncia, antipersistncia, estacionariedade e no estacionariedade
com reversibilidade mdia.

- Caso I: 0 1/ 2 d < <

Vis: Globalmente, os estimadores espectrais exibiram menor vis. Os estimadores
heursticos que se destacaram foram: VAA, VR e R/S. Para valores baixos de d , o VAA
apresentou mais baixo vis; para ordens prximas a meio pela esquerda,
( )
1/ 2 d

, o vis
de VAA aumenta e os estimadores VR e R/S passam a apresentar os melhores resultados. Entre
os estimadores espectrais, os que se destacaram foram: WHL, (0, , 0) ARFIMA d , GPH e
WSLE. O estimador WHL apresentou maior estabilidade em relao ao tamanho amostral. Os
estimadores WSLE e W-WSLE mostraram vis pequeno para grandes amostras. O modelo
(0, , 0) ARFIMA d exibiu vis crescente para grandes amostras medida que
( )
1/ 2 d

,
porm gerou os melhores resultados para sries com 200, 300 e 400 observaes.

36
Foram considerados nesse estudo todos os resultados relativos aos processos simulados com ordens no
intervalo 1 1 d < < a cada diferencial de 0.05 o = . No entanto, as tabelas anexadas referem-se apenas s
ordens entre intervalos 0.10 o = , para evitar uma grande quantidade de informaes repetidas. As demais
tabelas podem ser solicitadas ao autor.
81

E.Q.M.: Os modelos VR, R/S e DF mostraram baixos valores para esse critrio entre os
heursticos; os modelos (0, , 0) ARFIMA d , WHL e WSLE, no entanto, revelaram os melhores
resultados entre os espectrais.

- Caso II: 1 2 1 d < <

Vis: Para ordens prximas a 1 2 pela direita,
( )
1/ 2 d

, todos os estimadores mostraram
elevado vis. Entre eles, o que exibiu os melhores resultados foi o GPH. A medida que d se
distancia de 1 2, percebeu-se uma reduo do vis, principalmente entre os estimadores
espectrais. Para ordens prximas a 1 2, somente o estimador VAD destacou-se entre os
heursticos. Com o distanciamento do ponto 1 2 d = , passam a ganhar destaque os
estimadores VR e WSLE e W-WSLE, enquanto o estimador GPH mantm um nvel de vis
estvel.

E.Q.M.: O estimador VR mostrou grande superioridade frente aos outros heursticos. Todos
os estimadores espectrais apresentaram pequeno erro quadrtico mdio. O estimador GPH
apresentou melhores resultados para
( )
1/ 2 d

, sendo superado medida que se distancia
desse ponto por outros estimadores, com destaque para WSLE, WHL, MP e W-WSLE.

- Caso III: 1 2 0 d < <

Vis: Entre os heursticos, o VR apresentou baixo vis seguido de perto pelos estimadores DF
e VA. Entre os espectrais, destacaram-se o WSLE e o W-WSLE.

E.Q.M.: Novamente o estimador VR revelou-se superior, inclusive, em relao aos espectrais.
Destacam-se tambm os estimadores DF, VAA e VA. Os estimadores espectrais com menor
E.Q.M. foram o WSLE, o WHL e o W-WSLE, principalmente para grandes amostras.

- Caso IV: 1 1 2 d < <

Vis: Fora os estimadores GPH e MP, todos os outros exibiram vis crescente.

82

E.Q.M.: Todos os estimadores espectrais mostraram bons resultados nesse intervalo e
superiores aos heursticos. Grande destaque ao MP e ao WHL.

De maneira geral, todos os estimadores analisados refletiram sinais claros de consistncia
assinttica, e , sendo que os estimadores espectrais e no
espectrais revelaram-se mais acurados do que os estimadores heursticos. A varincia dos
estimadores mostrou-se estvel em funo das ordens fracionrias, porm mais elevada, em
mdia, entre os estimadores heursticos do que entre os espectrais. O estimador heurstico que
apresentou maior varincia foi o estimador VAD e o espectral foi o GPH. Para , foi
o VR que apresentou menor varincia entre os estimadores do primeiro grupo e entre os no
viesados do segundo grupo, foi o estimador WHL.
37
Ressalva-se, no entanto, que para
, foi o estimador que apresentou a menor varincia. O maior
nvel do erro quadrtico mdio percebido nos estimadores heursticos devido ao vis mais
elevado entre os estimadores desse grupo. Tal como preconizado pela literatura sobre
memria longa, percebeu-se que, medida que as ordens fracionrias das sries simuladas
aproximaram-se de , os estimadores sofreram fortes efeitos que incidem
diretamente sobre sua acurcia, principalmente causados pela elevao no vis. As
propriedades dos estimadores mostraram-se particularmente distintas em relao aos quatro
intervalos bsicos. No intervalo de estacionariedade dos processos persistentes, os
estimadores de Whittle apresentaram resultados superiores. Quando considerado o intervalo
, os estimadores que se mostraram sempre presentes entre os menos enviesados
foram o GPH, o WSLE e o W-WSLE. Nas simulaes de processos antipersistentes
estacionrios houve uma superioridade do estimador heurstico VR, embora os estimadores
DF, VA e WSLE apresentem vis pequeno. Entre os processos antipersistentes no
estacionrios, os estimadores GPH e MP apresentaram-se muito superiores aos outros.

A experincia com os modelos mostrou que a superespecificao gerada
pela incluso de termos de memria curta inexistentes no estimador do verdadeiro processo
causa vis nas estimativas. Os modelos possuem a vantagem de poder
explicitar os termos de memria de curto prazo que podem interferir na estimao do

37
A distino entre estimadores no-viesados e viesados deve ser feita para ordenar a varincia, pois devido
condio de estacionariedade dos modelos ( , , ) ARFIMA p d q , so gerados somente resultados
~1 2
i
d , se
1/ 2 1 d _ _ , e
~ 0
i
d , se 1 1 2 d < < , com 1, 2,..., i M = .
lim { }
n
E d d
lim { } 0
n
Var d
=
1 1 d < <
0 1 2 d < < (0, , 0) ARFIMA d
1 2 d =
0 1 d < <
83

parmetro de memria longa. Contudo, sua principal desvantagem de no ser capaz de
estimar consistentemente no intervalo sem informaes prvias sobre a ordem de
integrao da srie analisada.

A concluso final desse estudo baseia-se nos seguintes fatos: (i) os modelos
so os mais eficientes e flexveis no intervalo ; (ii) ampliando o intervalo para
todo o espao paramtrico de processos persistentes e antipersistentes, , os
estimadores WHL e WSLE estiveram sempre entre os mais estatisticamente eficientes.
Portanto, esses dois estimadores podem ser preliminarmente aplicados em pesquisas
economtricas. Baseando-se em seus resultados, alcanada a condio , pode-se
complementarmente aplicar uma modelagem com o intuito de inferir a
existncia de componentes relevantes de memria de curto prazo presentes na srie.

4.4 Concluses

No primeiro experimento simulatrio desse captulo, buscou-se avaliar o comportamento dos
testes de raiz unitria quando aplicados sries com memria longa. Os resultados das
simulaes apontam um baixo poder dos testes de raiz unitria ADF, DF-GLS e ERS para a
deteco da condio de estacionariedade assinttica em pequenas amostras ( 100, 200 N = ).
Para grandes amostras ( 1000 N = ) os testes exibiram eficincia satisfatria. O teste KPSS
exibiu nveis elevados de rejeio de
0
: 0 H d = para ordens 1/ 2 1 d < _ em sries grandes.
Em sries menores, seu poder cai significativamente. Existem duas grandes desvantagens da
anlise da memria longa baseada nos testes de raiz unitria. A primeira diz respeito a no
possibilidade de obter uma estimativa pontual sobre a ordem fracionria e, conseqentemente,
em no se poder aplicar transformaes exatas sobre as sries por meio do instrumental
fracionrio. Em segundo lugar, so raras as sries de natureza econmica, principalmente
entre as brasileiras, que apresentam tamanho prximo ao considerado como grande no
experimento, .

No segundo estudo desse captulo foi elaborado o tema da eficincia estatstica dos
estimadores do parmetro de integrao fracionria, classificados em duas categorias:
d [0.5;1.0]
0 1 2 d < <
1 1 d < <
0 1 2 d < <
1000 N =
84

estimadores heursticos e espectrais/semiparamtricos. De maneira geral, todos os estimadores
analisados mostraram sinais de consistncia assinttica. As propriedades dos estimadores
mostraram-se particularmente distintas em relao aos quatro intervalos analisados de d . Em
termos do erro quadrtico mdio, globalmente para os tamanhos de amostra, destacaram-se os
estimadores MP e WHL no intervalo 1 1/ 2 d < < . No intervalo 1/ 2 0 d < <
destacaram-se WHL, WSLE e W-WSLE. Para 0 1/ 2 d < < , sobressaram-se os estimadores
(0, , 0) ARFIMA d por MV e os estimadores WHL e WSLE. Por fim, os estimadores com
melhor desempenho em 1/ 2 1 d < < foram: WSLE, MP e WHL, W-WSLE.

Os resultados obtidos nos dois experimentos simulatrios realizados nessa etapa sero
considerados nos estudos empricos envolvendo a modelagem e anlise de co-integrao de
variveis econmicas brasileiras propostos no Captulo 6. Outras questes relacionadas ao
tema, principalmente envolvendo a co-integrao fracionria sero comentadas no estudo
sobre a variabilidade relativa do consumo e renda disponvel e no estudo sobre a paridade do
poder de compra brasileiro.

85

5 INTRODUO CO-INTEGRAO FRACIONRIA

5.1 Anlise de Co-Integrao Fracionria com Bootstrap

Diferentes formulaes metodolgicas tm sido introduzidas tentando harmonizar a teoria da
co-integrao ao paradigma ( ) \ I d d R. A noo de co-integrao fracionria segue os
princpios introduzidos por Engle & Granger (1987) no mbito do paradigma .
Seguindo Caporale & Gil-Alana (2004a) e Davidson (2004), define-se co-integrao
fracionria da seguinte forma:

Definio 10: Os componentes de um vetor so ditos co-integrados de ordem
, se: (I) todos os processos componentes de forem integrados de
mesma ordem , , e (II) se existir pelo menos um vetor da matriz
, tal que , para .

A existncia de co-integrao, circunscrita sua conceituao tradicional, pressupe
1 d b = = .
38
Com a incorporao da teoria da integrao fracionria ao paradigma (1) (0) I I ,
um processo integrado de ordem ( ) I d , tal que 1 3/ 2 d < < , por exemplo, embora no
estacionrio, exibir incrementos estacionrios. Davidson (2002c, p. 189) explica que a
modelagem das relaes dinmicas entre esses processos requer uma generalizao do
arcabouo convencional. O tema foi abordado por Marinucci & Robinson (2001) e Robinson
& Marinucci (2003), que deduziram o estimador de Mnimos Quadrados no Domnio da
Freqncia e examinaram diferentes circunstncias da co-integrao fracionria envolvendo a
condio de estacionariedade assinttica. Caporale & Gil-Alana (2004a), por sua vez,
propuseram um mtodo de teste de co-integrao fracionria em dois estgios em que a
hiptese de no co-integrao confrontada com hipteses alternativas de co-integrao
fracionria. A metodologia de anlise proposta por esses autores uma ampliao da
seqncia de procedimentos do teste de co-integrao de Engle & Granger (1987). Partindo
de um modelo bivariado, (1) testa-se se as ordens de integrao (fracionrias) das sries

38
A co-integrao de processos (2) I vem sendo bastante explorada em estudos economtricos na atualidade. No
entanto, tradicionalmente a co-integrao baseada em processos (1) I .
(1) (0) I I
( 1) N
t
( , ): X ~ ( , ) d b CI d b
it
x
t
X
~ ( )
it
x I d d

R 0
i
| =
( ) N r |
t
'X ~ ( ) I d b | 0 b
86

supostamente co-integradas so estatisticamente iguais e (2) infere-se se a ordem de
integrao dos resduos da equao de co-integrao igual ou menor que a ordem dos
regressores. Sua formalizao se d pela aplicao de um teste do tipo Score, descrito em
Robinson (1994a) com base no modelo:
(5.1)
em que (5.2) obtido por Mnimos Quadrados Ordinrios e . A
avaliao da co-integrao fracionria formalizada sobre um teste das hipteses:
(5.3)
A rejeio de implica existncia de uma ordem de integrao de menor magnitude do que
a das sries originais e, portanto, que existe uma relao de co-integrao entre os processos
e de . Buscando corrigir o vis favorvel hiptese de estacionariedade dos
resduos, tal como apontado por MacKinnon (1990) no mbito dos testes de integrao
unitria, os autores realizaram um experimento de Monte Carlo envolvendo simulaes com
amostras finitas para inferir os valores crticos do teste.

Davidson (2002c) introduziu importantes questes anlise da co-integrao fracionria
relacionando-a com os procedimentos de bootstrap. Como resultado, surgiu uma metodologia
alternativa realizao de testes pivotais para a anlise da co-integrao de sries integradas
no intervalo 1/ 2 3/ 2 d < < . O autor explica detalhadamente os princpios tericos do teste
sob ordens fracionrias baseando-se no Modelo Vetorial de Correo de Erros:

t t
( ) (1 ) 1 (1 ) X ( )
b d
B B B B o| u O E
l

=
l
l
(5.4)
sendo
t 1 2
X ( , ,..., )
t t Nt
x x x

= e
t
E ~ . . .(0, ) i i d E de dimenso ( 1) N . As matrizes polinomiais
de ordem finita ( ) B u e ( ) B O possuem todas as razes caractersticas fora do crculo unitrio.
As matrizes o e | de dimenses ( ) N r e posto r referem-se, respectivamente, aos
coeficientes de correo de erros e de co-integrao. O equilbrio da equao, que implica um
sistema co-integrado, requer a condio:

t
(1 ) ~ (0)
d b
B I | X
(5.5)
ou

t
~ ( ) I d b | X
(5.6)
(1 )
d
t t
B u
u
c
=
1 2
t t t
x x u | = ~ (0)
t
I c
0
: 0
: 0
a
H
H
u
u
'
=
1
1
!
1
<
1+
0
H
1t
x
2t
x
t
X
87

Particularmente, 0 o | = = (5.7) implica a no co-integrao. O caso fracionrio introduzido
por Granger (1986), denominado por Modelo Vetorial de Correo de Erros Fracionrio
(FVECM), exprime (5.4) sob o pressuposto:
, , 0
i i
d d b b b d
= = < _ R (5.8)
ou seja, um sistema que envolve processos com memria longa persistentes e com parmetros
de integrao iguais, ~ ( )
it
x I d .
39
Nitidamente, a hiptese (5.8) impraticvel para o caso
fracionrio fora de intervalos de confiana.

mrito da pesquisa realizada por Davidson (2002c, 2003, 2004) identificar a possibilidade
de interao dos procedimentos de bootstrap anlise de co-integrao fracionria. No
escopo da co-integrao fracionria, explica Davidson (2002c), as implicaes do teorema
central do limite no so vlidas quando as ordens de integrao no so conhecidas a priori.
O autor lista que (...) as estatsticas de teste no so assintoticamente pivotais e so
dependentes do parmetro de integrao fracionria, bem como dos parmetros
relacionados s covarincias (...) e, ainda, que (...) as estatsticas de teste passam a
depender da convergncia de funcionalidades do Movimento Browniano Fracionrio,
marcado pela ocorrncia de incrementos correlacionados, invalidando as tabulaes dos
testes padro (...). Com isso, os testes padro t e F no so diretamente aplicveis.
40
Os
procedimentos de simulao utilizando bootstrap so tomados por Davidson como uma
soluo natural para esses impasses, pois (...) eles geram aproximaes assintticas de
primeira ordem para testes no pivotais (...). A lgica de Davidson (2002c) particularizar
o teste para o conjunto de dados avaliados, utilizando interativamente os procedimentos de
bootstrap e de integrao fracionria. A metodologia envolve a realizao de simulaes de
Monte Carlo visando estimar a distribuio emprica das estatsticas utilizadas para inferir a
hiptese de co-integrao. As distribuies empricas de bootstrap so construdas mantendo-
se as caractersticas de cada srie, tornando o teste individualizado para cada caso. O autor
teorizou a inferncia de trs relaes estatsticas relacionadas co-integrao: de simples co-
integrao entre as sries (hiptese fraca), de co-integrao e causalidade de Granger
(hiptese semifraca) e de independncia estatstica (hiptese forte).

39
Outro caso particular importante surge quando 1 d b = = , que representa o VECM de Johansen (1988).
40
Sentenas grafadas em itlico entre aspas so tradues do texto original.
88

Assumindo 0 o | = = em (5.4), ou seja, impondo a hiptese
0
: 0 H b = de no co-
integrao, Davidson (2002) explica que o sistema transforma-se em:
( )(1 ) X ( )
d
t t
B B B u O E = (5.9)
sendo, (1 ) X ~ (0)
d
t
B I . Com base nos procedimentos de bootstrap com reposio de
t
E ,
passadas pelo filtro invertido de (5.9), o autor prope a obteno de sries reamostradas de
X
t
,
*
, 1
{X }
M
t i i=
, que preservam a mesma dinmica de X
t
, mas que so, por construo, no co-
integradas. As distribuies dos testes estatsticos utilizados para inferir a co-integrao
podem, ento, ser estimadas utilizando
*
, 1
{X }
M
t i i=
. Em um sistema bivariado, por exemplo, (5.9)
corresponde a:

1
1 1 1
( )(1 ) ( ) ( )
d
t t
B B x B c u O = (5.10)

2
2 2 2
( )(1 ) ( ) ( )
d
t t
B B x B c u O = (5.11)
Para testar a hiptese de no co-integrao com independncia estatstica entre
1t
x e
2t
x , o
autor sugere uma seqncia de procedimentos baseados na estimao de (5.10) e (5.11). Sob a
igualdade estatstica de
1
d e
2
d , a srie residual reamostrada M vezes com reposio,

gerando
*
2 , 1
{ }
M
t i i
c
=
. A partir da seqncia
*
2 , 1
{ }
M
t i i
c
=
, reconstitui-se a seqncia
*
2 , 1
{ }
M
t i i
x
=
por
meio dos parmetros estimados da equao (5.11). A seqncia
*
2 , 1
{ }
M
t i i
x
=
ser, por construo,
no co-integrada com
1t
x , porm possuir uma estrutura de memria semelhante da srie
original
2t
x . Ento, a partir de
*
, 1
{ }
M
t i i
u
=
, obtido por meio da estimao por Mnimos Quadrados
Ordinrios de:

* *
2 , 1 ,
t i t t i
x x u |
= (5.12)
possvel mapear a distribuio das estatsticas de teste residuais sob
0
H verdadeira, por
construo. O valor da estatstica de teste obtida com as sries originais , ento, localizado na
distribuio de bootstrap, permitindo inferir a hiptese testada com base no p-valor
encontrado. A inferncia das outras duas hipteses, fraca e semifraca, que avaliam a co-
integrao (simples) e a co-integrao conjuntamente causalidade de Granger, seguem os
mesmos procedimentos. Porm, nesses casos, so utilizadas as seqncias
*
2 , 1
{ }
M
t i i
c
=
oriundas,
respectivamente, das equaes

* * *
2 2 1 2 1 2 1 1 3 1 4 1 1

t t t t t t
c c o c o c o c o c

= (5.13)
e
2
t
c
89

* * *
2 2 1 2 1 2 1 3 1 1

t t t t t
c c c c c

= (5.14)
estimadas por Mnimos Quadrados Ordinrios. Por esse procedimento, busca-se extrair a
dinmica das sries que se quer testar, para poder, ento, incorpor-las nas distribuies
empricas de bootstrap associadas s suas hipteses nulas.

As estatsticas de teste residuais, detalhadamente descritas por Davidson (2002c), so de trs
tipos. A primeira, denominada nesse trabalho por Engle & Granger Fracionrio (FEG), segue
os mesmos passos do teste de Engle & Granger para o caso (1) (0) I I , porm adaptado
integrao fracionria.
41
Ou seja, baseia-se na estimao do parmetro de integrao
fracionrio de
t
u . O segundo tipo considerado um teste do tipo F, denominado Goodness
of Fit Test (GFT), calculado sobre o modelo de co-integrao envolvendo os termos de
intercepto e tendncia determinista. Sua estatstica dada por:

2 2
2
1 1
2
1
N N
t t
t t
N
t
t
x
GFT N

= =
=
=
_ _
_
(5.15)
O ltimo tipo de teste refere-se estatstica de Durbin-Watson (DW):

1
1
2
1
2
1
2

2
N
t t
t
N
t
t
DW

=
=
_
_
(5.16)
As distribuies de bootstrap dos testes, sob
0
H verdadeira, so estimadas a partir das trs
estatsticas utilizando cada par do conjunto
*
1 2 , 1
{ , }
M
t t i i
x x
=
formado por sries no co-integradas.
Algumas informaes complementares sobre os procedimentos da co-integrao fracionria
adotados nesse trabalho sero mencionadas nas duas sees de anlise emprica que abordam
o tema. No Anexo C do trabalho descrito o algoritmo utilizado nas anlises de co-integrao
fracionria com bootstrap seguindo os passos de Davidson (2002c).

41
Embora se tenha adotado essa denominao, Davidson (2002) explica que esse teste no comparvel ao
original, principalmente pela incorporao de uma tendncia determinista em (5.12).
90

91

6 ABORDAGEM EMPRICA SOBRE MEMRIA LONGA EM VARIVEIS
ECONMICAS

Esse captulo destina-se a uma avaliao emprica sobre a existncia dos padres de memria
longa em sries econmicas brasileiras e de suas implicaes no mbito da Teoria Econmica.
Os estudos foram idealizados buscando enfocar variveis de diferentes reas da Economia.
So analisadas sries referentes s reas de produo, emprego, consumo e setor externo. Os
estudos foram baseados em destacados trabalhos sobre a economia norte-americana e
brasileira. Os resultados encontrados sob o paradigma fracionrio so, sempre que possvel,
confrontados com aqueles obtidos com base no paradigma . So utilizados, alm
dos instrumentos de anlise estatstica tradicionais, os modelos ( , , ) ARIMA p d q e
( , , ) ARFIMA p d q , o teste de co-integrao fracionria de Davidson (2002c) e os testes de co-
integrao (1) (0) I I de Engle & Granger (1987) e Johansen (1995). Os testes ADF, DF-
GLS, ERS e KPSS, avaliados no Captulo 4, so adotados para inferir existncia de uma raiz
unitria nas sries avaliadas. Adicionalmente, utilizado o teste modificado de Phillips &
Perron (MEPP).
42
Em um dos estudos, no qual se procura avaliar a existncia de mltiplas
razes unitrias, aplicado o teste de Dickey-Pantula (1987). Os instrumentos de anlise
espectral clssica e de ondaletas, como o periodograma e periodograma suavizado e anlise
em multirresoluo e varincia de ondaletas, so utilizados como ferramentas auxiliares.

Os estudos esto compreendidos nas sees 6.1 a 6.4. Na primeira, avaliada a persistncia
na srie do PIB brasileiro. Na segunda, abordado o comportamento de memria longa
sazonal na srie de desemprego da Pesquisa de Emprego e Desemprego (PED) na Regio
Metropolitana de So Paulo, adotando os modelos de memria longa generalizados. O
terceiro estudo avalia as sries do consumo das famlias e renda disponvel, procurando
discutir aspectos relativos Hiptese da Renda Permanente de Milton Friedman e a dinmica
da relao entre as sries, luz do instrumental da anlise de ondaletas e da integrao e co-
integrao fracionria. O ltimo estudo faz uma reviso dos resultados obtidos em Alves, Cati
& Fava (2001), utilizando outros modelos de memria longa mais recentes. Vale ressaltar o
esforo computacional necessrio avaliao dos modelos envolvidos nesses temas. Foram,
em sua grande maioria, elaboradas rotinas nos programas S-Plus, R e MatLab.

42
Maiores informaes sobre o teste podem ser encontradas em Zivot & Wang (2006).
(1) (0) I I
92

6.1 Anlise da Persistncia nas Flutuaes do Produto Interno Bruto Brasileiro sob a
ptica dos Modelos de Integrao Fracionria

6.1.1 Introduo

Em estudos economtricos, os modelos estocsticos de sries temporais revelaram-se
importantes ferramentas para a comprovao emprica de hipteses formalizadas pela Teoria
Econmica. No Captulo 2 desse trabalho, foram relatadas duas premissas freqentemente
presentes nas teorias subjacentes aos ciclos econmicos. A primeira associa-se hiptese de
que os choques geradores de flutuaes no produto agregado so predominantemente
originrios da demanda agregada. A segunda, tal como uma previso determinista, pressupe
que os choques de demanda tm carter temporrio sobre o produto e, assim, os desvios
percebidos no nvel da varivel agregada so flutuaes de curta durao que ocorrem em
torno de uma taxa de crescimento de longo prazo. A existncia de uma tendncia de natureza
estocstica na srie do produto tem forte implicao negativa sobre o pressuposto terico dos
ciclos econmicos. Inmeros trabalhos, alguns deles outrora citados, destinaram-se
verificao emprica do segundo pressuposto terico, sob o arcabouo economtrico
. Estudando o caso da economia norte-americana, Diebold & Rudebush (1989)
encontraram sinais de um comportamento de memria longa em sries do produto, contrrios,
portanto, aos indcios apontados por estudos que seguiram a linha de pesquisa de Nelson &
Plosser (1982). Os autores realizaram um estudo semelhante ao de Campbell & Mankiw
(1987a, b) sobre a persistncia dos efeitos de choques sobre o produto, e concluram que os
choques agregados que incidem sobre o produto norte-americano dissipam-se no longo prazo,
condizentes, assim, com a hiptese dos ciclos econmicos.

Essa seo, no escopo dos modelos de integrao fracionria, prope-se a analisar a
transitoriedade das flutuaes no Produto Interno Bruto (PIB) brasileiro e procurar por
indcios sobre a validade da segunda assertiva terica das teorias associadas aos ciclos
econmicos. So utilizados os dados da srie histrica do PIB brasileiro abrangendo os anos
de 1900 a 2005, com valores anuais atualizados monetariamente em Reais de 2005.
43

43
Atualizao monetria realizada pela fonte dos dados: Instituto de Pesquisas Econmicas Aplicadas (IPEA)
(1) (0) I I
93

6.1.2 Modelagem Univariada do PIB: o Paradigma (1) (0) I I e o Paradigma
Fracionrio

A Figura 16 mostra dois grficos referentes, respectivamente, srie do PIB na transformao
logartmica e mesma srie na forma de desvios em torno do eixo zero, obtida pela extrao
da tendncia linear e do intercepto, por meio do Mtodo de Mnimos Quadrados.

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
1
7
1
8
1
9
2
0
2
1

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
1
7
1
8
1
9
2
0
2
1
ln(PIB)
PIB - Srie no Nv el

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
-
0
.
5
0
.
0
0
.
5

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
-
0
.
5
0
.
0
0
.
5
ln(PIB)*
PIB - Srie Sem Tendncia Linear

Figura 16 Grficos do Produto Interno Bruto Brasileiro: Srie no Nvel e sem Tendncia Linear
(Logaritmo dos Valores Anuais em Reais de 2005)

As funes de autocorrelao (FAC) e autocorrelao parcial (FAC-P) calculadas para a srie
do PIB so mostradas na Figura 17. Na Figura 18, disposto o grfico da funo de densidade
espectral da srie sem tendncia, estimado por meio do periodograma, com uma janela
espectral de Parzen com largura de faixa 0,1. A presena de concentrao de energia espectral
prxima freqncia zero e o decaimento hiperblico da funo de autocorrelao so, a
priori, indicativos do padro de memria longa na srie.

94

Figura 17 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) da Srie do PIB

Figura 18 Funo de Densidade Espectral do PIB
(Baseada na FACV da Srie sem Tendncia Linear)

O grfico da srie do PIB sem tendncia linear, apresentado na Figura 16, demonstra,
aparentemente, um movimento cclico no regular. Sua funo de densidade espectral no
exibe picos isolados de energia em bandas de freqncias especficas. percebido, tal como a
forma tpica descrita por Granger (1966), uma elevada concentrao de energia espectral nas
freqncias baixas, que decresce ao longo do eixo das freqncias. Tambm no so
observados movimentos oscilatrios na FAC ou na FAC-P indicando a presena de
periodicidades cclicas.

Inicialmente, foram utilizados os mtodos da anlise tradicional . A Tabela 5 exibe
os resultados dos testes de raiz unitria aplicados srie.
Lag
0 10 20 30 40
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC
Lag
0 10 20 30 40
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC-P
Frequncia (Nyquist)
0.0 0.1 0.2 0.3 0.4 0.5
-
1
0
0
-
8
0
-
6
0
-
4
0
Densidade Espectral do PIB - Sem Tendncia
(1) (0) I I
95

Tabela 5 Testes de Raiz Unitria

O teste KPSS rejeitou a hiptese do PIB ser , enquanto todos os outros no rejeitaram a
hiptese da srie ser , independentemente da incluso dos termos deterministas nas
equaes dos testes. Apoiando-se nesses resultados, foram calculadas a FAC e FAC-P da
srie resultante da primeira diferena do PIB, mostradas na Figura 19.

Figura 19 Funo de Autocorrelao e Funo de Autocorrelao Parcial
da Srie PIB em Primeiras Diferenas

Por meio da FAC, percebem-se autocorrelaes estatisticamente diferentes de zero nos lags
de ordem 1, 29, 30 e 31. A FAC-P exibe uma autocorrelao de ordem 28, indicando a
possibilidade de existncia de estruturas de memria na srie filtrada. Tradicionalmente, na
metodologia , autocorrelaes de ordem muito elevada, principalmente nas
sries em primeiras diferenas, so consideradas como esprias. Caso contrrio, seria
necessrio estimar um modelo , degenerado dos termos intermedirios entre
ADF I(1)
DF-GLS I(1)
ERS I(1)
MEPP I(1)
KPSS I(1)
Testes ADF, DF-GLS ERS e MEPP: H
0
: 1 Raiz Unitria ; Teste KPSS: H
0
: Srie Estacionria
* Rejeita H
0
** Rejeita H
0
Variveis
Termos Deterministas
Deciso
Constante e Tendncia Constante SemConst. e Tend.
-1.2430 -0.7438 1.1140
-1.1873 0.3471 1.1140
0.2398** 2.2197** -
27.1429 39.9727 268.3574
-1.1098 0.2948 9.3258
(0) I
(1) I
Lag
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC
Lag
0 20 40 60 80 100
-
0
.
2
0
.
0
0
.
2

FAC-P
( , , ) ARIMA p d q
(31,1, 0) ARIMA
96

os lags 1 e 29. Seguindo os procedimentos da modelagem , foram estimados
trs modelos, buscando captar a autocorrelao de baixa ordem. Seus resultados so
mostrados na Tabela 6. A FACs dos resduos dos modelos so mostradas na Figura 19. A
indicao dos critrios de informao mostra o modelo como o mais indicado.
Contudo, o coeficiente estimado do termo exibe um valor estatisticamente igual
unidade, revelando um modelo instvel, muito prximo da condio de no estacionariedade.
O mesmo ocorre com os modelos e .

Tabela 6 Modelos para a Srie do PIB

Figura 20 Funo de Autocorrelao (FAC) dos Resduos dos Modelos , ,
e para o PIB
( , , ) ARIMA p d q
(1,1,1) ARIMA
(1) AR
(2,1,1) ARIMA (1,1, 2) ARIMA
( , , ) ARIMA p d q
| , u o
|,u P-Valor Intercepto o
c BIC Ljung-Box(12)* Box-Pierce(12)* ARCH-LM**
ARIMA(1,1,0) |
1
=0.6468 0.0748 0.0000 - 0.0465 -338.56 25.7033 (0.0118) 23.9454 (0.0207) 11.3268 (0.9373)
ARIMA(0,1,1)
u
1
=-0.4823 0.0854 0.0000 - 0.0535 -311.65 21.4303 (0.0444) 20.0766 (0.0657) 15.4967 (0.7473)
|
1
=0.9913 0.0146 0.0000
u
1
=0.8736 0.0530 0.0000
|
1
=1.1110 0.1164 0.0000
|
2
=-0.1163 0.1137 0.2214
u
1
=0.8904 0.0577 0.0000
|
1
=0.9926 0.0139 0.0000
u
1
=0.7670 0.0985 0.0000
u
2
=0.1227 0.0982 0.1985
* P-Valores em parnteses (H
0
: No Existe Autocorrelao) ; ** P-Valores em parnteses (H0: No Existem Efeitos ARCH)
Razes do Polinmio: AR(1.006133, 8.544289); MA(1.123064)

Variveis
(log)
Modelo
ARI MA(p, d, q)
ARIMA(2,1,1)
-354.55 8.2232 (0.7675) 7.4340 (0.8277) 13.8767 (0.8367) -

14.7766 (0.7890)
PIB
- 0.0412 -356.42 10.1632 (0.6016) 9.3298 (0.6755) 14.6755 (0.7947)
ARIMA(1,1,2) - 0.0412 -353.43 7.9910 (0.7858) 7.1666 (0.8464)
ARIMA(1,1,1)
0.0400
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Produto Interno Bruto (ARIMA(1,1,0))
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

(1,1, 0) ARIMA (0,1,1) ARIMA
(1,1,1) ARIMA (2,1,1) ARIMA
97

A FAC do quarto modelo na hierarquia do critrio BIC, o , indica que ainda
existem autocorrelaes no captadas pelo modelo. Os resultados induzem, portanto,
escolha do modelo , porm, sob fortes suspeitas quanto sua estacionariedade.

Sob o paradigma d R, foram estimados os parmetros de integrao fracionria e avaliadas
especificaes pelos procedimentos de Beran (1995). Na Tabela 7, so
apresentados os valores estimados por meio dos principais modelos espectrais e por MV pelo
modelo (0, , 0) ARFIMA d
44
.

Tabela 7 Estimadores da Ordem de Integrao Fracionria
WLSE W-WLSE WLSE W-WLSE WLSE W-WLSE WLSE W-WLSE
d 1.1841 1.4787 1.1316 1.0027 1.0109 1.0648 1.1041 1.0855 1.1503 1.1001 1.1810
o
d 0.0765 0.2932 0.0528 0.0205 0.0229 0.0378 0.0434 0.0464 0.0558 0.0498 0.0607
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
IC(d2 o)
[1.03;1.34] [0.89;2.06] [1.03;1.24] [0.96;1.04] [0.97;1.06] [0.99;1.14] [1.02;1.19] [0.99;1.18] [1.04;1.26] [1.00;1.20] [1.06;1.30]
(*) Argumentos padro no clculo do Periodograma (GPH): span=1, taper=0.1, o=0.5 ; M-Per o estimador suavizado de Reisen.
db4 la8 la16 PI B
Estimadores Tradicionais* Estimadores de Ondaletas
MV GPH M-Per
Haar

Apesar da silhueta aparentemente bem comportada da srie em torno de uma tendncia
determinista, os resultados apresentados na Tabela 7 revelam fortes indcios da srie no nvel
conter uma tendncia de natureza estocstica. Os resultados so consistentes com uma
estrutura de memria longa na taxa de crescimento do PIB. Todas as estimaes pontuais
produziram grandezas superiores unidade. A possibilidade de a srie no ser estacionria e
apresentar reversibilidade mdia foi obtida somente dentro dos intervalos de confiana de
dois desvios-padro em cinco casos, ainda que muito prximos da unidade. O estimador
GPH, adotado originalmente no estudo de Diebold & Rudebusch (1989), foi o que gerou a
maior estimativa para o parmetro de integrao, , e os valores mais extremos
para o intervalo de confiana, devido sua elevada varincia. Os estimadores WLSE baseados
nas ondaletas Haar, db4 e la8 e o estimador W-WSLE com a ondaleta Haar contm em seus
intervalos de confiana o valor unitrio e, portanto, no excluem a possibilidade de a srie ser
estritamente . Tomando-se o caso do estimador de MV, ou , no so
percebidas, com base na Figura 21, autocorrelaes residuais significativamente diferentes de
zero dentro do intervalo de 95% de significncia. No mesmo nvel, tambm no so

44
Aplicados primeira diferena da srie, os estimadores GPH e M-Per geraram, respectivamente,
0.4869(
0.2934)
GPH
d = e
0.2123(0.0877)
MP
d = , com os desvios-padro entre parnteses.
(1,1, 0) ARIMA
(2,1,1) ARIMA
1.4787 d =
(1) I (0,1.1841, 0) ARFIMA
98

observadas autocorrelaes no quadrado dos resduos, que so indicativas da presena de uma
estrutura de varincia condicional no homognea na srie.

Figura 21 Funo de Autocorrelao e Funo de Autocorrelao Parcial dos
Resduos e do Quadrado dos Resduos do Modelo

Na modelagem com ordens e , no foram encontradas
influncias de autocorrelaes de curto prazo remanescentes aps a filtragem da memria
longa. Os modelos e , descritos na Tabela 8, geraram
parmetros auto-regressivos e de mdias mveis no estatisticamente diferentes de zero. A
srie livre do componente de memria longa foi calculada pelo estimador (0, , 0) ARFIMA d , e
mostrada na Figura 22.

Tabela 8 Modelos para a Srie do PIB no Nvel

Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Resduos (ARFIMA(0,1.1841,0))
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
2
-
0
.
1
0
.
0
0
.
1
0
.
2

FAC-P - Resduos (ARFIMA(0,1.1841,0))
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Resduos ao Quadrado (ARFIMA(0,1.1841,0))
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
2
-
0
.
1
0
.
0
0
.
1
0
.
2

FAC-P - Resduos ao Quadrado (ARFIMA(0,1.1841,0))
(0,1.1841, 0) ARFIMA
( , , ) ARFIMA p d q 0 p 0 q
(1, , 0) ARFIMA d (0, ,1) ARFIMA d
d
o
d P-Valor
|
i
, u
i
o
|,u P-Valor

Ax
o
ARFIMA(0,d,0) 1.1841 0.0765 0.0000 - - - 0.0458 0.0406 -369.82 8.3240 (0.7593) 7.5039 (0.8226) 17.2518 (0.6366)
ARFIMA(1,d,0) 0.9902 0.1628 0.0000 |
1
=0.2820 0.1994 0.1604 0.0471 0.0411 -363.09 10.2407 (0.5949) 9.2785 (0.6790) 16.2646 (0.7001)
ARFIMA(0,d,1) 1.0642 0.1465 0.0000 u
1
=-0.1930 0.1834 0.2951 0.0466 0.0410 -363.22 10.1300 (0.6046) 9.1936 (0.6863) 15.3132 (0.7582)
0
: No Existe Autocorrelao)
** P-Valores em parnteses (H0: No Existem Efeitos ARCH)
Varivel
(log)
Modelo
ARFIMA(p, d, q)
PIB
99

Figura 22 Grfico da Srie Filtrada (Modelo )

Figura 23 Modelos e Ajustados para a Srie do PIB Brasileiro

Os resultados encontrados, tanto pelo arcabouo ( , , ) ARIMA p d q quanto pelo
( , , ) ARFIMA p d q , contradizem a hiptese de desvios temporrios do produto em torno de
uma taxa de crescimento, associada s teorias dos ciclos econmicos. Eles afirmam que os
efeitos dos choques que ocorrerem em um dado instante na srie do PIB no se dissipam ao
longo do tempo. Resta ainda, porm, a avaliao do grau de amplificao associado
persistncia dos choques sobre o futuro da srie do produto. Utilizou-se a funo impulso-
resposta introduzida no Captulo 3 para mensurar tais efeitos:
, (6.1)
Cada coeficiente representa uma medida do impacto de uma unidade de choque ocorrido
no instante sobre o PIB no instante , com . As FIR calculadas para
o nvel da srie do PIB e para sua taxa de crescimento so mostradas na Tabela 9. A funo
foi calculada com base nos parmetros estimados pelos modelos (0,1.1841, 0) ARFIMA , W-

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
-
0
. 1
5
-
0
. 1
0
-
0
. 0
5
0
. 0
0
. 0
5
0
. 1
0
0
. 1
5

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
-
0
. 1
5
-
0
. 1
0
-
0
. 0
5
0
. 0
0
. 0
5
0
. 1
0
0
. 1
5
Resduos
(0,1.1841, 0) ARFIMA

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
1
7
1
8
1
9
2
0
2
1

1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
1
7
1
8
1
9
2
0
2
1
PIB
ARFIMA(0,1.1841,0)
ARIMA(2,1,1)
PIB e Modelos ARFIMA(0,1.1841,0) e ARIMA(2,1,1)
( , , ) ARFIMA p d q ( , , ) ARIMA p d q
t
( )
t t
y B c =
0
1 =
k
t k t 0,1, 2,..., k =
100

WSLE (la8 e db4), MP e . Para o estimador (0,1.1841, 0) ARFIMA tambm
foram calculadas as FIR com base no intervalo de confiana de dois desvios-padro.

Tabela 9 Funo Impulso-Resposta do PIB e da Taxa de Crescimento do PIB
1 2 3 4 5 10 20 30 40 50
d=1.1841 PI B 1.1841 1.2931 1.3724 1.4356 1.4885 1.6739 1.8918 2.0348 2.1435 2.2322
MV A PI B 0.1841 0.1090 0.0794 0.0632 0.0529 0.0303 0.0173 0.0124 0.0098 0.0082
PI B 1.0311 1.0471 1.0580 1.0662 1.0728 1.0946 1.1175 1.1314 1.1414 1.1493
A PI B 0.0311 0.0160 0.0109 0.0082 0.0066 0.0034 0.0017 0.0012 0.0009 0.0007
PI B 1.3371 1.5625 1.7380 1.8845 2.0116 2.4888 3.1101 3.5526 3.9071 4.2077
A PI B 0.3371 0.2254 0.1756 0.1465 0.1271 0.0812 0.0516 0.0395 0.0327 0.0282
d=1.1503 PI B 1.1503 1.2367 1.2987 1.3475 1.3880 1.5280 1.6887 1.7923 1.8701 1.9331
W-WLSE (la8) A PI B 0.1503 0.0864 0.0620 0.0488 0.0405 0.0226 0.0126 0.0089 0.0070 0.0058
d=1.1316 PI B 1.1316 1.2061 1.2590 1.3004 1.3346 1.4519 1.5848 1.6697 1.7330 1.7840
M-Per A PI B 0.1316 0.0745 0.0529 0.0414 0.0342 0.0189 0.0104 0.0073 0.0057 0.0047
d=1.1041 PI B 1.1041 1.1616 1.2019 1.2332 1.2588 1.3457 1.4424 1.5032 1.5481 1.5840
W-WLSE(db4) A PI B 0.1041 0.0575 0.0403 0.0313 0.0257 0.0139 0.0075 0.0052 0.0040 0.0033
d=1.4787 PI B 1.4787 1.8326 2.1251 2.3794 2.6072 3.5179 4.8202 5.8192 6.6591 7.3969
GPH A PI B 0.4787 0.3539 0.2924 0.2543 0.2278 0.1607 0.1127 0.0914 0.0788 0.0701
PI B 1.6468 2.0651 2.3357 2.5107 2.6239 2.8077 2.8309 2.8312 2.8312 2.8312
A PI B 0.6468 0.4183 0.2705 0.1750 0.1132 0.0128 0.0002 0.0000 0.0000 0.0000
PI B 3.0014 5.1084 7.2165 9.3133 11.3975 21.6297 41.1796 59.5705 76.8710 93.1458
A PI B 1.8850 1.8749 1.8648 1.8548 1.8448 1.7957 1.7014 1.6121 1.5274 1.4472
(d+2o
d
) =
1.3371
ARI MA(1,1,0)
Ordem
Estimada
Srie
I mpacto de Choques Sobre o Futuro do PI B
Anos
(d-2o
d
) =
1.0311
ARI MA(2,1,1)

Com base na Figura 24, possvel identificar que a FIR do modelo estimado por MV para o
nvel do PIB aparenta uma seqncia de pesos no convergente, traduzindo o carter no
estacionrio da srie. Para a primeira diferena do PIB, o modelo produz uma FIR
convergente, demonstrando que os efeitos dos choques sobre a taxa de crescimento da srie
dissipam-se lentamente ao longo do tempo, dada sua estacionariedade assinttica. Pela Tabela
9, possvel verificar que, para a ordem estimada , os choques que incidirem
sobre o PIB sero amplificados, dobrando seus efeitos passados aproximadamente 30 anos.
45

Para o mesmo perodo, os choques tero impacto de apenas 1.28% sobre a taxa de
crescimento da srie. A FIR calculada sobre os parmetros do modelo
demonstra a elevada instabilidade desse modelo e sua inadequao para descrever o
comportamento da srie. Na Figura 24, so comparadas as FIR dos modelos
(0,1.1841, 0) ARFIMA e (1,1, 0) ARIMA . Percebe-se que os efeitos avaliados dos choques
econmicos sobre o nvel da srie pelo modelo (1,1, 0) ARIMA so mais elevados para todo o
perodo em relao aos efeitos do modelo (0,1.1841, 0) ARFIMA , que cresce mais lentamente.

45
Resultados nessa mesma linha foram encontrados na srie do PIB per capita. Nesse caso, o componente
persistente mostrou-se ainda mais elevado, como reflexo de sua ordem de integrao estimada
1.3062 d = .
(2,1,1) ARIMA
1.1841 d =
(2,1,1) ARIMA
101

As funes avaliadas para a taxa de crescimento da srie mostram que os efeitos dos choques
pelo modelo (1, 0, 0) ARIMA possuem pesos inicialmente mais elevados, porm decrescem
rapidamente, tornando-se praticamente nulos aps 20 anos. Os efeitos avaliados pelo modelo
(0, 0.1841, 0) ARFIMA so inicialmente inferiores, porm decrescem lentamente, refletindo o
carter da memria longa.

Figura 24 - Funo Impulso-Resposta do PIB e da Taxa de Crescimento do PIB
Calculada Sobre os Parmetros Estimados dos Modelos e (1,1, 0) ARIMA

6.1.3 Concluses

Esse estudo enfocou o comportamento do PIB brasileiro sob a ptica da integrao fracionria
direcionada anlise da persistncia de suas flutuaes ao longo do tempo. Utilizando a
metodologia tradicional, no foram alcanados modelos que permitissem maior segurana s
estimaes dos efeitos de longo prazo dos choques econmicos sobre a srie. Os resultados
referentes estimao do parmetro de integrao (fracionria) apontaram que a varivel
econmica no estacionria. Sob essa representao, os impactos das inovaes se
perpetuaro de forma amplificada ao longo do tempo sobre o nvel da varivel. Por sua vez, a
taxa de crescimento da srie do PIB possui uma estrutura de memria longa assintoticamente

0 50 100 150
0
1
2
3
4
Tempo (Anos)
F
I
R
0 50 100 150
0
1
2
3
4
ARIMA(1,1,0)
ARFIMA(0,1.1841,0)
FIR ARIMA(1,1,0) X ARFIMA(0,1.1841,0) do PIB

0 50 100 150
0
.
0
0
.
2
0
.
4
0
.
6
Tempo (Anos)
F
I
R
0 50 100 150
0
.
0
0
.
2
0
.
4
0
.
6
ARIMA(1,0,0)
ARFIMA(0,0.1841,0)
FIR ARIMA(1,0,0) X ARFIMA(0,0.1841,0) do DPIB
(0,1.1841, 0) ARFIMA
102

estacionria, revelando que os efeitos dos choques dissipam-se muito lentamente. Adequando
os modelos de memria longa ao cmputo da funo impulso-resposta, na segunda parte do
estudo, foram avaliados os efeitos dos choques sobre o PIB e sobre sua taxa de crescimento
em um intervalo de 50 anos. Pelo estimador de MV, aps cinco, dez e cinqenta anos, as
inovaes sobre o PIB brasileiro tero seus efeitos amplificados de acordo com os fatores
1.49, 1.67 e 2.23, respectivamente. Comparativamente, os valores da FIR calculados com base
no arcabouo (1) (0) I I , so mais elevados que os obtidos pelos modelos de memria longa:
2.62, 2.881 e 2.83. Essa substancial diferena reflete a inadequao dos modelos ARIMA na
captao da estrutura de memria associada ao comportamento de baixa freqncia da srie
do PIB.

Sendo assim, foram encontrados sinais na srie do PIB brasileiro que no corroboram o
pressuposto terico dos ciclos econmicos, ou seja, indcios que no concordam com a
hiptese de que os desvios no produto so variaes temporrias ao longo de sua taxa de
crescimento de longo prazo. No caso da srie da taxa de crescimento do PIB, so claros os
sinais da existncia de convergncia, porm aps longos perodos de ajustamento. Por fim,
possvel extrair a concluso que o desenvolvimento dos modelos de integrao fracionria
de grande relevncia ao avano dos mtodos de anlise de variveis econmicas no mdio e
longo prazos. O estimador GPH, que foi um dos primeiros mtodos de estimao do
parmetro de memria longa, foi aquele utilizado por Diebold & Rudebusch (1989) no estudo
aplicado economia norte-americana. Em suas concluses, os autores afirmaram que os
intervalos de confiana encontrados eram muito amplos, no permitindo a eles concluses
concisas. Nesse estudo, foram utilizadas novas metodologias de estimao que se mostraram
adequadas uma sintonia mais fina entre o impulso dos choques e a resposta nas variveis.
Sob esse aspecto, percebeu-se que a funo impulso-resposta altamente influenciada por
pequenas variaes na ordem de integrao da srie. Portanto, o estudo ajuda a concretizar a
idia da importncia da pesquisa sobre os modelos de memria longa e integrao fracionria
para a avaliao dos impactos de polticas econmicas sobre a economia agregada.

103

6.2 Memria Longa Sazonal na Srie de Desemprego da Regio Metropolitana de
So Paulo

6.2.1 Introduo

Um dos grupos de variveis econmicas mais enfocados em pesquisas estatsticas aplicadas
na atualidade aquele que reflete o fluxo de trabalhadores em inatividade no mercado de
trabalho. Essa rea tem ganhado importncia na pesquisa economtrica recente com o
desenvolvimento de uma linha de pesquisa conhecida como Microeconometria, ou anlise de
dados em painel. Nesse tipo de abordagem, os mtodos quantitativos so construdos sobre
dados desagregados, denominados microdados. A base de microdados formada, na
maioria dos casos, por meio de entrevistas peridicas a agentes econmicos. No Brasil, o
exemplo mais conhecido a base de dados da Pesquisa Mensal de Emprego (PME), realizada
pelo Instituto Brasileiro de Geografia e Estatstica (IBGE), que recolhe informaes sobre
ocupao e renda em perodos sucessivos predeterminados. Existem fatores econmicos, no
entanto, cuja avaliao em prol de polticas pblicas pressupe o nvel agregado dos dados.
Um desses casos a noo de rigidez no mercado de trabalho. A Teoria Econmica percebe
nas instituies, por exemplo, uma das principais fontes da elevada rigidez no mercado de
trabalho. Seu reflexo incide diretamente sobre o nvel de emprego devido aos custos diretos e
indiretos envolvidos na demisso e contratao de trabalhadores, como multas e encargos
trabalhistas ou treinamento de pessoal. So inmeras as causas que podem dar origem ao
fenmeno da rigidez no mercado de trabalho, e fogem tanto ao escopo quanto ao tema desse
trabalho. No entanto, circunscrita ao interesse desse estudo est a avaliao do grau de
persistncia na srie de desemprego como uma possvel interpretao da rigidez no mercado
de trabalho. Sob esse enfoque, pressupe-se que capacidade de absoro de choques pelas
sries que medem o desemprego reflete um grau de flexibilidade desse mercado. A anlise de
memria longa possui vantagens sobre a anlise tradicional no estudo sobre o
ajustamento intertemporal de variveis econmicas, devido sua perspiccia em captar o
comportamento de baixa freqncia das sries temporais. Segundo a Escola da Persistncia
no mercado de trabalho, uma srie estacionria de taxa de desemprego, marcada por uma
longa cadeia de autocorrelaes positivas, condizente com a hiptese terica de existncia
de uma taxa natural de desemprego. Nesse caso, embora as polticas pblicas voltadas para
a reduo do desemprego sejam ineficazes no longo prazo, seus efeitos sero prolongados,
(1) (0) I I
104

permitindo que o gestor de poltica econmica analise o custo-benefcio de sua implantao.
Variveis no estacionrias, com uma ou mais razes unitrias, por outro lado, tero os efeitos
de choques advindos de polticas majorados e a trajetria futura da varivel econmica ser
definitivamente influenciada pela estrutura de memria presente na srie. Seguindo essa linha
de pesquisa, o estudo pretendido nessa seo busca identificar medidas do grau de
persistncia em uma das principais sries de desemprego da Regio Metropolitana de So
Paulo, a Pesquisa de Emprego e Desemprego (PED). As sries brasileiras sobre desemprego,
no entanto, so particularmente marcadas por fortes influncias sazonais que dificultam as
avaliaes estatsticas sobre a existncia de grandes ciclos ou de movimentos convergentes a
uma taxa natural de desemprego. A teoria da integrao fracionria permite generalizaes de
modelos univariados a fim de adequ-los s condies observadas de elevada persistncia
sazonal com diferentes periodicidades. A anlise de memria longa ser, portanto, o
instrumento utilizado para duas finalidades nesse estudo: extrair a estrutura de memria longa
sazonal da srie analisada e avaliar o grau de persistncia sazonal e no sazonal existente no
nvel da srie. Adicionalmente, ser realizada a confrontao entre os resultados da
modelagem de memria longa com os da metodologia tradicional .

Foram analisadas nessa seo trs metodologias: uma delas sob o arcabouo e
outras duas sob o da integrao fracionria. A primeira abordagem apoiou-se nos modelos
sazonais, tradicionalmente conhecidos como . Sob a
gide dos modelos de integrao fracionria sazonal, duas metodologias foram empregadas.
Com o intuito de medir a dimenso da persistncia da componente sazonal isoladamente, foi
adotado um processo de Gegenbauer unifatorial, estimado por meio do procedimento que
busca desautocorrelacionar seqncias numricas pela decomposio no domnio tempo-
escala de ondaletas. A partir da filtragem da componente sazonal da srie, aplicou-se a
modelagem para a estimao de parmetros de memria longa e curta no
sazonal. A segunda metodologia fracionria aplicada permitiu estimar conjuntamente os
componentes de memria longa, consecutiva e sazonal, alm dos parmetros de memria
curta, , , e . Para os trs modelos, foram calculadas suas
respectivas funes impulso-resposta (FIR), buscando identificar como as diferentes
especificaes prevem os efeitos dos choques no mercado de trabalho, ou seja, como eles
influenciam a trajetria da taxa de desemprego na cidade de So Paulo e regio.

(1) (0) I I
(1) (0) I I
ARIMA ( , , ) ( , , )
s
SARIMA p d q P D Q
( ) AR p ( ) MA q ( )
s
SAR P ( )
s
SMA Q
105

6.2.2 Modelagem Sazonal Univariada da Srie PED

A srie abordada nesse estudo composta por observaes mensais do indicador de
desemprego na Regio Metropolitana de So Paulo, PED, calculado em conjunto pelos
institutos SEADE e DIEESE.
46
Na Figura 25, so mostrados dois grficos referentes PED
sob a transformao logartmica.

1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008
2
.
0
2
.
2
2
.
4
2
.
6
2
.
8
3
.
0

1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008
2
.
0
2
.
2
2
.
4
2
.
6
2
.
8
3
.
0
ln(PED)
PED(%) RMSP - Srie no Nv el

1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008
-
0
.
6
-
0
.
2
0
.
2
0
.
6

1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008
-
0
.
6
-
0
.
2
0
.
2
0
.
6
ln(PED)*
PED(%) RMSP - Srie Sem Tendncia Linear

Figura 25 Taxa de Desemprego (PED) Regio Metropolitana de So Paulo (RMSP)
FONTE: SEADE/DIEESE

No primeiro grfico, a srie mostrada em seu nvel histrico, e no segundo, exibida sem a
sua tendncia linear e intercepto por meio do Mtodo de Mnimos Quadrados. A srie
representa o percentual de desempregados na Regio Metropolitana de So Paulo e compe-
se de 272 observaes, com incio em dezembro de 1984 estendendo-se at julho de 2007.
Visualmente, o grfico da srie sem tendncia linear induz suposio de um comportamento
de reversibilidade mdia, ou seja, de que a PED gravita estocasticamente em torno de um
nvel mdio. Esse padro natural aos processos estocsticos no estacionrios e integrados

46
Compreende o desemprego aberto e o desemprego oculto.
106

fracionariamente no intervalo 1/ 2 1 d _ < . As funes de autocorrelao (FAC) e de
autocorrelao parcial (FAC-P) da PED so mostradas na Figura 26.

Figura 26 Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P)
(Srie da PED em log)

No grfico da FAC, percebe-se um decaimento hiperblico ondular da funo, apresentando
valores estatisticamente diferentes de zero at aproximadamente o lag 70. A silhueta
lentamente decrescente da FAC indicativa da presena de memria longa na srie da PED,
enquanto seu movimento na forma senoidal reflete um padro tipicamente sazonal. A FAC-P,
na qual so excludas as influncias de lags intermedirios, indica a existncia de
autocorrelaes de curto prazo na srie. O grfico contido na Figura 27 mostra a funo de
densidade espectral na escala decibel (dB) estimada para a srie, excluda sua tendncia
linear. Alm da concentrao de energia espectral nas freqncias mais baixas, o estimador
espectral (periodograma) exibe dois picos nas freqncias 0.08148 e 0.1666 referentes,
respectivamente, a 12.27 e 6 meses, indicativo da presena de duas periodicidades sazonais da
srie.

Lag
0 20 40 60 80 100
0
.
0
0
.
4
0
.
8

FAC
Lag
0 20 40 60 80 100
-
0
.
5
0
.
0
0
.
5
1
.
0

FAC-P
107

Figura 27 - Funo de Densidade Espectral da PED
(Baseada na FACV da Srie sem Tendncia Linear)

Foram aplicados os testes de raiz unitria sobre a srie. Como pode ser visualizado na Tabela
10, nenhum dos testes rejeitou a hiptese da srie ser , independentemente dos termos
deterministas includos em suas formas funcionais. Pelo arcabouo , portanto,
presume-se a existncia de uma tendncia estocstica na srie da PED.
47

Tabela 10 Testes de Raiz Unitria

Na Figura 28, so mostrados os grficos e as funes de autocorrelao da PED em primeiras
diferenas e em primeiras diferenas sazonais de 12 meses.
48
Pelo grfico (B), referente
FAC da primeira diferena da srie, nota-se um componente sazonal extremamente
persistente. O grfico (D) exibe a FAC da srie em primeiras diferenas consecutivas e

47
Foi avaliada tambm a existncia de trs e duas razes unitrias na srie, por meio do teste de Dickey-Pantula.
O teste rejeitou a hiptese de mltiplas razes unitrias ao nvel de 1% de significncia:
3
7.17 t = e
2
4.19 t = .
48
As transformaes refletem a aplicao dos seguintes filtros lineares: (1 )
t t
u B u A = e
12 12
(1 )(1 )
t t
u B B u A A =
Frequncia (Nyquist)
0.0 0.1 0.2 0.3 0.4 0.5
-
1
2
0
-
1
0
0
-
8
0
-
6
0
-
4
0
Densidade Espectral da PED - Sem Tendncia
(1) I
(1) (0) I I
ADF I(1)
DF-GLS I(1)
ERS I(1)
MEPP I(1)
KPSS I(1)
0
0
: Srie Estacionria
* Rejeita H
0
** Rejeita H
0
0.3545** 3.404** -
6.3693 5.1806 6.5013
-2.7285 -1.5417 1.5051
-2.7140 -1.7910 0.3164
-2.3165 -1.4734 0.3164
Variveis
Deciso
Constante e Tendncia Constante SemConst. e Tend.
108

sazonais de 12 meses. Notam-se nesse grfico, no entanto, sinais de que a srie pode ter sido
sazonalmente superdiferenciada.

Figura 28 Grficos de Funes de Autocorrelao da PED com Uma Diferena Consecutiva e Uma
Diferena Sazonal de 12 Meses

Embora a diferena tenha eliminado grande parte das longas correlaes
peridicas, o surgimento de elevadas autocorrelaes negativas em torno do lag 12, no
presentes na FAC do grfico (B), so evidncias do superdimensionamento do componente
sazonal. Como resultado, a modelagem tradicional da srie filtrada mostrada no grfico (C),
pela metodologia , necessitaria suprir o modelo com termos capazes de expurgar
as autocorrelaes introduzidas artificialmente pela superdiferenciao. A Tabela 11 destaca
quatro modelos

ajustados srie da PED pelo procedimento de
MV. Alm das especificaes exibidas, outras formas auto-regressivas e de mdias mveis de
ordens mais elevadas foram estimadas, porm nenhuma produziu resultados relevantes. O
modelo considerado como mais adequado foi o , apresentado nas
duas ltimas colunas da tabela. Essa especificao conseguiu capturar as autocorrelaes
consecutivas e sazonais de maneira satisfatria (ver Figura 29).

(A) D(PED)
1986 1990 1994 1998 2002 2006
-
0
.
1
0
0
.
0
0
.
1
0

1986 1990 1994 1998 2002 2006
-
0
.
1
0
0
.
0
0
.
1
0
(B) FAC da D(PED)
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

(C) D(D(PED),12)
1986 1990 1994 1998 2002 2006
-
0
.
1
0
0
.
0
0
.
0
5
0
.
1
5

1986 1990 1994 1998 2002 2006
-
0
.
1
0
0
.
0
0
.
0
5
0
.
1
5
(D) FAC da D(D(PED),12)
Lag
A
C
F
0 20 40 60 80 100
-
0
.
4
0
.
0
0
.
4
0
.
8

12 12
(1 ) B A =
( , ) ARMA p q
( , , ) ( , , )
s
SARIMA p d q P D Q
12
(6,1, 0) (1, 0,1) SARIMA
109

Tabela 11 Modelos SARIMA Ajustados Srie PED

Lag
0 20 40 60 80 100
0
.
0
0
.
4
0
.
8

FAC - Resduos do SARIMA(6,1,0)x(1,0,1)
Lag
0 20 40 60 80 100
-
0
.
1
0
0
.
0
0
.
1
0

FAC-P - Resduos do SARIMA(6,1,0)x(1,0,1)

Figura 29 FAC e FAC-P dos Resduos do Modelo

Ignorando arbitrariamente, a princpio, a componente sazonal, alm de qualquer estrutura de
memria curta existente na srie PED, foi estimada a ordem de integrao fracionria segundo
as classes de estimadores espectrais tradicionais e de ondaletas. A Tabela 12 mostra os
|
1
0.5000 - 0.5771 0.4863 0.6721 - 0.5416 0.8757
o
|,u
0.0600 - 0.0597 0.0572 0.0586 - 0.0600 0.0654
P-Valor 0.0000 - 0.0000 0.0000 0.0000 - 0.0000 0.0000
|
2
0.3025 - 0.2401 - 0.1338 - 0.2524 -
o
|,u
0.0671 - 0.0696 - 0.0715 - 0.0686 -
P-Valor 0.0000 - 0.0006 - 0.0627 - 0.0002 -
|
3
-0.5031 - -0.5868 - -0.6391 - -0.5583 -
o
|,u
0.0673 - 0.0687 - 0.0690 - 0.0679 -
P-Valor 0.0000 - 0.0000 - 0.0000 - 0.0000 -
|
4 0.2902 - 0.2929 - 0.3337 - 0.2905 -
o
|,u
0.0673 - 0.0690 - 0.0691 - 0.0683 -
P-Valor 0.0000 - 0.0000 - 0.0000 - 0.0000 -
|
5 0.1414 - 0.1008 - 0.0635 - 0.1169 -
o
|,u
0.0671 - 0.0701 - 0.0715 - 0.0691 -
P-Valor
0.0361
-
0.1516
-
0.3756
-
0.0918
-
|
6
-0.2988 - -0.3120 - -0.3014 - -0.3021 -
o
|,u
0.0600 - 0.0597 - 0.0585 - 0.0601 -
P-Valor
0.0000
-
0.0000
-
0.0000
-
0.0000
-
u
1
- - - - - -0.3575 - 0.6910
o
|,u
- - - - - 0.0580 - 0.0993
P-Valor - - - - - 0.0000 - 0.0000
BI C
o
c
Ljung-Box(12)*
Box-Pierce(12)*
ARCH-LM**
0
0.0287 0.0248 0.0264 0.0232
48.5334 (0.0022) 46.4074 (0.0040) 48.8961 (0.0020) 65.2083 (0.0000)
43.0552 (0.0000) 13.0824 (0.3631) 18.7881 (0.0938) 8.3469 (0.7575)
40.8901 (0.0000) 12.5242 (0.4045) 18.0912 (0.1129) 8.0001 (0.7851)
(6,1,0) x (1,0,1)
12
SARIMA(p,d,q) x(P,D,Q)
12
-1,113.46
Parmetros
Estimados
(6,1,0) x (0,1,0)
12
-1,044.49
(6,1,0) x (1,0,0)
12
(6,1,0) x (0,0,1)
12
-1,131.64 -1,132.31
12
(6,1, 0) (1, 0,1) SARIMA
110

parmetros estimados. Nenhum dos estimadores mostrou-se pontualmente inferior
unidade.
49

Tabela 12 - Estimadores da Ordem de Integrao Fracionria

A Figura 30 exibe, respectivamente, a FAC e FAC-P da srie filtrada pelo estimador com
valor mais expressivo, ou por MV.
50
Notam-se, tal como relatado ao caso sazonal, indcios de
que a srie foi superdiferenciada.

Figura 30 - Funo de Autocorrelao e Funo de Autocorrelao Parcial dos
Resduos do Modelo

A dimenso da persistncia da componente sazonal foi, ento, inicialmente avaliada por meio
de um Processo de Gegenbauer unifatorial. Utilizando o estimador de Whitcher baseado em
ondaletas, foi estimada a memria longa sazonal relativa ao pico de energia espectral em

49
Ressalva-se que os estimadores GPH e M-Per aplicados primeira diferena da srie geraram,
respectivamente, 0.1145(0.2102
)
GPH
d = e 0.0590(0.0309)
MP
d = , com os desvios-padro entre parnteses.
50
Estimador FARIMA do Finmetrics para S-Plus baseado nos algoritmos de Beran (1995) e Haslett & Raftery
(1989).
LSE WLSE LSE WLSE LSE WLSE LSE WLSE
d 1.4845 1.0335 1.0839 1.0190 1.0713 1.0850 1.1864 1.1208 1.2488 1.1396 1.2768
o
d
0.0476 0.2102 0.0480 0.0296 0.0280 0.0565 0.0547 0.0717 0.0686 0.0782 0.0709
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
IC(d2 o)
[1.39;1.58] [0.61;1.45] [0.99;1.18] [0.96;1.08] [1.02;1.13] [0.97;1.20] [1.08;1.30] [0.98;1.26] [1.11;1.39] [0.98;1.30] [1.14;1.42]
(*) Argumentos padro no clculo do Periodograma (GPH): span=1, taper=0.1, o=0.5 ; M-Per o estimador suavizado de Reisen.
(**) Calculados com o nvel 8 de decomposio (N'=256)
PI B la16 Haar
MV GPH M-Per
db4 la8
Estimadores Tradicionais* Estimadores de Ondaletas**
Lag
A
C
F
0 20 40 60 80 100 120
-
0
.
4
0
.
0
0
.
4
0
.
8

FAC dos Resduos
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100 120
-
0
.
4
-
0
.
2
0
.
0
0
.
2

FAC-P dos Resduos
(0,1.4845, 0) ARFIMA
111

torno da freqncia 0.08148, mostrado no periodograma da srie (ver Figura 27).
51
Foi
estimado o seguinte modelo de memria longa sazonal com base na ondaleta la8:
(6.2)
A freqncia de Gegenbauer, identificada pelo modelo , representa uma
periodicidade de 11.28 meses. O desvio-padro das inovaes do modelo foi estimado em
e o valor de log-verossimilhana de -1743.769. O parmetro de integrao
fracionria sazonal, , reflete o caimento hiperblico senoidalmente decrescente
na srie da PED. A Figura 31 mostra a srie da PED livre da memria longa sazonal e suas
respectivas FAC e FAC-P.

Figura 31 Srie da PED Livre da Componente de Memria Longa Sazonal, Espectro, FAC e FAC-P

No grfico do espectro da srie filtrada da memria longa sazonal, mostrado acima, percebe-
se que no existem demais picos de energia, portanto, no so identificadas outras
periodicidades remanescentes na srie. Identifica-se somente a elevada concentrao de
energia nas freqncias prximas a zero, indicativa de memria longa (simples) ou de sua no
estacionariedade. A mesma indicao verificada pelo caimento suavizado de sua FAC. A
FAC-P indica a existncia de memria de curto prazo, provavelmente segundo um processo
AR(6). O modelo estimado em duas etapas, o , em

51
Como ser discutido mais adiante, a segunda singularidade espectral no concentra energia suficiente para
refletir um padro sazonal, portanto, utilizou-se um processo de Gegenbauer capaz de captar apenas uma
singularidade espectral.
( )
0.3277
2
1 0.8489 (1 )
t t
B B B d u =
0.0886
G
v =
0.0663
u
o =
0.3277
G
o =
Time
1985 1990 1995 2000 2005
-
0
.
4
-
0
.
2
0
.
0
0
.
2
PED Livre da ML Sazonal
Frequncia (Nyquist)
D
e
n
s
i
d
a
d
e

E
s
p
e
c
t
r
a
l
0.0 0.1 0.2 0.3 0.4 0.5
-
1
2
0
-
8
0
-
6
0
-
4
0
Densidade Espectral da PED Livre da ML Sazonal
Lag
A
C
F
0 20 40 60 80 100
0
.
0
0
.
4
0
.
8

FAC - Srie Livre da ML Sazonal
Lag
P
a
r
t
i
a
l

A
C
F
0 20 40 60 80 100
-
0
.
4
0
.
0
0
.
4
0
.
8

FAC-P - Srie Livre da ML Sazonal
12
(6, 0.8797, 0) (0, 0.3277, 0) ARFISMA
112

que a parte no sazonal foi estimada por MV, revelou, tal como observado inicialmente no
estudo, que a srie PED apresenta um padro de memria longa no estacionrio reversvel
mdia. O espectro suavizado dos resduos do modelo apresenta-se aplainado, aspecto
caracterstico de Processos Rudo Branco.

Tabela 13 Modelo para a Srie PED Livre da Memria Longa Sazonal

Figura 32 Srie PED Filtrada dos Componentes de Memria Longa Sazonal e Consecutiva e suas
Respectivas Funes de Densidade Espectral, de Autocorrelao e Autocorrelao Parcial

O segundo modelo de memria longa sazonal avaliado permite estimar conjuntamente os
componentes de memria longa, consecutiva e sazonal, e os parmetros de memria curta,
sazonal e no sazonal, , , e . O estimador de MV aplicado
uma generalizao do estimador proposto por Beran (1994), baseado na aproximao de
Whittle.
52
A Tabela 14 traz os modelos estimados que geraram os melhores resultados. Alm
desses, foram estimadas especificaes envolvendo termos auto-regressivos e de mdias

52
Foram utilizados os cdigos FARISMA para R fornecidos por Henning Rust. Ver referncia FARISMA na
parte dos programas computacionais.
d
o
d P-Valor
|
i
o
| P-Valor

Ax
o
|
1
=0.6452 0.1175 0.0000
|
2
=-0.2017 0.0739 0.0068
|
3
=-0.5184 0.0718 0.0000
|
4
=0.2745 0.0787 0.0006
|
5
=0.0857 0.0719 0.2343
|
6
=-0.2357 0.0618 0.0002
Razes do Polinmio AR: (1.192055 1.370715 1.370715 1.192055 1.260472 1.260472)

0
Variveis
(log)
Modelo
ARFIMA(p, d, q)
PED sem
ML
Sazonal
ARFIMA(6,d,0)
0.8797 0.1101 0.0000 0.0005 0.0262 -1161.01 4.8953 (0.9614) 4.7058 (0.9671) 81.8696 (0.0000)
Time
1985 1990 1995 2000 2005
-
0
.
1
0
0
.
0
0
.
0
5
0
.
1
0
PED Livre dos Componentes de ML
Frequncia (Nyquist)
D
e
n
s
i d
a
d
e

E
s
p
e
c
t
r
a
l
0.0 0.1 0.2 0.3 0.4 0.5
-
1
1
0
-
1
0
0
-
9
0
Densidade Espectral da PED Livre dos Componentes de ML
Lag
A
C
F
0 20 40 60 80 100
0
.
0
0
.
4
0
.
8

FAC - PED Livre dos Componentes de ML
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
1
0
0
.
0
0
.
1
0

FAC-P - PED Livre dos Componentes de ML
( ) AR p ( ) MA q ( )
s
SAR P ( )
s
SMA Q
113

mveis sazonais, e . Nenhuma delas, porm, gerou resultados
significativos. O primeiro modelo da tabela pode ser denominado como Processo Rudo
Branco Fracionrio Sazonal. A estimao desses modelos apresentou maior instabilidade em
relao aos modelos tradicionais, provavelmente devido inevitvel interferncia entre os
parmetros de ordens sazonais e no sazonais.

Tabela 14 Modelos para a Srie PED

Apesar de exibir um coeficiente estatisticamente nulo e coeficientes e
significantes apenas a 7% e 8%, respectivamente, o modelo escolhido entre os nove expostos
foi o , pela necessidade de captao das
autocorrelaes residuais. Nos demais modelos, uma autocorrelao de ordem 6,
provavelmente aquela captada pelo espectro na freqncia prxima a 0.17, persistia
sistematicamente na FAC e FAC-P. A incluso do termo auto-regressivo de ordem 6
expurgou seu efeito. Sendo assim, entende-se que a energia espectral da segunda
( )
s
SAR P ( )
s
SMA Q
( , , ) ( , , )
s
ARFISMA p d q P D Q
(0,d,0) x(0,D,0)
12
(1,d,0) x(0,D,0)
12
(0,d,1) x(0,D,0)
12
(1,d,1) x(0,D,0)
12
(2,d,0) x(0,D,0)
12
(3,d,0) x(0,D,0)
12
(4,d,0) x(0,D,0)
12
(5,d,0) x(0,D,0)
12
(6,d,0) x(0,D,0)
12
d
1.3986 0.7332 1.2400 0.7062 0.5732 0.8560 0.6823 0.7150 0.8775
o
d
0.0476 0.1745 0.0663 0.1973 0.2053 0.1037 0.1953 0.1663 0.1293
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0056 0.0000 0.0000 0.0000 0.0000
D
12 0.4399 0.4072 0.4066 0.3942 0.3949 0.3479 0.3551 0.3496 0.3253
o
ds
0.0426 0.0432 0.0422 0.0435 0.0433 0.0424 0.0435 0.0435 0.0434
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
|
1
- 0.6781 - 0.6887 0.8809 0.6046 0.7937 0.7715 0.6136
o
|,u
- 0.1634 - 0.1647 0.2123 0.1111 0.2057 0.1752 0.1390
P-Valor - 0.0000 - 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000
|
2
- - - - -0.1174 0.1192 0.0716 0.0595 0.1009
o
|,u
- - - - 0.0911 0.0699 0.0949 0.0864 0.0728
P-Valor - - - - 0.1985 0.0894 0.4516 0.4919 0.1672
|
3
- - - - - -0.2482 -0.3229 -0.3154 -0.3363
o
|,u
- - - - - 0.0598 0.0798 0.0773 0.0708
P-Valor - - - - - 0.0000 0.0001 0.0001 0.0000
|
4
- - - - - - 0.1366 0.1776 0.1437
o
|,u
- - - - - - 0.0854 0.0871 0.0780
P-Valor - - - - - - 0.1109 0.0426 0.0665
|
5
- - - - - - - -0.0641 -0.0006
o
|,u
- - - - - - - 0.0619 0.0708
P-Valor - - - - - - - 0.3011 0.9924
|
6
- - - - - - - - -0.1145
o
|,u
- - - - - - - - 0.0653
P-Valor - - - - - - - - 0.0809
u
1
- - 0.2126 0.0600 - - - - -
o
|,u
- - 0.0825 0.0953 - - - - -
P-Valor - - 0.0105 0.5295 - - - - -
BI C -1,068.66 -1,089.56 -1,073.98 -1,090.10 -1,085.36 -1,093.96 -1,091.73 -1,087.22 -1,084.12
o
c
0.0328 0.0313 0.0320 0.0307 0.0312 0.0304 0.0302 0.0301 0.0300
Ljung-Box(12)* 29.8271 (0.0030) 40.2854 (0.0001) 111.5035 (0.0000) 36.5112 (0.0003) 44.8832 (0.0000) 24.0839 (0.0198) 20.3074 (0.0615) 18.4400 (0.1030) 14.3800 (0.2771)
Box-Pierce(12)* 29.0708 (0.0038) 39.4836 (0.0001) 109.3530 (0.0000) 35.7825 (0.0004) 44.0413 (0.0000) 23.5060 (0.0237) 19.7806 (0.0714) 17.9696 (0.1166) 13.8864 (0.3080)
ARCH-LM** 62.4192 (0.0000) 58.1082 (0.0001) 71.1987 (0.0000) 55.9588 (0.0002) 57.4008 (0.0001) 62.9343 (0.0000) 65.8539 (0.0000) 64.4084 (0.0000) 57.1644 (0.0002)
0
Parmetros
Estimados
ARFISMA(p,d,q)X(P,D,Q)
12
(5) AR (4) AR (6) AR
12
(6, 0.8775, 0) (0, 0.3253, 0) ARFISMA
114

singularidade percebida no periodograma suavizado no suficientemente alta para se refletir
em um padro sazonal com perodo de 6 meses.
53

Figura 33 Singularidades Espectrais

A Figura 33 destaca as singularidades espectrais avaliadas na srie. A primeira, a mais
saliente, refere-se componente de memria longa sazonal estimada. A Figura 34 mostra a
srie filtrada, seu espectro, FAC e FAC-P.

Figura 34 - Srie PED Filtrada dos Componentes de Memria Longa Sazonal e Consecutiva e suas
Respectivas Funes de Densidade Espectral, de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P)

Os parmetros de integrao fracionria sazonais e no sazonais, estimados conjuntamente
pelo modelo FARISMA, mostraram igualdade, at a segunda casa decimal, aos obtidos pelo

53
Adicionalmente, foi realizado o teste de Whittle para avaliar a significncia da periodicidade nessa freqncia.
O resultado rejeitou, ao nvel de 5% de significncia, a hiptese de existncia da sazonalidade de 6 meses.
Detalhes sobre o teste podem ser encontrados em Morettin & Toloi (2004).
0.005 0.010 0.020 0.050 0.100 0.200 0.500
1
e
-
0
7
1
e
-
0
5
1
e
-
0
3
1
e
-
0
1
FARIMA[6,d,0]
Frequency
S
p
e
c
t r
u
m
Time
1985 1990 1995 2000 2005
-
0
.
1
0
0
.
0
0
.
1
0
PED Livre da ML Sazonal
Frequncia (Nyquist)
D
e
n
s
i d
a
d
e

E
s
p
e
c
t
r
a
l
0.0 0.1 0.2 0.3 0.4 0.5
-
1
2
0
-
1
1
0
-
1
0
0
-
9
0
Densidade Espectral da PED Livre da ML Sazonal
Lag
A
C
F
0 20 40 60 80 100
0
.
0
0
.
4
0
.
8

FAC - Srie Livre da ML Sazonal
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
1
5
-
0
.
0
5
0
.
0
5

FAC-P - Srie Livre da ML Sazonal
115

procedimento em dois estgios. O procedimento em dois estgios demonstrou uma leve
superioridade na captao das autocorrelaes de curto prazo, refletindo-se em menores
rugosidades no espectro da srie filtrada nas freqncias mais altas. Adotando-se a soma
dos quadrados dos resduos como parmetro para avaliar o ajustamento dos modelos
fracionrios sazonais srie da PED, obteve-se uma ligeira superioridade daquele estimado
em duas etapas (II) em relao ao que utilizou a estimao conjunta dos parmetros (I):
0.1797
II
SQR = e 0.1871
I
SQR = .

De modo geral, as estimaes refletem um componente de memria longa sazonal,
assintoticamente estacionrio, com perodo de 12 meses e um componente de memria longa
relativo s autocorrelaes sucessivas, no estacionrio e reversvel mdia. A interao entre
os dois componentes de memria longa induzem a no estacionariedade do modelo. As duas
abordagens fracionrias mantm consonncia na escolha de um processo na captao
das autocorrelaes de curto prazo, embora tenham estimado coeficientes distintos.

A persistncia da srie relativa s inovaes foi avaliada por meio da funo impulso-resposta
(FIR) modificada para compreender tanto a componente de memria longa sazonal quanto a
no sazonal, alm da estrutura de memria de curto prazo. A FIR mostra como a trajetria da
PED afetada pelos choques estocsticos. Portanto, ela reflete como os choques no mercado
de trabalho da Regio Metropolitana de So Paulo so absorvidos pelo ndice de desemprego
medido pela PED. Os modelos mostraram que a resposta do nvel da srie em funo dos
choques determinada fundamentalmente pelo comportamento no estacionrio da srie e
sofre grande influncia do componente sazonal. A Tabela 15 mostra os valores estimados da
FIR gerados pelos coeficientes dos modelos sazonais ,
e

para perodos
entre 1 e 20 anos, enquanto a Figura 35 confronta graficamente suas trajetrias.

(6) AR
12
(6,1, 0) (1, 0,1) SARIMA
12
(6, 0.8797, 0) (0, 0.3277, 0) ARFISMA
12
(6, 0.8775, 0) (0, 0.3253, 0) ARFISMA
116

Tabela 15 - Funo Impulso-Resposta da PED
SARIMA(6,1,0)x(1,0,1)
12
ARFISMA(6,0.8797,0)x(0,0.3277,0)
12
ARFISMA(6,0.8775,0)x(0,0.3253,0)
12
12
2.9271 1.4195 1.3965
24 5.0089 1.7149 1.6044
36 6.9471 1.8716 1.7323
48 8.6528 1.9843 1.8286
60 10.1445 2.0766 1.9076
120 15.2411 2.3925 2.1807
240 19.2185 2.7589 2.5005
PED
Funo Impulso-Resposta (FIR)
Meses
Frente

Figura 35 Funo Impulso-Resposta Acumulada da PED Calculada com os Parmetros dos Modelos
,

(I) e (II)

Os impactos dos choques sobre o nvel da PED tendem a ser amplificados ao longo do tempo
pelas duas abordagens. Nos modelos de memria longa, este fato devido interao entre os
parmetros de integrao sazonais e no sazonais. Nitidamente, o modelo SARIMA
superavalia os efeitos das inovaes sobre o nvel futuro da srie. Os modelos de memria
longa conseguem sintonizar o comportamento associado s baixas freqncias da srie e,
assim, produzem parmetros mais adequados representao do comportamento associado a
essas freqncias. O carter persistente no estacionrio dos modelos de memria longa
descarta a hiptese do nvel da srie desviar-se temporariamente de uma taxa natural de

0 50 100 150 200
0
5
1
0
1
5
2
0
Tempo (Meses)
F
I
R
0 50 100 150 200
0
5
1
0
1
5
2
0
SARIMA
ARFISMA I
ARFISMA II
FIR - PED

0 50 100 150 200
0
1
2
3
Tempo (Meses)
F
I
R
0 50 100 150 200
0
1
2
3
ARFISMA I
ARFISMA II
FIR - PED
12
(6,1, 0) (1, 0,1) SARIMA
12
(6, 0.8797, 0) (0, 0.3277, 0) ARFISMA
12
(6, 0.8775, 0) (0, 0.3253, 0) ARFISMA
117

desemprego de longo prazo. Os modelos prevem que, aps 10 anos, os efeitos das inovaes
na srie sero amplificados entre 2.18 e 2.38 vezes e, aps 20 anos, entre 2.50 e 2.75 vezes.

6.2.3 Concluses

Essa seo retratou a modelagem da srie PED delimitada aos arcabouos e da
integrao fracionria enfocando o tema da persistncia em sua estrutura de memria. Foram
utilizados dois modelos de memria longa generalizados para considerar periodicidades de
natureza sazonal. Sob essa caracterizao, trs estruturas de memria foram decompostas na
srie: uma estrutura de memria longa no estacionria e reversvel mdia, uma estrutura de
memria longa sazonal estacionria e uma estrutura de autocorrelaes de curto prazo no
sazonais. Pelos dois arcabouos, fracionrio e (1) (0) I I , foi verificada a inconsistncia na
hiptese de convergncia a uma taxa natural de desemprego na Regio Metropolitana de So
Paulo e, portanto, desfavorvel argumentao da Escola da Persistncia. A trajetria da PED
essencialmente determinada por um comportamento no estacionrio. A existncia de um
componente permanente na taxa de desemprego da PED exprime a elevada rigidez no
mercado de trabalho da Regio Metropolitana de So Paulo. A taxa de crescimento do
desemprego em So Paulo, por outro lado, assintoticamente estacionria e tambm marcada
pela persistncia sazonal.

(1) (0) I I
118

6.3 Anlise da Variabilidade Relativa das Sries Consumo das Famlias e Renda
Disponvel: Aspectos Empricos por meio da Anlise de Ondaletas, Memria Longa e
Co-Integrao Fracionria

6.3.1 Introduo

Desde os postulados de Keynes acerca do consumo, introduzidos em sua Teoria Geral de
1936, diversas vertentes tericas estabeleceram-se tentando explicar os diferentes aspectos do
comportamento do consumidor. Um dos fatos de grande interesse nos estudos
macroeconmicos em alguns pases a aparente suavidade da varivel representativa do
consumo agregado das famlias, relativamente variabilidade da renda. Segundo Campbell &
Deaton (1989, p. 357), sobre a economia norte-americana:

() One of the most striking features of aggregate consumption behavior is that aggregate
consumption is smooth relative to aggregate income. Shifts in aggregate income are associated
with relatively small shifts in aggregate consumption, and variations in consumption about a
trend are smaller than variations in income about a trend. ()

A viso keynesiana original prev um consumidor decisivamente influenciado por sua renda
corrente, portanto, teoricamente contraditria observncia emprica da suavidade relativa do
consumo. Uma teoria, provavelmente a de maior destaque na explicao dessa constatao,
foi exposta por Milton Friedman em 1957, em sua obra intitulada A Theory of Consumption
Function. Friedman, partindo de um arcabouo de expectativas racionais dos agentes
econmicos em relao s escolhas intertemporais, introduzido anteriormente por Irving
Fisher, pressups a decomposio da renda agregada em dois componentes primrios: a renda
permanente e a renda corrente ou transitria. A renda permanente , segundo a concepo de
Friedman, aquela que os agentes esperam manter no futuro. Ela entendida como uma
percepo associada ao longo prazo no ciclo de vida das pessoas, na forma de uma renda
intertemporal. Sua caracterstica distintiva , segundo o autor, sua menor volatilidade
comparativamente renda de curto prazo, presumidamente transitria. A hiptese da renda
permanente (HRP) introduzida por Friedman conciliou a veracidade da constatao da
suavidade do consumo ao pressupor que essa varivel preponderantemente explicada pela
renda permanente. Inovaes na renda corrente gerariam inovaes proporcionalmente
pequenas na renda permanente e, portanto, inovaes pequenas tambm no consumo. Robert
119

Hall, em 1978, props avaliar empiricamente a HRP a partir de um teste sobre a significncia
dos termos defasados da renda, em um modelo de regresso, envolvendo as variveis
consumo corrente e renda disponvel, referentes aos E.U.A. Pressupondo que, sob a HRP, o
efeito conjunto dos coeficientes da renda defasada deve ser estatisticamente desprezvel, Hall
(1978) mostrou resultados que no apontaram fortes evidncias contrrias HRP. Trs anos
depois, Marjorie Flavin retomou o tema questionando a adequao do modelo utilizado nos
testes por Hall (1978). Flavin (1981) desenvolveu um modelo estrutural no qual o consumo
responde fundamentalmente s mudanas percebidas na renda permanente pelos agentes
econmicos a partir dos choques sobre suas rendas correntes. O modelo foi utilizado para
estimar o excesso de sensibilidade do consumo em relao renda corrente e testar a hiptese
resultante da HRP de que o excesso de sensibilidade deve ser zero. Seus procedimentos foram
formalizados sobre a metodologia e, ao contrrio de Hall (1978), implicaram a
rejeio categrica da HRP. Em 1987, Angus Deaton exps a possvel invalidade emprica do
Modelo do Ciclo de Vida e da HRP, na explicao do aparente excesso de suavidade do
consumo. Atento s implicaes originrias dos trabalhos de Beveridge & Nelson (1981) e
Nelson & Plosser (1982) sobre modelagem de variveis econmicas, o autor relatou
evidncias contrrias hiptese de que a renda permanente , de fato, mais suave que a renda
corrente e, portanto, a HRP no poderia embasar a explicao da suavidade relativa do
consumo. O pesquisador extraiu do modelo macroeconmico estilizado adotado por Flavin
(1981) qual deveria ser a variabilidade relativa das mudanas do consumo sob a HRP, em
termos dos choques no esperados na renda permanente. Fundamentando-se no arcabouo
ele evidenciou que as inovaes da renda permanente so mais volteis que as inovaes
na renda corrente. Por esse motivo, o modelo circunscrito Teoria do Ciclo de Vida sob a
HRP prev que a variabilidade do consumo deve ser maior que a das inovaes da srie da
renda, fato contraditrio ao evidenciado pelos dados norte-americanos. Ao mostrar um
excesso de suavidade relativa nos dados observados do consumo em comparao ao previsto
pelo modelo sob a HRP, Deaton (1987) instituiu um fato na literatura macroeconmica que
ficou conhecido como O Paradoxo de Deaton. Segundo Campbell & Deaton (1989, p. 357):

() However, there is no logical necessity that permanent income must be smoother than current
income. () Beveridge and Nelson (1981) showed that innovation variance of permanent
income will exceed that of current income if the growth rate of current income is predominant
positively auto-correlated () Deaton (1987) drew out the implications of these results for the
consumption functions, arguing that permanent income is indeed noisier than current income so
that permanent income theory fails to offer any straightforward and well-supported account of
why consumption is smoother than income ()

( , ) ARMA p q
(1) I
120

Segundo as pesquisas desses dois autores, utilizando modelos VAR, o consumo
relativamente suave porque ele responde defasadamente s variaes na renda. Outro
embasamento fornecido por Deaton (1992) mostra a suavidade do consumo como fruto da
percepo idiossincrtica sobre a renda: embora a renda de um indivduo possa parecer
extremamente voltil para um observador, ela pode no revelar muitas surpresas para
aquela pessoa e, portanto, ela pode suavizar seu consumo. Diebold & Rudebusch (1991)
propuseram avaliar a validade do Paradoxo de Deaton sob o arcabouo da integrao
fracionria. Segundo eles, o intuito verificar se o aparente excesso de suavidade do consumo
no seria resultante da adoo de pressupostos arbitrrios nos procedimentos dos testes
estatsticos realizados por Deaton. Os resultados de Diebold & Rudebusch (1991) mostraram-
se ambguos quanto existncia de um excesso de suavidade do consumo devido ampla
gama de possibilidades gerada pelos intervalos de confiana dos parmetros de integrao
fracionria estimados. Haubrich (1993) abordou de maneira semelhante o tema utilizando
outro instrumental fracionrio. Com as mesmas implicaes da argumentao de Diebold &
Rudebusch (1991), o autor exps que a inadequada interpretao sobre a srie renda conter
uma tendncia estocstica pode induzir percepo equivocada de um excesso de volatilidade
na renda permanente. Assim, o consumo, em sua comparao, torna-se relativamente suave. O
autor concluiu que o arcabouo fracionrio consegue conciliar a HRP com a varincia
observada dos dados e, portanto, explicar o paradoxo do excesso de suavidade. Lardic &
Mignhon (2005) expandiram a pesquisa de Diebold & Rudebusch (1991) considerando dados
sobre a Alemanha, Frana, Reino Unido, Estados Unidos e Canad. As autoras tambm
compararam as implicaes da utilizao do instrumental com o e
observaram uma discrepncia nos resultados para a Alemanha, Canad e Reino Unido entre as
duas tcnicas: para os dois primeiros pases, a modelagem negou a existncia do
Paradoxo de Deaton, avaliada favoravelmente pela metodologia ; no caso do Reino
Unido, o oposto foi verificado. Somente para a Frana e Estados Unidos os resultados, sob
ambas as metodologias, ratificaram a existncia do paradoxo. Lardic & Mignhon (2005)
creditaram a diferena de resultados melhor capacidade dos modelos de memria longa em
especificar a dinmica da renda.

Partindo dessa breve exposio introdutria, o propsito desse estudo abordar, no mbito da
economia brasileira, as variveis consumo e renda sob trs aspectos. O primeiro a
variabilidade relativa das sries. Seu propsito verificar se a varivel consumo das famlias
apresenta-se mais suave que a renda disponvel, tal como nos relatos sobre a economia norte-
ARIMA ARFIMA
ARFIMA
ARIMA
121

americana e de outros pases. Inicialmente, a comparao entre os padres de variabilidade
das duas sries feita de forma exploratria por meio de suas estatsticas descritivas. Em
seguida, proposta uma abordagem alternativa com a decomposio da variabilidade das duas
sries em diferentes nveis de escala de tempo, por meio da anlise em multirresoluo de
ondaletas. Essa anlise permite verificar se os padres relativos variabilidade das duas sries
alteram-se em funo da escala temporal envolvida. A motivao desse enfoque advm da
percepo, pela Teoria Econmica, de que os agentes exibem diferentes comportamentos
associados ao intervalo de tempo envolvido, que resume suas aes direcionadas ao curto ou
longo prazo como reflexo de sua racionalidade. O segundo grande tema tratado nesse estudo
refere-se anlise de memria longa nas duas variveis econmicas. So retratadas,
comparativamente, as caractersticas das sries extradas por meio dos arcabouos
e da integrao fracionria. So examinadas suas funes de autocorrelao e suas funes de
densidade espectral e confrontados os resultados dos testes de razes unitrias tradicionais
com a ordem de integrao estimada pelos mtodos fracionrios. Partindo dos modelos
e so estimados os parmetros de memria, curta e longa,
e calculadas suas respectivas funes impulso-resposta, que permitiro distinguir as
implicaes de cada metodologia sobre a influncia dos choques econmicos no
comportamento das sries. O terceiro tema o equilbrio de longo prazo entre as duas
variveis por meio da anlise de co-integrao. So comparados os resultados obtidos sob a
metodologia de Johansen (1995), no escopo da integrao , com os resultados dos
procedimentos de Davidson (2002c), que avalia a co-integrao no mbito da integrao
fracionria, apoiando-se na tcnica de bootstrap.

6.3.2 Apresentao das Sries e Aspectos Iniciais

Nesse estudo, so utilizadas as mesmas variveis sobre a economia brasileira nas quais so
baseados a maior parte dos estudos sobre a economia norte-americana: consumo das famlias
e renda disponvel. A Figura 36 traz os valores anuais, em log, das duas sries histricas, entre
os anos de 1947 a 2005, atualizados monetariamente em relao ao ano de 2005.
54

54
Foram utilizados os mesmos ndices adotados pelo Instituto de Pesquisas Econmicas aplicadas (IPEA) para a
correo da srie histrica do Produto Interno Bruto (PIB). O fator utilizado representa o Deflator Implcito do
PIB, considerando as mudanas de moeda que ocorreram no perodo.
(1) (0) I I
(1) (0) I I
122

Figura 36 - Sries Consumo das Famlias e Renda Disponvel (R$ de 2005 em log)

As sries abordadas nesse estudo fazem parte da conta Renda Nacional Disponvel Bruta do
Sistema de Contas Nacionais calculado pelo Instituto Brasileiro de Geografia e Estatstica
(IBGE). O grfico referente s sries sem suas tendncias lineares foi obtido por meio da
estimao dessas pelo Mtodo de Mnimos Quadrados. A anlise grfica preliminar no
revela diferenas significativas no comportamento das duas variveis. A Tabela 16 e a Figura
37 retratam as estatsticas descritivas das sries. A Figura 37 traz dois grficos: um grfico do
tipo box plot e um grfico conjunto das funes de densidade acumulada e de densidade de
probabilidade emprica (FDA e FDP). No primeiro, os valores extremos das hastes verticais
revelam o valor mximo e mnimo das variveis, enquanto os retngulos mostram a
concentrao dos valores das sries entre o 25
o
percentil e o 75
o
percentil. As linhas
horizontais internas indicam os valores da mdia de cada srie. O segundo grfico mostra uma
FDP no simtrica para as duas variveis. O coeficiente de variao, obtido pela razo desvio-
padro/mdia, no evidencia diferena significativa entre os valores calculados para o nvel
das sries.

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5
ln(cons)
ln(renda)
Renda Disponv el e Consumo da Famlias - Sries no Nv el

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
5
0
.
0
0
.
5

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
5
0
.
0
0
.
5
ln(cons)
ln(renda)
Renda Disponv el e Consumo da Famlias - Sries Sem Tendncia Linear
123

Tabela 16 - Estatsticas Descritivas das Sries Consumo das Famlias e Renda Disponvel
Mdia Desv. Pad. C. Variao Assimetria Curtose 0.00 0.25 0.50 0.75 1.00
Consumo 19.8547 0.8358 0.0421 -0.5294 1.8025 18.2145 19.2169 20.2357 20.5387 20.7959
Renda 20.2397 0.9021 0.0446 -0.4792 1.8072 18.4788 19.5262 20.5935 21.0054 21.357
D(Consumo) 0.0445 0.0512 1.1506 -0.3283 2.5659 -0.0835 0.0137 0.0456 0.0868 0.1351
D(Renda) 0.0496 0.0400 0.8065 -0.4160 2.7461 -0.0537 0.0214 0.0487 0.0825 0.1318
Quartil
Variveis
Estatsticas

Figura 37 - Estatsticas Descritivas, Funo de Densidade Acumulada e Funo de Densidade de
Probabilidade Empricas das Sries Consumo das Famlias e Renda Disponvel

A Tabela 17 resume os valores das estatsticas das distribuies empricas de bootstrap e os
respectivos intervalos de confiana, sem e com o ajuste pelo vis estimado.
55
A Figura 38
mostra as distribuies estimadas pela tcnica.

Tabela 17 - Estatsticas de Bootstrap sobre a Varincia das Sries
Observado Vis Mdia Desv. Padro 2.5% 5.0% 95.0% 97.5% 2.5% 5.0% 95.0% 97.5%
Consumo 0.6986 -0.0126 0.6861 0.0825 0.5208 0.5488 0.8188 0.8431 0.5554 0.5785 0.8501 0.8803
Renda 0.8137 -0.0108 0.8029 0.0947 0.6117 0.6441 0.9568 0.9870 0.6415 0.6704 0.9852 1.0150
IC Empricos IC Empricos (vis ajustado)
Variveis
Estatsticas de Bootstrap

Figura 38 - Distribuies de Bootstrap das Varincias das Sries Consumo das Famlias e Renda
Disponvel

55
Nesse estudo, a ordem adotada foi de 10.000 replicaes.
Consumo Renda
18.5
19
19.5
20
20.5
21
21.5
V
a
l
o
r
e
s
:

C
o
n
s
u
m
o
,

R
e
n
d
a
Estatisticas Descritivas
17 17.5 18 18.5 19 19.5 20 20.5 21 21.5 22 22.5 23 23 23
0
0.2
0.4
0.6
0.8
1
x , y
F
(
x
)

,

F
(
y
)

,

f
(
x
)

,

f
(
y
)
FDA X FDP - Empricas
FDA(Consumo)
FDA(Renda)
FDP(Consumo)
FDP(Renda)
0.4 0.6 0.8 1.0 1.2
0
1
2
3
4
5

0.4 0.6 0.8 1.0 1.2
0
1
2
3
4
5

Consumo Famlias
Renda Disponvel
Var. Ajustada
Var. Emprica
Pto. Igualdade Dist. Emp.
Limites rea Igualdade
Distribuies de Bootstrap
Valor
0.4098 0.7547 0.9714
124

6.3.3 Anlise em Multirresoluo e Varincia de Ondaletas

A Teoria Econmica prev diferentes comportamentos associados ao curto e longo prazo
como reflexo das aes racionais dos agentes econmicos. Por meio da decomposio de
ondaletas no domnio tempo-escala, possvel estender a anlise da variabilidade de sries
econmicas condicionada s diferentes periodicidades. Dentro da ampla gama de famlias de
ondaletas, foi escolhida para a anlise multirresoluo a ondaleta la8 pertencente famlia
das ondaletas ortonormais least asymmetric, construda por Ingrid Daubechies. A escolha
foi baseada em sua caracterstica de quase-simetria, e por produzir uma decomposio mais
suavizada do sinal.
56
Percival & Walden (2000) comentam que apesar das ondaletas da famlia
coiflets, tambm construdas por Daubechies, apresentarem melhores propriedades em
termos do deslocamento de fase angular que as ondaletas la, sua forma triangular torna-as
inferiores para absorver as caractersticas da maioria das sries temporais. A Figura 39 exibe a
decomposio em multirresoluo conjunta das sries em cinco nveis de escalas didicas
geradas por meio da DWT.
57
O componente de aproximao ou escala ( ) exibe o
comportamento de nvel da srie em termos da escala fsica, , de 32 anos ( ).
Os componentes de detalhes ( ) refletem o comportamento de alta freqncia das sries e
so responsveis pela decomposio de suas variabilidades: eles mostram como o
comportamento mdio das variveis, associado a uma determinada escala de tempo, varia de
um perodo para outro. Os componentes de detalhe refletem as variaes sobre
as escalas fsicas , , ou seja, de 1, 2, 4, 8 e 16 anos (Percival &
Walden (2000), p. 128 e 192). Genay et al (2002, p.142) explicam que cada componente de
detalhe captura a variabilidade da srie associada s freqncias no intervalo
. Ou seja, captura qualquer oscilao com perodo de a unidades
de tempo. Assim, o conjunto de grficos formado pela Figura 39, em relao ao consumo das
famlias, mapeia as mudanas no padro (mdio) de consumo dos agentes econmicos
(famlias) em considerando diferentes intervalos de tempo.

56
A escolha da largura do filtro baseou-se na condio 2 L d _ , para filtros la(L), aplicada s sries no
estacionrias e para evitar o problema de transbordamento (leakage) na anlise de varincia de ondaletas
[Percival & Walden (2000, p.305-06 e 196) ].
57
O nmero de nveis para decomposio seguiu o critrio
0 2
log ( ) J N _ . Foi aplicado o procedimento zero-
padding para corrigir o problema de distoro nas bordas.
5 S
2
J
j
t A =
0
5 J =
j
D
1 2 5
, ,..., D D D
1
2
j
j
t t A
= 1, 2,...,5 j =
j
D
1
1/ 2 1/ 2
j j
v
_ _ 2
j 1
2
j
125

Figura 39 Anlise Multirresoluo das Sries Consumo das Famlias e da Renda Disponvel:
Componentes de Detalhe { 1, ..., 5} D D Associados s Escalas (fsicas) de 1, 2, 4 8 e 16 anos e Componente
de Aproximao
5
{ } S Associado Escala de 32 anos

Conforme a figura, e como previsto pela Teoria Econmica, as amplitudes das variaes do
consumo e da renda esto positivamente associadas s escalas mais altas. As variaes
maiores so as menos freqentes em ambas as variveis: mudanas singulares na renda e no
consumo ocorrem, com maior probabilidade, no longo prazo. No curto prazo, as mudanas
associadas a essas variveis, embora sejam mais volteis, possuem menor amplitude. Pelos
componentes de detalhes e , possvel perceber que o comportamento da varincia
entre as sries nas escalas de 16 e 8 anos possuem comportamentos quase semelhantes. Na
0 10 20 30 40 50 60
18
19
20
21
22
Sries Consumo das Famlias e Renda Disponvel (log)
Consumo
Renda
0 10 20 30 40 50 60
18
20
22
Componente de Escala S5
S
5
0 10 20 30 40 50 60
-0.2
0
0.2
Componentes de Detalhes D5:D1
D
5
0 10 20 30 40 50 60
-0.2
0
0.2
D
4
0 10 20 30 40 50 60
-0.2
0
0.2
D
3
0 10 20 30 40 50 60
-0.1
0
0.1
D
2
0 10 20 30 40 50 60
-0.05
0
0.05
D
1
5 D 4 D
126

escala de 4 anos, a variabilidade das duas sries comea a exibir padres diferentes a partir da
observao referente ao ano de 1981. A diferena entre as variabilidades das sries, como
pode ser constatada nos grficos dos componentes , e , concentrada nas escalas
mais baixas. As variabilidades associadas aos prazos mais longos possuem comportamentos
muito prximos. Na escala de 1 ano, apesar de algumas diferenas de amplitude em
determinados momentos, os componentes parecem estar em fase, ou seja, em um mesmo
alinhamento temporal.

Embora a anlise da varincia em multirresoluo seja possvel tanto por meio da
Transformada Discreta de Ondaletas (DWT) como pela Transformada Discreta de Ondaletas
de Mxima Sobreposio (MODWT), o segundo caso gera, de acordo com Percival (1995),
um estimador da varincia de ondaletas assintoticamente mais eficiente.
58
A anlise da
varincia em multirresoluo provm diretamente da condio estabelecida pela conservao
de energia, tambm vlida para os coeficientes da MODWT.
59
De acordo com Percival &
Walden (2000) e Genay et al (2002):
(6.3)
sendo que e representam, respectivamente, o vetor dos coeficientes de detalhes e
de aproximao obtidos pela transformada MODWT nas escalas e
. Serroukh, Walden & Percival (2000) e Percival & Walden (2000) explicam que
os coeficientes de ondaletas relativos escala , tal como os componentes de detalhe
da DWT, so nominalmente associados com freqncias no intervalo . Na
Tabela 18, mostrada a distribuio de energia entre os coeficientes da transformada
MODWT para as duas sries estudadas e suas respectivas estatsticas. Na ltima coluna da
tabela, possvel perceber que a energia das sries extremamente concentrada nos
coeficientes de escala, que refletem as tendncias das sries.

58
A MODWT gera coeficientes em multirresoluo que so associados a filtros em fase com a srie original e
no promove o downsampling no processo de filtragem. Maiores detalhes, ver Percival & Walden (2000).
59
Ao contrrio do que ocorre com a DWT, em que a conservao de energia obedecida tanto pelos coeficientes
de ondaletas quanto pelos componentes de ondaletas (cristais), na MODWT ela garantida somente para os
coeficientes de ondaletas.
1
D 2 D 3 D
2 2
2
( ) ( )
1
( )
J
w w
j J
j
x t W V
=
=
_

( ) w
j
W
( ) w
J
V
1
2
j
j
t t A
= 2
J
j
t A =
1, 2,..., j J =
( ) w
j
W
j
t
1
[1/ 2 ;1/ 2 ]
j j
t t A A
127

Tabela 18 - Estatsticas da Transformada MODWT e Distribuio da Energia entre as Escalas

Na penltima coluna, so apresentadas as varincias de ondaletas estimadas por MODWT.
Contudo, Percival & Walden (2000) explicam que o estimador da varincia de ondaletas pela
MODWT ser no viesado se forem descartados os coeficientes de ondaletas que sofrem
influncia do filtro de ondaletas nas bordas da srie no processo de filtragem.
60
Esse
procedimento de descarte denominado por Whitcher (1999) como brick-wall conditions.
A Figura 40, Figura 41 e Figura 42 exibem as varincias de ondaletas, com a transformao
logartmica, calculadas por meio da MODWT com imposio da condio brick wall para
os trs nveis de escalas temporais didicas mais baixos, , e sem a condio para as
duas escalas mais altas, .
61
Cada grfico atribui varincia de ondaletas um intervalo
de confiana, calculado sob diferentes hipteses da distribuio dos dados. Percival & Walden
(2000) mostraram formas de calcular os intervalos baseando-se em trs tipos de
equivalncia dos graus de liberdade (EDOF). O procedimento promove uma correo,
dependendo da hiptese assumida sobre a distribuio dos dados. No primeiro caso, Figura
40, o intervalo foi calculado com base no procedimento , indicado aos casos em que no se
tem informaes, a priori, sobre a distribuio. Na Figura 41, foi utilizado o procedimento
, que pressupe uma distribuio no gaussiana, e na Figura 42, foi utilizado o
procedimento , que pressupe a distribuio Normal. Os autores comentam que a hiptese
de normalidade uma boa escolha quando se dispe de um nmero razovel de observaes,
. Independentemente da hiptese adotada para a construo do intervalo de
confiana, percebido nos trs grficos que, ao nvel de 95% de confiana, no verossmil a

60
Procedimento de filtragem circular tradicionalmente utilizado para solucionar o problema denominado por
bordering conditions que ocorre nas extremidades das sries pela utilizao de filtros de ondaletas com
larguras mais amplas.
61
A inexistncia de coeficientes de MODWT sem sofrerem dos efeitos da filtragem circular impede a estimao
da varincia (no viesada) nos nveis 4 e 5.
Varivel Coef. Min 1Q Mediana 3Q Max Mdia Dev. Pad Var Energy %
W1 -0.8490 -0.0120 0.0020 0.0100 0.6520 0.0000 0.1450 0.0210 0.0050
W2 -0.6930 -0.0210 -0.0020 0.0260 0.6550 0.0000 0.1670 0.0280 0.0070
W3 -0.7520 -0.0640 0.0090 0.0730 0.6140 0.0000 0.2220 0.0490 0.0120
W4 -0.7970 -0.0970 0.0410 0.1240 0.6650 0.0000 0.3290 0.1080 0.0270
W5 -0.9780 -0.5320 0.1950 0.4950 0.6590 0.0000 0.5710 0.3260 0.0810
V5 19.2810 19.4560 19.8440 20.2520 20.4270 19.8550 0.4080 0.1660 99.8680
W1 -0.9450 -0.0090 -0.0010 0.0080 0.7220 0.0000 0.1600 0.0260 0.0060
W2 -0.7760 -0.0150 -0.0030 0.0210 0.7480 0.0000 0.1880 0.0350 0.0080
W3 -0.8420 -0.0630 0.0090 0.0630 0.7040 0.0000 0.2510 0.0630 0.0150
W4 -0.8700 -0.0840 0.0450 0.1490 0.7020 0.0000 0.3530 0.1250 0.0300
W5 -1.0460 -0.5660 0.2110 0.5110 0.7430 0.0000 0.6120 0.3750 0.0900
V5 19.6280 19.8130 20.2460 20.6670 20.8500 20.2400 0.4360 0.1900 99.8510
Estatsticas da Transformada MODWT - semBrick-Wall
Consumo
Renda
1, 2,3 j =
4,5 j =
3
q
2
q
1
q
128 N _
128

hiptese de igualdade entre as varincias de ondaletas das duas sries na escala de tempo mais
baixa (um ano).
62
A partir da escala de tempo de dois anos, obtida a igualdade estatstica, ou
seja, considerando seus intervalos de confiana. Para as escalas mais altas, nota-se a
convergncia das varincias a nveis relativos estveis, nos quais so observados valores
levemente superiores do parmetro da renda disponvel. A dinmica exposta por esse quadro
revela que, medida que o intervalo temporal estendido, o consumo torna-se relativamente
suave at atingir um patamar de igualdade estatstica em relao varincia da renda
disponvel. Essa constatao revela que no encontrada, nos dados brasileiros, a motivao
bsica que induziu Friedman criao da HRP. Ou seja, no se verificou que o consumo
expressivamente mais suave que a renda corrente. No entanto, a HRP no perde sua
relevncia, devido verificao emprica da suavizao relativa do consumo renda
disponvel em funo das escalas temporais (mais elevadas). As incertezas e a miopia dos
agentes econmicos em relao sua renda futura so provavelmente os principais fatores que
explicam a varincia do consumo relativamente mais elevada que a da renda no curto prazo.
medida que so considerados prazos maiores, os agentes econmicos elevam sua
capacidade de prever corretamente sua renda intertemporal, e essa maior previsibilidade,
reduz suas incertezas, impelindo-os a suavizar seu padro de consumo. A igualdade estatstica
das varincias nas escalas mais elevadas indica, nos termos da HRP, que no Brasil a renda
permanente revela-se igual renda corrente, seguindo, portanto, a lgica keynesiana.

Figura 40 - Varincia de Ondaletas com

62
Resultados semelhantes foram obtidos com as ondaletas Haar, Daubechies (d4 e d8), least asymmetric (s2, s4
e s6) , coiflet (c6) e best localized (l2, l4 e l6).
0 1 2 4
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
Varincia de Ondaletas com Brick-Wall e IC
q3
(95%) - Valores em log
Escalas (a
j
=2
j-1
; j=1,2,3)
V
a
r
i
n
c
i
a
Consumo
Renda
8 16
-4
-3
-2
-1
0
1
2
3
4
Varincia de Ondaletas sem Brick-Wall e IC
q3
Escalas (a
j
=2
j-1
; j=4,5)
V
a
r
i
n
c
i
a
Consumo
Renda
3
(95%) IC
q
129



6.3.4 Anlise de Memria Longa nas Sries Consumo das Famlias e Renda Disponvel

Essa seo destina-se avaliao da persistncia nas sries consumo das famlias e renda
disponvel por meio da estimao de suas ordens de integrao (fracionrias) e de suas
representaes . A anlise desenvolvida nessa etapa interage com a anlise
de co-integrao fracionria desenvolvida subseqentemente. Em paralelo aos modelos de
memria longa, sero estimados os modelos correspondentes pela abordagem
e confrontadas as principais diferenas de resultados entre as metodologias.
63

Com esse fim, a disposio dos tpicos dessa seo foi ordenada sob duas temticas:
abordagem e abordagem de memria longa. Sob o primeiro enfoque ser
mostrada a anlise economtrica de raiz unitria tradicional. Em seguida, sero estimados os

63
Modelos ( , , ) ARIMA p d q estimados por MV por meio do S-Plus.
0 1 2 4
-10
-9
-8
-7
-6
-5
-4
-3
q2
Escalas (a
j
=2
j-1
; j=1,2,3)
V
a
r
i
n
c
i
a
Consumo
Renda
8 16
-7
-6
-5
-4
-3
-2
-1
0
1
q2
Escalas (a
j
=2
j-1
; j=4,5)
V
a
r
i
n
c
i
a
Consumo
Renda
2
(95%) IC
q
0 1 2 4
-10
-9
-8
-7
-6
-5
-4
-3
q1
Escalas (a
j
=2
j-1
; j=1,2,3)
V
a
r
i
n
c
i
a
Consumo
Renda
8 16
-7
-6
-5
-4
-3
-2
-1
0
1
q1
Escalas (a
j
=2
j-1
; j=4,5)
V
a
r
i
n
c
i
a
Consumo
Renda
1
(95%) IC
q
( , , ) ARIMA p d q
(1) (0) I I
130

modelos sob a abordagem , de acordo com as indicaes dos testes anteriores.
Sob o segundo enfoque, sero utilizados os procedimentos fracionrios para a identificao de
comportamentos de memria longa nas sries. Na seqncia, sero identificadas as
especificaes melhores adaptadas filtragem das informaes de memria
longa e curta existentes nos dados. A partir das duas metodologias, sero comparadas suas
funes impulso-resposta. Os modelos fracionrios escolhidos iro compor a anlise de co-
integrao fracionria, desenvolvida na seo seguinte e comparada com.as abordagens de co-
integrao (1) (0) I I de Engle & Granger (1987) e Joanhsen (1995).

Na Figura 43, so mostradas as funes de autocorrelao (FAC) e autocorrelao parcial
(FAC-P) das sries consumo das famlias e renda disponvel. Algumas particularidades so
evidenciadas em seus grficos: (1) as formas, tanto a FAC como a FAC-P das duas sries
apresentam-se muito semelhantes; (2) a FAC de ambas exibe a caracterstica de caimento
hiperblico na forma de uma co-senide amortecida, podendo indicar a presena longos ciclos
no nvel das sries. Por sua vez, a FAC-P exibe uma elevada autocorrelao de ordem 1 para
ambas as sries.

Figura 43 - Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P) das Sries
Consumo das Famlias e Renda Disponvel

Na Figura 44, so mostrados os grficos da funo de densidade espectral (FDE) das duas
sries, estimada por meio do periodograma com uma janela espectral de Parzen com largura
( , , ) ARIMA p d q
Lag
A
C
F
0 10 20 30 40 50 60
-
0
.
4
0
.
0
0
.
4
0
.
8

FAC - Consumo das Famlias
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50 60
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC-P - Consumo das Famlias
Lag
A
C
F
0 10 20 30 40 50 60
-
0
.
4
0
.
0
0
.
4
0
.
8

FAC - Renda Disponvel
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50 60
-
0
.
2
0
.
2
0
.
6

FAC-P - Renda Disponvel
131

de faixa de 0.1. As FDE foram estimadas com base nas sries, extradas as suas respectivas
tendncias lineares pelo Mtodo de Mnimos Quadrados Ordinrios.

Figura 44 - Funo de Densidade Espectral do Consumo das Famlias e da Renda Disponvel
(Baseada na FACV das Sries sem Tendncia Linear)

A FDE mostra-se lentamente decrescente, revelando uma concentrao de energia espectral
nas baixas freqncias. Tanto os comportamentos da FAC quanto da FDE so peculiares aos
processos com memria longa/no estacionrios. Os testes utilizados para inferir a ocorrncia
de uma tendncia estocstica nas sries so mostrados na Tabela 19.

Tabela 19 - Testes de Raiz Unitria

Como pode ser observado, nenhum deles apresentou evidncias contrrias hiptese da srie
conter uma raiz unitria. Os resultados do teste KPSS, sob a hiptese nula de estacionariedade,
mostraram-se em linha com os resultados dos testes ADF, DF-GLS, ERS e MEPP,
independentemente dos termos deterministas includos na equao testada. Na Figura 45
Frequncia (Ny quist)
0.0 0.1 0.2 0.3 0.4 0.5
-
1
0
0
-
6
0
-
2
0
Densidade Espectral do Consumo da Famlias - Sem Tendncia
Frequncia (Ny quist)
0.0 0.1 0.2 0.3 0.4 0.5
-
8
0
-
6
0
-
4
0
Densidade Espectral da Renda Disponvel - Sem Tendncia
Constante e Tendncia Constante Nenhum Constante e Tendncia Constante Nenhum
ADF -0.7419 -2.1610 0.7347 I(1) -0.5267 -2.0340 0.9899 I(1)
DF-GLS -1.0954 -0.1987 0.7347 I(1) -0.6074 0.3339 0.9899 I(1)
ERS 7.2559 20.8498 64.1379 I(1) 35.0184 47.4779 151.7508 I(1)
MEPP -2.6202 -0.5406 7.9939 I(1) -0.7538 0.1772 11.7560 I(1)
KPSS 0.3630** 1.4991** - I(1) 0.3686** 1.5241** - I(1)
0
0
: Srie Estacionria
* Rejeita H
0
0
Consumo das Famlias Renda Disponvel
Testes
Deciso
Deciso
132

mostrado o grfico das sries em primeiras diferenas e na Figura 46, suas respectivas FAC e
FAC-P.

Figura 45 - Grfico das Sries Consumo das Famlias e Renda Disponvel em Primeiras Diferenas

Figura 46 - Funes de Autocorrelao (FAC) e Funes de Autocorrelao Parcial (FAC-P) das Sries
Consumo das Famlias e Renda Disponvel em Primeiras Diferenas.

Baseando-se nos valores da FAC e FAC-P, foram estimados modelos para as
duas sries. Os modelos que se mostraram melhor ajustados para descrever o comportamento
histrico de ambas as sries so mostrados na Tabela 20. Outras especificaes com
parmetros auto-regressivos e de mdias mveis de ordens mais elevadas foram testados e no
produziram resultados superiores.

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
0
5
0
.
0
0
.
0
5
0
.
1
0

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
0
5
0
.
0
0
.
0
5
0
.
1
0
D(ln(cons))
D(ln(renda))
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Consumo das Famlias (Primeira Diferena)
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
2
0
.
4

FAC-P - Consumo das Famlias (Primeira Diferena)
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Renda Disponvel (Primeira Diferena)
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
2
0
.
4

FAC-P - Renda Disponvel (Primeira Diferena)
( ,1, ) ARIMA p q
133

Tabela 20 Modelos ( , , ) ARIMA p d q
| o
| P-Valor Intercepto o
|
1
=0.3811 0.1244 0.0034
|
2
=0.0460 0.1327 0.7301
|
3
=0.0466 0.1316 0.7245
|
4
=0.1361 0.1316 0.3059
|
5
=-0.1851 0.1327 0.1692
|
6
=0.4412 0.1244 0.0008
|
1
=0.5181 0.1257 0.0001
|
2
=0.3391 0.1257 0.0092
Razes dos Polinmios: (1.1965, 1.1624, 1.1624, 1.0427, 1.1236, 1.1965) e (1.1155, 2.6432) ; Mdias das sries extradas.
0
: No Existe Autocorrelao) ; ** P-Valores em parnteses (H
0
: No Existem Efeitos ARCH)
Renda
Disponvel
ARIMA(2,1,0) -204.56 0.0346
ARIMA(p, d, q)
12.5971
(0.7627)
-150.62
7.9414
(0.7897)
Variveis
(log)
Modelo
Consumo
das Famlias
ARIMA(6,1,0)
6.5665
(0.8849)
0.0435 0.0635
9.5770
(0.6530)
8.22256
(0.7673)
7.1911
(0.9809)
-0.0051

Figura 47 - Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P) dos Resduos
do Modelo para as Sries Consumo das Famlias e Renda Disponvel

Os valores apresentados na Tabela 21 referem-se aos parmetros de integrao fracionria
estimados para as duas sries. Tomando-se o estimador de MV, considerado o mais acurado
nesse trabalho, so exibidos parmetros superiores unidade, indicando que as sries so no
estacionrias e no reversveis mdia. Apenas o estimador que utiliza a ondaleta Haar e com
o mtodo mnimos quadrados avaliou, pontualmente, um parmetro inferior unidade.
64

64
Como relatado anteriormente, a ondaleta Haar possui um filtro de largura 2, no sendo, segundo Percival &
Walden (2000), a mais adequada na estimao do espectro de ondaletas. Os estimadores GPH e M-Per aplicados
primeira diferena da srie geraram, respectivamente,

0.7299(
0.3863)
GPH
c
d = e 0.4503(
0.1021)
c
MP
d = para a
srie do consumo das famlias e

0.3233(0.3863
)
GPH
y
d = e 0.2424(0.0369
)
y
MP
d = , com os desvios-padro entre
parnteses.
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Consumo das Famlias (ARIMA(6,1,0))
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
1
0
.
2

FAC-P - Consumo das Famlias (ARIMA(6,1,0))
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Renda Disponvel (ARIMA(2,1,0))
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC-P - Renda Disponvel (ARIMA(2,1,0))
( ,1, ) ARIMA p q
134


Figura 48 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos dos
Estimadores de MV ( ) para as Sries Consumo das Famlias e Renda Disponvel

A Tabela 22 mostra os valores dos parmetros estimados sob a modelagem .
Da mesma forma como ocorrido na modelagem , uma autocorrelao de
ordem 6 mostrou-se persistente aps a diferenciao fracionria da srie consumo das
famlias. O mesmo procedimento adotado anteriormente foi realizado para os modelos
. Foi escolhido o modelo para a srie consumo das
famlias. No caso da srie renda disponvel, aceitou-se a indicao da estatstica BIC e deu-se
preferncia ao modelo mais parcimonioso ao porque no
so evidenciadas autocorrelaes residuais estatisticamente diferentes de zero em sua FAC e
FAC-P. Graficamente, pouco se pode distinguir entre os modelos e
, como observado na Figura 51. O critrio de informao baeysiano (BIC)
Variveis Parmetros
(log) LSE WLSE LSE WLSE LSE WLSE LSE WLSE
d 1.2413 1.6747 1.1909 0.9918 1.0404 1.0757 1.1894 1.1116 1.2744 1.1555 1.3511
o
d
0.1029 0.3863 0.0715 0.0351 0.0275 0.0705 0.0668 0.0936 0.1006 0.1093 0.1183
P-Valor 0.0000 0.0001 0.0000 0.0000 0.0000 0.0001 0.0001 0.0003 0.0002 0.0005 0.0003
IC(d2 o)
[1.04;1.45] [0.90;2.45] [1.05;1.33] [0.92;1.06] [0.99;1.10] [0.93;1.22] [1.06;1.32] [0.92;1.30] [1.07;1.48] [0.94;1.37] [1.11;1.59]
d 1.3709 1.6769 1.1605 0.9777 1.0270 1.0600 1.1708 1.0962 1.2527 1.1401 1.3268
o
d
0.1029 0.3863 0.0658 0.0335 0.0280 0.0663 0.0671 0.0880 0.1007 0.1018 0.1178
P-Valor 0.0000 0.0001 0.0000 0.0000 0.0000 0.0001 0.0001 0.0002 0.0002 0.0004 0.0004
IC(d2 o)
[1.17;1.58] [0.90;2.45] [1.03;1.29] [0.91;1.04] [0.97;1.08] [0.93;1.19] [1.04;1.30] [0.92;1.27] [1.05;1.45] [0.94;1.34] [1.09;1.56]
(*) Estimador de MV de Beran (1995) do S-Plus ; GPH calculado com argumentos padro: span=1, taper=0.1, o=0.5; M-Per o estimador
suavizado de Reisen com Janela Espectral de Parzen ; Todos calculados com a srie extraindo a mdia.
(**) Estimador de Percival & Walden (2000) construdo com base no cdigo WaveCov para S-Plus de Whitcher ; Calculados com 5 nveis de decomposio.
Renda
Disponvel
Consumo das
Famlias
GPH
Haar
MV M-Per
Estimadores Tradicionais*
db4
Estimadores de Ondaletas**
la16 la8
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Consumo das Famlias (ARFIMA(0,1.2413,0))
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
2
0
.
4

FAC-P - Consumo das Famlias (ARFIMA(0,1.2413,0))
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Renda Disponvel (ARFIMA(0,1.3709,0))
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
1
0
.
2

FAC-P - Renda Disponvel (ARFIMA(0,1.3709,0))
(0, , 0) ARFIMA p
( , , ) ARIMA p d q
( , , ) ARFIMA p d q (6,1.1468, 0) ARFIMA
(0, , 0) ARFIMA d (1, , 0) ARFIMA d
( , , ) ARIMA p d q
135

indica que se deve dar preferncia aos modelos ajustados pela metodologia
em comparao aos . A avaliao da soma dos quadrados dos resduos mostra
uma ligeira superioridade dos modelos de memria longa: ,
, , .

Tabela 22 Modelos ( , , ) ARFIMA p d q Ajustados para as Sries Consumo das Famlias e Renda
Disponvel

Figura 49 Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos dos
Modelos para as Sries Consumo das Famlias e Renda Disponvel
( , , ) ARIMA p d q
0.0957
Cons
ARFIMA
SQR =
0.0987
Cons
ARIMA
SQR =
Re
0.0667
nda
ARFIMA
SQR =
Re
0.0685
nda
ARIMA
SQR =
d
o
d P-Valor
|
i
, u
i
o
|,u P-Valor

Ax
o
ARFIMA(0,d,0) 1.2413 0.1029 0.0000 - - - 0.0441 0.0475 -184.32 23.5291 (0.0236) 19.7165 (0.0726) 17.8136 (0.4007)
ARFIMA(1,d,0) 0.5051 0.2493 0.0477 |
1
=0.8615 0.1617 0.0000 0.0458 0.0483 -177.55 28.4984 (0.0047) 23.9308 (0.0208) 18.4957 (0.3582)
ARFIMA(0,d,1) 1.0777 0.2048 0.0000 u
1
=-0.2284 0.2545 0.3732 0.0443 0.0513 -171.80 29.6044 (0.0032) 24.9330 (0.0151) 18.1945 (0.3767)
|
1
=0.2343 0.2766 0.4015
|
2
=0.0452 0.1467 0.7592
|
3
=0.0484 0.1284 0.7080
|
4
=0.1305 0.1254 0.3036
|
5
=-0.1529 0.1275 0.2368
|
6
=0.4601 0.1248 0.0006
ARFIMA(0,d,0) 1.3709 0.1029 0.0000 - - - 0.0496 0.0337 -223.32 9.4610 (0.6631) 8.1802 (0.7709) 6.4335 (0.9898)
ARFIMA(1,d,0) 0.5185 0.1906 0.0088 |
1
=0.9198 0.0957 0.0000 0.0503 0.0336 -219.74 9.4881 (0.6608) 8.0924 (0.7779) 6.9106 (0.9847)
ARFIMA(0,d,1) 1.1506 0.2222 0.0000 |
1
=-0.2973 0.2708 0.2770 0.0495 0.0382 -205.70 14.5734 (0.2656) 12.6790 (0.3928) 9.9409 (0.9061)
Razes do Polinmio: (1.1888, 1.1429, 1.1429, 1.0677, 1.1024, 1.1888)

0
Modelo
Variveis
(log)
ARFIMA(6,d,0)
ARFI MA(p, d, q)
7.5797 (0.8171) 6.2881 (0.9009) 12.1133 (0.7932) 1.1468 0.3029 0.0005 0.0436 -170.77 0.0442
Renda
Disponvel
Consumo
das
Famlias
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Consumo das Famlias (ARFIMA(6,1.1468,0))
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
1
0
.
2

FAC-P - Consumo das Famlias (ARFIMA(6,1.1468,0))
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Renda Disponvel (ARFIMA(0,1.3709,0))
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
0
0
.
1
0
.
2

FAC-P - Renda Disponvel (ARFIMA(0,1.3709,0))
136

Figura 50 - Resduos dos Modelos das Sries Consumo das Famlias e Renda Disponvel

Figura 51 - Modelos Ajustados para as Sries Consumo das Famlias e Renda Disponvel

A comparao entre as FIR calculadas a partir de cada modelo selecionado permite identificar
a diferena dos efeitos dos choques sobre o futuro das sries pelas metodologias

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
1
5
-
0
.
1
0
-
0
.
0
5
0
.
0
0
.
0
5
0
.
1
0
0
.
1
5

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
-
0
.
1
5
-
0
.
1
0
-
0
.
0
5
0
.
0
0
.
0
5
0
.
1
0
0
.
1
5
Consumo da Famlias
Renda Disponivel

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5
Consumo
ARFIMA(6,1.1468,0)
ARIMA(6,1,0)
Consumo da Famlias e Modelos ARFIMA(6,1.1468,0) e ARIMA(6,1,0)

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
1
8
.
5
1
9
.
5
2
0
.
5
Renda
ARFIMA(0,1.3709,0)
ARIMA(2,1,0)
Renda Disponvel e Modelos ARFIMA(0,1.3709,0) e ARIMA(2,1,0)
137

e . Na Tabela 23, so mostrados os valores da FIR sob os
dois arcabouos e na Figura 52 so exibidos seus respectivos grficos comparativos.

Tabela 23 - Funes Impulso-Resposta Calculadas com Base nos Modelos e

Figura 52 - Funo Impulso-Resposta Calculada com base nas Parametrizaes dos Modelos
, , e

O quadro exibido pelas FIR expressa o padro no estacionrio das sries: os choques sob as
duas abordagens continuam permanentemente na memria do processo. Particularmente para
a srie consumo das famlias, a FIR-ARFIMA mantm-se sempre crescente a um nvel
superior ao da FIR-ARIMA. J para a srie renda disponvel, as FIR-ARIMA mostraram
( , , ) ARIMA p d q
ARFIMA(6,1.1468,0) ARIMA(6,1,0) ARFIMA(0,1.13709,0) ARIMA(2,1,0)
1
1.3811 1.3811 1.3709 1.5181
5
2.0373 1.8881 2.1434 3.4806
10
3.4980 3.1888 2.7078 4.9643
20
5.1814 4.6210 3.4592 6.3192
30
6.2722 5.5849 4.0040 6.7729
40
7.0116 6.2243 4.4456 6.9248
50
7.5236 6.6460 4.8231 6.9757
100
8.7795 7.3583 6.2213 7.0012
150 9.4034 7.4464 7.2248 7.0013
Anos
Frente
Consumo das Famlias Renda Disponvel
Funo Impulso-Resposta (FIR)

0 50 100 150
0
2
4
6
8
1
0
Tempo (Anos)
F
I
R
0 50 100 150
0
2
4
6
8
1
0
ARFIMA
ARIMA
FIR - Consumo das Famlias

0 50 100 150
0
2
4
6
8
1
0
Tempo (Anos)
F
I
R
0 50 100 150
0
2
4
6
8
1
0
ARIMA
ARFIMA
FIR - Renda Disponvel
(6,1, 0) ARIMA (6,1.1468, 0) ARFIMA (2,1, 0) ARIMA (0,1.3709, 0) ARFIMA
138

valores superiores aos da FIR-ARFIMA na maior parte do perodo avaliado. Adicionalmente,
a FIR-ARFIMA exibiu um crescimento mais lento, porm contnuo, no intervalo avaliado de
150 anos. A FIR do modelo mostrou-se mais rapidamente convergente para
um valor estacionrio, estimado em 6.9001 aps 100 anos aproximadamente. Aps 139 anos,
os valores da FIR-ARFIMA ultrapassam os da FIR-ARIMA. A diferena entre as duas
metodologias, mesmo para perodos mais prximos, 10 a 20 anos, significativa.
Considerando a FIR para o perodo de 10 anos, por exemplo, o impacto estimado dos choques
pela abordagem tradicional 82.20% mais elevado do que aquele obtido pela abordagem
fracionria. A bibliografia sobre os modelos integrados fracionariamente indica que essa
classe de modelos mais acurada na captao dos comportamentos de baixa freqncia das
sries temporais. Seguindo essa concepo, ainda que desconhecido o verdadeiro processo
gerador da srie, coerente avaliar que a diferena percebida entre a FIR-ARIMA e a FIR-
ARFIMA seja resultado da existncia de uma estrutura de memria longa na srie da renda
disponvel, cuja especificao consegue melhor represent-la.

6.3.5 Equilbrio de Longo Prazo entre as Variveis Consumo das Famlias e Renda
Disponvel

A impresso visual extrada da Figura 36 de que as sries consumo das famlias e renda
disponvel apresentam trajetrias semelhantes, mantendo uma distncia que no sofre grandes
variaes ao longo do tempo. A questo de relevncia econmica, no entanto, saber se esse
comportamento afim deve-se simplesmente a uma tendncia linear comum entre as variveis
ou se advm de um equilbrio continuado (permanente) entre suas tendncias estocsticas.
Essa relao de interesse pode ser avaliada por meio da anlise de co-integrao. A
estabilidade na relao entre as duas variveis permite inferir, por exemplo, a elasticidade do
consumo das famlias em relao renda disponvel por meio dos modelos de regresso
lineares. A existncia de um componente de memria longa em ambas as sries, cuja
igualdade exeqvel no intervalo de confiana de dois desvios-padro, orienta a anlise de
co-integrao sob o escopo fracionrio. Sua realizao, nesse estudo, seguir a tcnica de
James Davidson, introduzida no Captulo 5.
(2,1, 0) ARIMA
(0,1.3709, 0) ARFIMA
139

6.3.5.1 Anlise de Co-integrao (1) (0) I I : Metodologias de Engle & Granger (1987) e
de Johansen (1995)

O teste de co-integrao entre a srie consumo das famlias e renda disponvel pela
abordagem de Engle & Granger foi realizado sobre os resduos da equao de co-integrao
mostrados na Tabela 24. De acordo com Phillips & Ouliaris (1990), o procedimento pode ser
baseado nos testes de raiz unitria de Dickey-Fuller Aumentado (ADF) e de Phillips-Perron
(PP), com distribuio distinta das originais.

Tabela 24 - Modelo de Co-integrao

Na Tabela 25, so dispostas as estatsticas dos testes ADF e PP e, entre parnteses, so
destacados os respectivos p-valores gerados com base nos valores crticos obtidos por meio
da metodologia superfcie de resposta de MacKnnon (1996).
65

Tabela 25 - Teste de Co-Integrao de Engle & Granger
Constante e Tendncia Constante Nenhum
ADF -2.2143 (0.6940) -2.1295 (0.4661) -2.1569 (0.1846) I(1) - No Co-Integram
PP -2.2350 (0.6729) -2.1798 (0.4408) -2.2071 (0.1691) I(1) - No Co-Integram
H
0
: No Co-Integram
* Rejeita H
0
ao Nvel de 5% de Significncia ; ** Rejeita H0 ao Nvel de 1% de Significncia.
P-Valores em parnteses calculados com base em MacKinnon (1996)
Testes de Raz Unitria
Testes
Termos Deterministas no Modelo de Co-Integrao
Deciso

Particularmente no caso em questo, a avaliao sobre a co-integrao independeu da
especificao dos termos deterministas nos testes de raiz unitria. Pelos dois testes, no
rejeitada a hiptese nula que impele caracterizar o comportamento dos resduos seguindo uma
tendncia estocstica. Portanto, por meio da abordagem de Engle & Granger conclui-se que
no h co-integrao entre as sries.

65
Outras informaes em Zivot & Wang (2006).
140

Pela metodologia de Johansen, o teste de co-integrao pressupe a escolha dos termos
deterministas compreendidos na especificao do modelo Vetor de Correo de Erros (VEC).
Com base no comportamento conjunto das sries na Figura 36, a escolha da forma funcional
do modelo de teste tornou-se restrita a dois dos possveis casos teorizados por Johansen: (1)
ao modelo com constante irrestrita ao vetor de co-integrao e (2) ao modelo com tendncia
determinista restrita ao vetor de co-integrao.
66
A segunda possibilidade, aparentemente
crvel, resultante da constatao de que o coeficiente estimado por Mnimos Quadrados
relativo tendncia linear da srie renda disponvel levemente superior ao estimado para o
consumo das famlias ( e ). Entre as duas formas selecionadas,
foram consideradas trs possveis ordens para o modelo Vetor Auto-Regressivo (VAR) sobre
o qual o teste consubstanciado. As ordens foram definidas de acordo com os trs principais
critrios de informao, Akaike (AIC), Schwarz (BIC) e Hannan-Quinn (HQ) e tambm pela
inspeo de autocorrelaes estatisticamente no nulas na FAC e FAC-P dos resduos do
modelo de teste.
67
A Tabela 26 sintetiza os resultados com as hipteses-padro do teste. No
modelo mais parcimonioso, o , a tendncia restrita ao vetor de co-integrao mostrou-
se estatisticamente desprezvel com p-valor 0.3373. Com base no modelo com constante
irrestrita (I), aparentemente o mais indicado entre todos, ao nvel de 5% de significncia
encontrou-se um resultado controverso: os testes no rejeitaram a hiptese de
estacionariedade das variveis devido sucessiva negao das hipteses de posto nulo e posto
unitrio. Essa concluso discrepante tanto com os testes de raiz unitria, quanto pela maioria
dos estimadores fracionrios. Admitindo-se a condio mais restritiva aos padres estatsticos,
ou seja, ao nvel de 1% de significncia, a estatstica do trao, e apenas ela, instiga a no
rejeio da co-integrao considerando o modelo (I). Para os modelos e , as
tendncias lineares restritas ao vetor de co-integrao mostraram-se estatisticamente
relevantes ao nvel de 1%. O teste realizado sobre o modelo (IV) indica que as duas sries no
co-integram. O mesmo resultado apontado pelo modelo mais amplo (VI).

66
O caso (1) admite um paralelismo entre trajetrias de sries que exprimem uma tendncia na forma linear; o
caso (2) indica que as trajetrias das sries, linearmente crescentes/decrescentes, divergem segundo uma relao
linear estvel. As outras especificaes tornam-se inexeqveis de acordo com as trajetrias observadas; seus
resultados so mostrados no Apndice 5.
67
Por esse procedimento, a ordem do VAR foi elevada at a excluso de todas as autocorrelaes no nulas
percebidas na FAC e FAC-P dos resduos dos modelos VAR/VEC.
0.0016**
0.0512
y
| =
0.0017**
0.0469
c
| =
(1) VAR
(2) VAR (8) VAR
141

Tabela 26 - Testes de Co-Integrao pela Metodologia de Johansen

Dada a essencialidade da normalidade dos resduos nos procedimentos de Johansen, foram
aplicados os testes de Jarque-Bera (JB) e de Shapiro-Wilks-Royston 95 (SWR) aos resduos
dos modelos. A estatstica SWR, mais rigorosa, rejeitou ao nvel de 5% a normalidade dos
resduos da srie consumo das famlias nas equaes (II), (III), (IV), (V) e (VI) e dos resduos
da srie renda disponvel nos modelos (VI) e (III) e (IV). A estatstica JB rejeitou a
normalidade dos resduos nas equaes (III) e (IV). Em ambas as sries no foram
encontradas observaes outliers que pudessem estar conduzindo os resduos condio
no gaussiana. A adversidade percebida pode ser, portanto, resultante do nmero reduzido de
observaes (59). A ponderao das trs possveis concluses que a metodologia de Johansen
produziu deve considerar duas complexidades que emergiram no processo. A primeira
envolve a constatao de autocorrelaes seriais nos resduos dos modelos de teste (I) a (IV).
A segunda, a questo de resduos no gaussianos que surgiu nos modelos (III) a (VI), quando
se buscou superar a primeira dificuldade aumentando a extenso auto-regressiva dos modelos
. A avaliao, portanto, defronta-se com um custo-benefcio de aceitar menores
probabilidades de encontrar resduos no normalmente distribudos em troca de menos
autocorrelaes residuais. No se tendo insumos suficientes para qualificar e quantificar quais
os efeitos de cada adversidade sobre as estatsticas do teste, as concluses tornam-se
imprecisas. Mesmo assim, parece haver maiores indcios a favor da no co-integrao.

Em suma, posto que a pesquisa pela abordagem de Engle & Granger refutou a co-integrao,
aliado condio extremamente circunstancial na qual ela admitida no procedimento de
95% 99% 95% 99%
H
0
: r=0
0.2390 20.63 ** 15.41 20.04 15.84 * 14.07 18.63
H
0
: r=1 0.0793 4.79 * 3.76 6.65 4.79 * 3.76 6.65
H
0
: r=0 0.2488 27.33 * 25.32 30.45 16.59 18.96 23.65
H
0
: r=1 0.1691 10.74 12.25 16.26 10.74 12.25 16.26
H
0
: r=0 0.1004 11.25 15.41 20.04 6.03 14.07 18.63
H
0
: r=1 0.0875 5.22 * 3.76 6.65 5.22 * 3.76 6.65
H
0
: r=0 0.2079 19.27 25.32 30.45 13.28 18.96 23.65
H
0
: r=1 0.0997 5.98 12.25 16.26 5.98 12.25 16.26
H
0
: r=0 0.1358 12.01 15.41 20.04 7.44 14.07 18.63
H
0
: r=1 0.0856 4.56 * 3.76 6.65 4.56 * 3.76 6.65
H
0
: r=0 0.2977 22.70 25.32 30.45 18.02 18.96 23.65
H
0
: r=1 0.0876 4.68 12.25 16.26 4.68 12.25 16.26
t
H
0
(r
0
): r=r
0
vs. H
1
(r
0
):r>r
0 ;
tt
H
0
(r
0
): r=r
0
vs. H
1
(r
0
):r=r
0
+1
ttt
Valores Crticos Tabulados Consideram os Termos Determinstas - Osterwald & Lenum (1992) .
Baseado na no observao de autocorrelaes significantes na FAC do VEC de ordem (p-1)

*Rejeita H
0
a 5% significncia ; **Rejeita H
0
a 1% significncia
FAC
8
Constante I rrestrita (V)
Tendncia Restrita (VI )
BI C e HQ 1
Constante I rrestrita (I )
Tendncia Restrita (I I )
AI C 2
Constante I rrestrita (I I I )
Tendncia Restrita (I V)
Valores Crticos
ttt
Critrio
Ordemdo
VAR
Termos Deterministas Hipteses Autovalor
Est.
Trao
t
Valores Crticos
ttt
Est. Max
Autovalor
tt
/ VAR VEC
142

Johansen, essa avaliao, baseada no arcabouo , levada a anuir inexistncia de
uma tendncia estocstica comum entre as sries.

6.3.5.2 Anlise de Co-integrao Fracionria: Metodologia de Davidson (2002c)

A anlise de co-integrao baseada no arcabouo fracionrio apoiou-se na tcnica de
bootstrap. Pela metodologia, so geradas reamostragens dos componentes residuais dos
modelos , visando a estimao da distribuio emprica das estatsticas de
teste associadas hiptese de no co-integrao. Seguindo Davidson (2002c), trs hipteses
bsicas so testadas: a independncia estatstica (hiptese forte); a no co-integrao
conjuntamente no causalidade de Granger (hiptese semifraca) e, por fim, a simples no
co-integrao (hiptese fraca).
68
A lgica do autor particularizar o teste para as sries
avaliadas a partir de procedimentos interativos de bootstrap e de integrao fracionria. So
impostas as restries estatsticas que permitem criar artificialmente a condio estabelecida
pelas hipteses nulas. As sries so, ento, recompostas e as estatsticas para a inferncia da
co-integrao so calculadas iterativamente, mapeando suas respectivas distribuies
(empricas). As distribuies so, dessa forma, geradas considerando as peculiaridades
relativas s estruturas de memria de cada srie. Para a implementao dos testes, foram
utilizados os modelos e estimados
anteriormente para a srie consumo das famlias e renda disponvel. Duas das estatsticas de
teste utilizadas so residuais, a DW e a FEG. A outra relativa significncia conjunta dos
estimadores, a GFT.
69
Para gerar a distribuio das estatsticas sob a hiptese forte, foram
calculadas reamostragens dos resduos do modelo ,
posteriormente reconstitudos pelo filtro invertido do mesmo modelo. Para a hiptese fraca,
foram utilizadas as reamostragens dos resduos da equao:
(6.4)

68
Ressalta-se que a co-integrao no mbito da teoria (1) (0) I I compreendida pelo arcabouo fracionrio e
que, embora haja uma semelhana entre os testes FEG e o teste de Engle & Granger ( (1) I ), segundo Davidson
(2002c), eles no so diretamente comparveis.
69
Foram realizados tambm os testes envolvendo a estatstica DFEG, mostrados no Apndice 6, que gerou
resultados anlogos aos da estatstica FEG.
(1) (0) I I
(6,1.1468, 0) ARFIMA (0,1.3709, 0) ARFIMA
5000 M = (6,1.1468, 0) ARFIMA
(0.1320*) (0.1716) (0.1671) (0.1699)
, , 1 , 1 , , 1 ,
0.0.2812 0.0870 0.0053 0.2882
c t c t y t y t y t c t
u u u u u c

=
143

para gerar as reamostragens , que por sua vez foram utilizadas para calcular .
Pelo mesmo procedimento, a distribuio da hiptese semifraca foi estimada por meio das
reamostragens dos resduos da equao:
(6.5)
Os p-valores, apresentados na Tabela 27, indicam a localizao das estatsticas de teste na
distribuio de bootstrap. Ou seja, eles indicam a probabilidade da hiptese nula ser
verdadeira com base nos dados originais das sries.

Tabela 27 - P-Valores dos Testes de Co-integrao Fracionria com Bootstrap

Figura 53 - Distribuies Empricas de Bootstrap das Estatsticas GFT, DW e FEG para as Hipteses de
Independncia Estatstica (Forte), No Co-Integrao e no Causalidade de Granger (Semifraca) e de
Simples no Co-Integrao (Fraca)

*
,
{ }
c t
c
*
,
{ }
c t
u
*
t
c
(0.1275*) (0.1638) (0.1641)
, , 1 , , 1 ,
0.2789 0.0030 0.2720
c t c t y t y t c t
u u u u c

=
GFT - Hip. Forte
f
.
d
.
p
-200 0 200 400 600 800
0
.
0
0
.
0
0
4
0
.
0
0
8
GFT - Hip. Semifraca
f
.
d
.
p
-200 0 200 400 600 800
0
.
0
0
.
0
0
4
0
.
0
0
8
GFT - Hip. Fraca
f
.
d
.
p
p
0 500 1000 1500
0
.
0
0
.
0
0
2
0
.
0
0
5
DW - Hip. Forte
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8 1.0 1.2
0
1
2
3
0.90%
DW - Hip. Semifraca
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8
0
1
2
3
4
5
0.14%
DW - Hip. Fraca
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8
0
1
2
3
4
5
0.14%
FEG - Hip. Forte
f
.
d
.
p
0.2 0.6 1.0 1.4
0
.
0
1
.
0
2
.
0
1.37%
FEG - Hip. Semifraca
f
.
d
.
p
0.0 0.5 1.0 1.5
0
.
0
1
.
0
2
.
0
0.58%
FEG - Hip. Fraca
f
.
d
.
p
0.2 0.6 1.0 1.4
0
.
0
1
.
0
2
.
0
0.69%
144

O p-valor de 0.0014 para a estatstica DW, sob a hiptese fraca, por exemplo, indica que,
sendo a hiptese de no co-integrao a correta, a probabilidade de se obter uma estatstica
com valor 0.6707 seria de apenas 0.14%. A Figura 53 resume graficamente cada um dos casos
por meio das distribuies empricas de bootstrap estimadas. Em todos os casos, as
estatsticas rejeitaram as hipteses de independncia estatstica de no co-integrao associada
no causalidade de Granger, e de simples no co-integrao, ao nvel de 1.5% de
significncia. A estatstica GFT, identificada por Davidson (2002c) como aquela que possui
maior poder na identificao da co-integrao fracionria, inclusive para os casos
, , exibiu significncia mxima na rejeio das trs hipteses nulas. No
Apndice 7 do trabalho so mostradas as anlises de co-integrao fracionria sob esse
mesmo arcabouo, porm baseadas na forma funcional degenerada da srie consumo das
famlias, . No Apndice 8 o teste baseado na forma
de um processo Rudo Fracionrio, . A primeira anlise permitiu
avaliar os efeitos de uma possvel superespecificao do modelo para a srie do consumo das
famlias na modelagem da autocorrelao isolada de ordem 6. A segunda retratou quais
seriam os resultados dos testes de co-integrao fracionria, caso a autocorrelao isolada
fosse considerada como espria. Os resultados conjuntos de ambas as anlises, ao nvel de
significncia estatstica de 5%, corroboram aqueles obtidos pelo modelo completo.
70

Pela abordagem de memria longa adotada nessa etapa, portanto, so ntidas as concluses
acerca da co-integrao ao escopo da integrao fracionria entre as duas sries estudadas. As
evidncias apontam que as metodologias circunscritas ao paradigma mostraram-
se incapazes de extrair a existncia dessa relao. No caso do modelo de Engle & Granger, o
fator presumido pode advir do baixo poder dos testes de raiz unitria, particularmente do
ADF, frente s alternativas fracionrias, principalmente quando . Em captulo
anterior, o poder do teste ADF, em contraposio a diferentes ordens fracionrias, foi avaliado
por meio de um grande nmero de simulaes. Identificou-se que, para ordens entre 0.8 e 0.9,
que resume o caso em questo, (por MV), o teste tende a rejeitar a hiptese de
raiz unitria apenas entre 3.7% e 1.3% das vezes em sries de tamanho .
Considerando o valor do limite inferior do intervalo de confiana do parmetro fracionrio, a
dois desvios-padro, , a proporo de rejeio da hiptese nula

70
Somente em um dos casos, o da estatstica FEG para a hiptese forte (independncia estatstica) com base no
modelo degenerado, que se rejeitou a hiptese nula ao nvel de 6% ao invs de 5% de significncia.
( ) 1/ 2 CI d b 0 b
1 2 3 4 5
(6,1.1468, 0) { , , , , } ARFIMA | | | | |
(0,1.2413, 0) ARFIMA
(1) (0) I I
1/ 2 1 d < <
0.8535
res
d =
100 N =
[0.6477;1.0593]
res
d
IC =
145

pelo teste ADF foi de 7.4%. Dado que a ordem de integrao estritamente unitria
encontra-se a 1.42 desvios-padro acima da ordem fracionria estimada, existe a possibilidade
de que, no caso em questo, pelo teste de Engle & Granger, concluiu-se equivocadamente
sobre a co-integrao entre as sries
71
. O teste de Johansen, por sua vez, mostrou-se altamente
sensvel especificao das equaes nas quais os testes so formalizados. Esse teste
concebido na forma pivotal, e como conseqncia, ele possui estruturas rgidas a serem
utilizadas na modelagem das sries. Dois tipos de adversidades surgiram nos procedimentos e
no foram encontradas alternativas metodolgicas que ajudassem a super-las, sem que novas
complicaes emergissem. Mesmo com a observncia desses impasses, foram percebidos
mais sinais que indicaram a no co-integrao entre as sries. Contudo, as complexidades
encontradas abrem caminho sua contestao. Apesar do maior esforo computacional
necessrio implementao dos procedimentos arquitetados por Davidson (2002c), no foram
identificadas maiores dificuldades. A metodologia desenvolvida por esse autor, que vincula o
arcabouo da integrao fracionria com a tcnica de bootstrap no pivotal e, com isso,
torna-se mais flexvel quanto forma funcional das equaes que modelam a estrutura de
memria das sries. O procedimento , dessa forma, melhor ajustado aos casos particulares,
principalmente daqueles em que as sries exibem sinais de elevada persistncia. A mudana
de paradigma na avaliao da co-integrao indica ser o fator preponderante na alterao dos
resultados. Portanto, conclui-se que as duas sries so fracionariamente co-integradas. Essa
constatao estatstica permite explorar a estabilidade da relao linear entre as duas sries,
cujos parmetros estimados por mnimos quadrados so mostrados na Tabela 24. O
coeficiente referente renda disponvel, dada aplicao logartmica anterior sobre as sries,
resume a elasticidade do consumo em relao renda. Nesses termos, um aumento de 1% na
renda disponvel induz s famlias aumentarem seu consumo mdio em aproximadamente
0.92%.

6.3.6 Concluses

Esse estudo disps-se a avaliar trs aspectos associados s variveis econmicas consumo das
famlias e renda disponvel. O primeiro enfocou a variabilidade relativa das duas sries. A
anlise de ondaletas mostrou-se uma importante ferramenta disposio da anlise de sries

71
No possvel afirmar com maior segurana essa hiptese dado que a distribuio do teste utilizado para
avaliar a co-integrao a de MacKinnon (1996).
0
: 1 H d =
146

com memria persistente. Ela permitiu comparar a variabilidade das sries em diferentes
nveis de decomposio. Verificou-se que a varincia de ondaletas da srie consumo das
famlias na escala mais baixa (1 ano) maior que a varincia da srie renda disponvel e que,
para as escalas de tempo mais amplas, a igualdade estatstica entre as duas sries pode ser
obtida. Essa constatao consistente com a hiptese de que o consumo das famlias no
Brasil segue a lgica keynesiana. A suavizao relativa do consumo em relao renda nas
escalas temporais mais elevadas, por sua vez, explicada pela HRP, que prev a suavizao
do consumo como um reflexo da melhor previsibilidade dos agentes econmicos sobre sua
renda (intertemporal).

Os modelos de integrao fracionria mostraram a elevada significncia da estrutura de
memria longa nas duas sries. Ambas revelaram padres no estacionrios e no reversveis
mdia. Mesmo em primeiras diferenas, as sries exibem alta persistncia em suas cadeias
de autocorrelaes. O modelo de memria longa revelou, por meio da funo impulso-
resposta, uma acomodao mais suave dos choques que incidem sobre a srie renda
disponvel do que o modelo . Para a srie consumo das famlias, os
coeficientes da FIR calculados pela metodologia ARFIMA exibiram valores superiores ao
obtidos pelo mtodo ARIMA. Enquanto os valores da FIR ARIMA convergem para um
nvel aparentemente estvel, os coeficientes da FIR ARFIMA mostram uma trajetria
crescente.

O terceiro aspecto abordado foi a estabilidade de longo prazo entre as duas variveis. O
quadro gerado pelo estudo exps que as duas metodologias mais conhecidas de inferncia da
co-integrao em sries econmicas, baseadas no arcabouo , compelem rejeitar
a co-integrao entre as sries. Os procedimentos alternativos adotados sob o arcabouo
fracionrio, por sua vez, indicam resultados contrrios. O teste baseado no modelo de Engle &
Granger pode ter induzido a rejeio da co-integrao devido ao baixo poder dos testes de raiz
unitria frente s alternativas fracionrias. Pressupe-se que a rejeio da co-integrao pelo
teste de Johansen, por sua vez, devido sua inabilidade de captar adequadamente a estrutura
de memria longa compartilhada entre as sries. As complexidades encontradas nos
procedimentos do teste de Johansen abrem caminho contestao de seus resultados. Os
testes pela abordagem de Davidson (2002c) foram categricos na concluso que as sries
exibem uma tendncia estocstica comum, apesar de nitidamente compartilharem uma
( , , ) ARIMA p d q
(1) (0) I I
147

tendncia determinista. A abordagem fracionria permitiu inferir favoravelmente uma relao
de causalidade entre as duas variveis. A escolha do paradigma mais adequado s
peculiaridades das sries na avaliao da co-integrao foi determinante para os resultados.
Conclui-se, portanto, que as duas sries so fracionariamente co-integradas e que a renda
disponvel Granger-causa o consumo das famlias. A estabilidade de longo prazo entre as duas
variveis permitiu estimar a elasticidade do consumo das famlias em relao s variaes na
renda disponvel em aproximadamente 0.92.

148

6.4 Hiptese da Paridade do Poder de Compra no Brasil Sob o Arcabouo da Co-
Integrao Fracionria

6.4.1 Introduo

A historiografia econmica indica que os princpios da Teoria da Paridade do Poder de
Compra (PPP) entre as naes abertas ao comrcio internacional surgiram na Europa no
sculo XVI.
72
Sob diferentes enfoques, o tema da PPP at os dias de hoje um dos mais
investigados no campo da economia internacional. Existe uma ampla gama de referncias
bibliogrficas sobre o assunto e inmeras pesquisas aplicadas. Nesse estudo, o enfoque
destinado PPP economtrico, sob o escopo dos modelos de memria longa e com
aplicao emprica ao caso brasileiro. A idia bsica da doutrina da PPP fundamenta-se no
pressuposto que a arbitragem nos mercados de bens conduz igualdade de preos dos
produtos (homogneos) transacionados. Dependendo do grau de abertura da economia, os
nveis de preos domsticos agregados dos pases engajados no comrcio internacional
podem, segundo o princpio, ser altamente interdependentes. A concepo da PPP inspira a
suposio da existncia de uma convergncia dinmica entre os nveis de preos das
economias abertas, ponderados pelas suas respectivas taxas cambiais. Claramente, o ritmo do
ajustamento dos preos, e de sua prpria existncia, depender de uma srie de questes,
como a ocorrncia de imperfeies de mercado, das condies institucionais dos pases e da
prpria produtividade idiossincrtica das naes. Outras complexidades originam-se da
ocorrncia de assimetria de informaes, de altos custos de transporte, da heterogeneidade dos
bens e da cesta de bens consumida entre os pases, no peso que os itens transacionveis
representam no ndice de preos domstico e a existncia de barreiras comerciais e
alfandegrias, incluindo impostos, subsdios e quotas de importao. Vale ressaltar que as
variveis que determinam a dinmica de ajustamento de preos de acordo com a PPP podem
alterar o seu grau de influncia ao longo do tempo. Portanto, natural presumir a validade da
hiptese da PPP em intervalos mais amplos, seguindo dinmicas de ajustamentos diferentes
ao longo do tempo: ajustamentos mais rpidos em alguns momentos e ajustamentos mais
lentos, ou at nenhum ajustamento, em outros. No obstante, comum a constatao
estatstica para diversos pases da inexistncia de uma relao estvel de longo prazo entre os

72
Ser utilizada ao longo desse estudo a sigla PPP (oriunda do termo em ingls purchasing power parity) para
denominar o termo paridade do poder de compra.
149

nveis de preos nos estudos empricos sobre a PPP. A literatura econmica fornece indcios
extrados de pesquisas, principalmente sobre os pases desenvolvidos de que, se a
convergncia da PPP existe, ela extremamente lenta (ver Frankel & Rose (1995)).
73
Para o
curto prazo, os trabalhos empricos revelam que os desvios entre as variveis so muito
elevados e volteis, impedindo a caracterizao de convergncia. Com certas ressalvas, so
atribudos rigidez dos preos nominais e aos choques monetrios e financeiros os obstculos
criados ao ajustamento no curto prazo da PPP. Analiticamente, se a dinmica do ajustamento
dos preos da doutrina da PPP existir e for lenta, ou seja, associada a movimentos de baixas
freqncias, ela pode ser melhor representada pelos modelos de integrao fracionria
comparativamente aos modelos , tradicionalmente utilizados.
74
Sob esse aspecto,
os modelos de memria longa podem ser, para alguns casos, o instrumento de reconciliao
entre a doutrina da PPP com os dados empricos. Se a natureza do ajustamento da PPP de
longo prazo, condizente com um comportamento de reversibilidade mdia, como previsto
por diversos autores, ento, como foi mostrado anteriormente nesse trabalho, os testes de raiz
unitria tero baixo poder na distino desse comportamento em vista daquele regido por uma
tendncia puramente estocstica.
75
A influncia desse fato sobre a avaliao da PPP em
estudos aplicados baseados na Teoria da Co-Integrao pode ocorrer de duas formas: (1) no
comprometimento da validao do pressuposto bsico da ordem das variveis a serem
utilizadas nos testes de co-integrao e (2) no poder dos testes de co-integrao, quando
adotados os mtodos de inspeo residuais do tipo Engle & Granger (1987).

Embora diversos autores j tivessem apontado para a questo da convergncia de longo prazo
da PPP, a primeira referncia sobre sua representao na forma de uma co-integrao
fracionria foi encontrada em Cheung & Lai (1993b). Baillie & Bollerslev (1994) adotaram a
mesma perspectiva para estudar a relao e, mais recentemente, Alves, Cati & Fava (2001) e
Caporale & Gil-Alana (2004). Fora do mbito da co-integrao, Cheung (1993) avaliou a
memria longa nas taxas de cmbio por meio do estimador GPH, e Smallwood (2005) atentou
para a existncia de no linearidades juntamente a padres de memria longa nas relaes da
PPP por meio dos estimadores STAR. Esse ltimo tomou as taxas de cmbio reais de uma
ampla gama de pases em relao ao dlar norte-americano para avaliar os indcios da PPP em

73
Rugoff (1996) rene diversas referncias sobre pesquisas empricas aplicadas ao tema e relata as concluses
gerais extradas do conjunto das obras.
74
Enders (1995) fornece exemplos e comenta diversos aspectos da anlise da PPP sob o arcabouo (1) (0) I I .
75
Ainda que no estacionrios, os processos fracionrios com 1 d < possuem funo impulso-resposta
convergente a zero. Logo, essa classe de processos importante na caracterizao da co-integrao fracionria.
(1) (0) I I
(1) I
150

cada pas por meio dos modelos e modelos no lineares . Foi
relatado pelo autor que, para alguns pases, os modelos de memria longa lineares so mais
adequados na representao de suas taxas cambiais, enquanto que para outros, inclusive para
o Brasil, os modelos no lineares com memria longa so os mais adequados. O autor
encontrou poucas evidncias favorveis PPP para os pases cuja taxa de cmbio real segue a
forma linear de memria longa. Para os pases cuja srie foi modelada segundo um regime
no linear e com memria longa, o autor concluiu que existem indcios mais favorveis
PPP. Os casos brasileiro, argentino, koreano e mexicano esto, segundo Smallwood, includos
nesse grupo. Cheung & Lai (1993a) demonstraram formalmente que a PPP pode ser testada
no mbito da co-integrao, e mostraram como erros de medida associados
representatividade das variveis preo podem interferir nos resultados. Mostraram ainda
que o baixo poder do teste de co-integrao do tipo Engle & Granger, conjuntamente aos
erros de medida, podem ser os responsveis pela rejeio da hiptese da PPP em pesquisas
aplicadas. Adotando a metodologia de Johansen, os autores encontraram fortes evidncias
favorveis PPP entre os E.U.A. e Canad e outros quatro pases europeus. Cheung & Lai
(1994) avaliaram a hiptese de reversibilidade media da taxa de cmbio real entre os E.U.A.
e sete pases europeus, alm do Japo, por meio do teste de raiz unitria DF-GLS. O teste
apresentou indcios mais favorveis hiptese da PPP do que o teste ADF nos resultados do
trabalho. Cheung & Lai (1993b) mostraram a possibilidade de reversibilidade mdia da
relao da PPP pelo arcabouo da co-integrao fracionria. Baseando seu estudo no
estimador GPH, os autores compararam os resultados obtidos com os testes de Engle &
Granger e concluram pela existncia de co-integrao fracionria nas taxas de cmbio norte-
americana em relao a todos os outros cinco pases avaliados. Baillie & Bollerslev (1994)
presumiram que as indicaes contrrias PPP obtidas pelas metodologias de Engle &
Granger e de Johansen poderiam ser causadas pela existncia de memria longa no termo de
correo de erros. Caporale & Gil-Alana (2004) abordaram o tema da PPP na Alemanha,
Japo e E.U.A. baseando-se em dados cambiais e em fatores suplementares, reais e
monetrios, representados por medidas dos diferenciais de produtividade do trabalho e de taxa
de juros entre os pases. Os autores concluram que existe a co-integrao entre as variveis
para os trs pases na forma fracionria. Alves, Cati & Fava (2001) procuraram testar a
validade da doutrina terica da PPP da economia brasileira a partir de testes sobre a
estabilidade das relaes entre variveis representativas do nvel de preos domsticos ,
preos internacionais e taxa de cmbio nominal . No artigo em questo, foram
( , , ) ARFIMA p d q FI STAR
( ) p
*
( ) p ( ) e
151

testadas duas verses da PPP: uma denominada absoluta, que pressupe a estabilidade da
relao , e uma verso denominada relativa, que presume a estabilidade da relao
. Os autores investigaram a existncia de uma relao de co-integrao
fracionria entre as variveis em concordncia com a PPP. Para ambas as formas analisadas
no foram encontradas evidncias estatsticas sobre a relao de longo prazo e, assim, a PPP
foi empiricamente rejeitada. A metodologia de anlise da memria longa adotada pelos
autores baseou-se numa verso fracionria do teste de Engle & Granger (1987), apoiando-se
nos estimadores espectrais GPH. Como retratado no captulo sobre a anlise de simulaes,
novos estimadores fracionrios mais eficientes que os estimadores de GPH vm sendo
propostos. Na mesma direo, mtodos estatsticos mais recentes, como aquele apresentado
por Davidson (2002c), foram propostos anlise da co-integrao fracionria. O estudo
proposto nessa seo tem como premissa retomar os resultados apontados por Alves, Cati &
Fava (2001) para a verso tradicional (absoluta) da PPP, sob uma perspectiva metodolgica
alternativa quela utilizada pelos autores, tanto relacionada anlise da integrao quanto
da co-integrao fracionria. A memria longa nas sries ser analisada por meio dos
principais estimadores examinados nesse trabalho. A utilizao de diferentes tcnicas visa a
estabelecer uma base robusta concluso da existncia de memria longa nas variveis e de
suas caractersticas. A co-integrao fracionria das sries ser reavaliada por meio dos
procedimentos de Davidson (2002c) envolvendo a tcnica de bootstrap. Dessa forma, buscar-
se-o, a partir dos novos mtodos, evidncias que apontem se a mudana metodolgica
permite inferir positivamente a relao de PPP no caso brasileiro.

A estrutura dessa seo est semelhantemente disposta das outras anlises empricas
realizadas nesse trabalho. Em resumo, ela segue o seguinte ordenamento: inicia-se com uma
breve apresentao dos dados; em seguida, so aplicados os testes de raiz unitria sob o
paradigma e estimados os modelos de memria longa para cada uma das
variveis. Subseqentemente, so abordadas as metodologias de anlise de co-integrao sob
o arcabouo e sob o paradigma fracionrio. A ltima parte relata as concluses
resultantes do estudo.

*
1
ep
p
=
*
ln ln
p
e
p
A A
1

=

( )
(1) (0) I I
(1) (0) I I
152

6.4.2 Apresentao das Sries e de Suas Propriedades Estatsticas

Na Figura 54 so apresentadas, em log, as mesmas sries utilizadas na verso da PPP absoluta
da pesquisa referida acima, atualizadas data mais recente, com 151 observaes anuais. A
srie representativa dos preos internacionais constituda, entre 1855 a 1930, pelos gastos
domsticos britnicos e, entre 1930 a 2005, pelo deflator implcito do produto interno bruto
norte-americano. O nvel de preos domstico aproximado pela srie do ndice de preos ao
consumidor entre 1855-1912 e pelo deflator implcito do produto interno bruto brasileiro entre
1912-2005. A srie do cmbio refere-se taxa de cmbio nominal.
76
As sries so mostradas
em seus nveis e na forma de desvios do eixo zero a partir da extrao de suas tendncias
lineares e interceptos, por meio da estimao pelo Mtodo de Mnimos Quadrados Ordinrios.

Figura 54 - Sries dos Preos Internacionais e da Razo Preos Domsticos/Cmbio no Nvel e Excludas
suas Tendncias Lineares (Valores em log)

76
A descrio bem detalhada sobre as variveis encontrada no referido artigo de Alves, Cati & Fava (2001).
Nele, os autores descrevem inclusive os fatos econmicos histricos associados s variveis.
Preos Internacionais X Preos Domsticos/Cmbio - Sries no Nvel (log)

1860 1880 1900 1920 1940 1960 1980 2000
-
2
0
2
4
6
8
p*
p/e
Preos Internacionais X Preos Domsticos/Cmbio - Sem Tendncias Lineares (log)

1860 1880 1900 1920 1940 1960 1980 2000
-
1
.
5
-
0
.
5
0
.
5
1
.
5
p*
p/e
153

As FAC das sries em seu nvel apresentam silhuetas lentamente decrescentes. As FAC-P de
ambas as sries apresentam uma autocorrelao de ordem 1 estatisticamente diferente de zero,
indicando uma possvel estrutura de memria de curto prazo.

Figura 55 - Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial (FAC-P) das Sries
Preos Internacionais e da Razo Preos Domsticos/Cmbio Nominal

Figura 56 - Funo de Densidade Espectral dos Preos Internacionais e da Razo Preos
Domsticos/Cmbio (Baseada na FACV das Sries sem Tendncia Linear)

Na Figura 56, so mostrados os grficos das funes de densidade espectral, estimadas por
meio do periodograma e do periodograma suavizado utilizando uma janela espectral de
Parzen com largura de faixa de 0.05. No so percebidas concentraes de energia
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Preos Internacionais
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC-P - Preos Internacionais
Lag
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Preos Domsticos/Cmbio
Lag
P
a
r
t
i a
l
A
C
F
0 10 20 30 40 50
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC-P - Preos Domsticos/Cmbio
Freqncia (Ny quist)
0.0 0.1 0.2 0.3 0.4 0.5
-
8
0
-
4
0
Densidade Espectral dos Preos Internacionais - Sem Tendncia
Freqncia (Ny quist)
0.0 0.1 0.2 0.3 0.4 0.5
-
8
0
-
4
0
Densidade Espectral dos Preos Domsticos/Cmbio - Sem Tendncia
154

representativas de periodicidades cclicas na srie. Seus padres de distribuio de energia
espectral seguem aquele descrito por Granger (1966) para variveis de natureza econmica.
As hipteses tradicionais de razes unitrias foram testadas nas sries. Pelo teste de Dickey-
Pantula, foi avaliada a existncia de mltiplas razes unitrias: . Os termos
deterministas no mostraram relevncia estatstica nas especificaes. O teste de Dickey-
Pantula rejeitou a hiptese de existirem mltiplas razes unitrias ao nvel de 1% de
significncia (ver Tabela 28).

Tabela 28 Testes de Mltiplas Razes Unitrias

A avaliao da presena de uma tendncia estocstica ( ) foi baseada nos testes Dickey-
Fuller Aumentado (ADF), teste do Ponto timo Factvel (ERS), teste Eficiente de Philips-
Perron Modificado (MEPP), teste DF-GLS e teste KPSS. A Tabela 29 resume os resultados
dos testes sob a hiptese nula da srie ser integrada de ordem um.

Tabela 29 - Testes de Raiz Unitria

(3) (2) I I
p*
t
ot
; t
|t
p/e
t
ot
; t
|t
p*
t
ot
; t
|t
p/e
t
ot
; t
|t
VC (1%): -4.0200, -3.4740 e -2.5804 ; VC (5%): -3.4399, -2.8806 e -1.9430 ; VC (10%): -3.1443, -2.5770 e -1.6153
VC (5%) para t
ot
e t
|t
: 3.14 e 2.81.
3 R. U.
2 R. U.
Variveis
Termos Deterministas Hiptese
Nula
-8.9063 -8.9395 -8.9678
Rejeita I(2)
Rejeita I(2)
-0.1178 ; 1.0381 1.5898 -
-9.0647 -9.0033 -8.8177
-7.0825 -6.7018 -4.8503
-0.8231 ; 2.0607 1.8717 -
Rejeita I(3)
-0.0421 ; 0.1845 0.2593 -
-7.8726 -7.9028 -7.4869
Rejeita I(3)
0.0297 ; -0.0115 0.0423 -
Deciso
(1) I
Constante e Tendncia Constante Nenhum Constante e Tendncia Constante Nenhum
ADF -1.5310 0.8287 2.0180 I(1) -1.4930 -0.2206 0.5071 I(1)
DF-GLS -0.8428 1.3702 2.0180 I(1) -1.5764 0.5863 0.5071 I(1)
ERS 36.9995 50.2409 52.8554 I(1) 14.1774 23.3623 30.3079 I(1)
MEPP -0.8481 1.4578 3.5737 I(1) -1.6246 0.5733 0.6687 I(1)
KPSS 0.6374** 2.4831** - I(1) 0.4648** 2.1619** - I(1)
0
0
: Srie Estacionria
* Rejeita H
0
0
Preos I nternacionais Preos Domsticos/Cmbio
Testes
Deciso
Deciso
155


Os estimadores da ordem e integrao fracionria para a srie dos preos internacionais
exprimem a condio de no estacionariedade e no reversibilidade mdia. No caso da srie
preos domsticos/cmbio nominal, os estimadores tradicionais e os estimadores baseados
nas ondaletas la8 e la16 revelaram a mesma indicao da srie anterior, enquanto os
estimadores pelas ondaletas Haar e db4 indicaram um processo reversvel mdia.
77
O
estimador baseado na ondaleta Haar exibiu valores inferiores a todos os outros. Deve-se notar
que a feio dessa ondaleta mais adequada a captar a variabilidade de alta freqncia das
sries temporais e, portanto, ela comparativamente inferior s outras ondaletas em
sintonizar o comportamento de baixa freqncia, que determina o padro de memria
longa. A Tabela 31 exibe os modelos estimados para as duas sries por
meio do estimador de MV. De acordo com o critrio de informao baeysiano (BIC), as
especificaes mais adequadas so aquelas que expressam as sries como processos Rudo
Branco Fracionrio. H, no entanto, uma autocorrelao de ordem 1 na srie dos preos
internacionais estatisticamente significante ao nvel de 5%. Sob a forma funcional
para os preos internacionais e para a razo preos
domsticos/cmbio nominal, a ordem de integrao das duas sries torna-se praticamente
igual, e , e retm o valor unitrio como altamente provvel. Ou
seja, so grandes as possibilidades de ambas as sries serem puramente . A FAC e FAC-P
dos modelos e para as variveis e

77
Os estimadores GPH e M-Per aplicados primeira diferena da srie geraram os seguintes valores (desvios-
padro entre parnteses):
*
0.2181(0.2568
)
GPH
p
d = ;
*
0.1602(0.0712)
p
MP
d = ;
/
0.0005(0.2568
)
GPH
p e
d = com e
/
0.0729(0.1044
)
p e
MP
d = .
Parmetros
LSE WLSE LSE WLSE LSE WLSE LSE WLSE
d 1.3061 1.4640 1.1155 1.0110 1.0155 1.0832 1.1381 1.1063 1.2093 1.1193 1.2732
o
d
0.0640 0.2568 0.0474 0.0137 0.0116 0.0293 0.0184 0.0382 0.0303 0.0468 0.0523
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
IC(d2 o)
[1.18;1.43] [0.95;1.98] [1.02;1.21] [0.98;1.04] [0.99;1.04] [1.02;1.14] [1.10;1.17] [1.03;1.18] [1.15;1.27] [1.03;1.21] [1.17;1.38]
d 1.0470 1.1082 1.1164 0.8689 0.8094 0.9362 0.8946 0.9658 0.9561 0.9842 1.0122
o
d
0.0640 0.2568 0.1352 0.0206 0.0261 0.0285 0.0284 0.0363 0.0279 0.0425 0.0336
P-Valor 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
IC(d2 o)
[0.92;1.18] [0.59;1.62] [0.85;1.39] [0.83;0.91] [0.76;0.86] [0.88;0.99] [0.84;0.95] [0.89;1.04] [0.90;1.01] [0.90;1.07] [0.95;1.08]
(*) Estimador de MV de Haslett & Rafetery (1989) do S-Plus ; GPH calculado com argumentos padro: span=1, taper=0.1, o=0.5; M-Per o estimador
suavizado de Reisen com Janela Espectral de Parzen ; Todos calculados com a srie extraindo a mdia.
(**) Estimador de Percival & Walden (2000) construdo com base no cdigo WaveCov para S-Plus de Whitcher ; Calculados com 7 nveis de decomposio.
db4
Estimadores de Ondaletas**
la16 la8
p/e
p*
GPH
Haar
MV M-Per
Variveis
(log)
Estimadores Tradicionais*
(1, , 0) ARFIMA d (0, , 0) ARFIMA d
*
1.0502
p
d =
/
1.0470
p e
d =
(1) I
(1,1.0502, 0) ARFIMA (0,1.0470, 0) ARFIMA
*
t
p ( / )
t
p e
156

so mostradas na Figura 57. De maneira geral, o comportamento das autocorrelaes na FAC
exibe o padro de rudo branco.

Tabela 31 Modelos
d
o
d P-Valor
|
i
, u
i
o
|,u P-Valor

Ax
o
ARFIMA(0,d,0) 1.3061 0.0640 0.0000 - - - 0.0185 0.0653 -387.22 12.9216 (0.3748) 12.2635 (0.4248) 5.2461 (0.9998)
ARFIMA(1,d,0) 1.0502 0.1513 0.0000 |
1
=0.3630 0.1799 0.0454 0.0174 0.0648 -385.13 8.6092 (0.7359) 8.1332 (0.7746) 4.1063 (1.0000)
ARFIMA(0,d,1) 1.1111 0.1459 0.0000 u
1
=-0.3392 0.1752 0.0547 0.0173 0.0645 -386.49 7.0503 (0.8543) 6.6255 (0.8813) 3.7936 (1.0000)
|
1
=0.3180 0.1646 0.0553
|
2
=-0.0570 0.0904 0.5292
ARFIMA(0,d,0) 1.0470 0.0640 0.0000 - - - 0.0198 0.1469 -144.62 12.6533 (0.3947) 11.9281 (0.4515) 24.4808 (0.2703)
ARFIMA(1,d,0) 0.7937 0.1467 0.0000 |
1
=0.3406 0.1760 0.0549 0.0180 0.1455 -142.26 9.9064 (0.6242) 9.2439 (0.6820) 24.6757 (0.2615)
ARFIMA(0,d,1) 0.8461 0.1435 0.0000 u
1
=-0.3267 0.1731 0.0611 0.0183 0.1448 -143.97 9.0868 (0.6955) 8.4073 (0.7525) 25.2971 (0.2345)
|
1
=0.2447 0.1480 0.1006
|
2
=-0.1128 0.0912 0.2181
0
0.1453 1.1101 ARFIMA(2,d,0)
p/e
ARFIMA(2,d,0) 0.9191 0.1289
-379.60 0.0173 0.0649
0.0187
0.0000
0.0000
Modelo
Variveis
(log)
ARFIMA(p, d, q)
0.1451 -138.46 9.2556 (0.6810) 8.5435 (0.7414) 24.2598 (0.2806)
p*
3.8902 (1.0000) 7.2790 (0.8386) 7.7290 (0.8059)

Figura 57 - Funo de Autocorrelao (FAC) e Autocorrelao Parcial (FAC-P) dos Resduos dos Modelos
para as Sries dos Preos Internacionais e Preos Domsticos/Cmbio Nominal

Nas FAC-P so percebidas algumas autocorrelaes estatisticamente no nulas em lags de
ordens elevadas apesar das indicaes das estatsticas de Ljung-Box e de Box-Pierce
78
. Sobre
a questo da existncia de uma varincia condicional heterocedstica, no foram encontrados
quaisquer sinais de sua ocorrncia, tanto na FAC e FAC-P dos resduos ao quadrado quanto
pelo teste ARCH-LM, cujas estatsticas e seus respectivos p-valores para os dois modelos
foram: 4.1063 (1.0000) e 24.4808 (0.2703).

78
Alm dos valores destas estatsticas apresentados na Tabela 30 para 12 lags, foram calculados seus valores
para os lags 24, 36 e 72. Em todos os casos a indicao de seqncia no autocorrelacionada foi mantida.
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Preos Internacionais (ARFIMA(1,1.0502,0))
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
2
-
0
.
1
0
.
0
0
.
1

FAC-P - Preos Internacionais (ARFIMA(1,1.0502,0))
Lag
A
C
F
0 20 40 60 80 100
-
0
.
2
0
.
2
0
.
6
1
.
0

FAC - Preos Domsticos/Cmbio (ARFIMA(0,1.0470,0))
Lag
P
a
r
t
i a
l
A
C
F
0 20 40 60 80 100
-
0
.
1
0
.
0
0
.
1

FAC-P - Preos Domsticos/Cmbio (ARFIMA(0,1.0470,0))
157

6.4.3 Anlise Sobre a Estabilidade de Longo Prazo: Evidncias sobre a PPP

6.4.3.1 Anlise de Co-integrao (1) (0) I I : Metodologias de Engle & Granger (1987) e
de Johansen (1995)

O teste de co-integrao de Engle & Granger foi formalizado sobre os resduos da equao de
co-integrao mostrado na Tabela 32.

Tabela 32 Modelo de Co-Integrao

A avaliao da co-integrao baseou-se nos testes de Dickey-Fuller Aumentado (ADF) e de
Phillips-Perron (PP). Na Tabela 33, esto resumidas as estatsticas dos testes. Entre
parnteses, esto destacados os respectivos p-valores calculados com base na metodologia
superfcie de resposta de MacKnnon (1996).

Tabela 33 - Teste de Co-Integrao de Engle & Granger

A deciso sobre a existncia de co-integrao, ao nvel de 5% de significncia, independe da
especificao dos termos deterministas sobre o modelo de co-integrao. Pelos dois testes,
no rejeitada a hiptese nula de no co-integrao entre as sries. Sendo assim, pela
abordagem de Engle & Granger, conclui-se que no h co-integrao entre as sries formadas
pelos preos internacionais e pela razo preos domsticos/cmbio nominal, invalidando a
hiptese de paridade do poder de compra entre o Brasil e seus principais parceiros comerciais
histricos.
p* | o
| Est. t P-Valor R
2
R
2
Adjust. DW
Intercepto 4.7570 0.0311 152.9812 0.0000 0.8513 0.8503 0.1655
p/e 1.0742 0.0368 29.2098 0.0000
Teste F: 853.2 (P-Valor 0.0000)
Regresso: Preos Internacionais X Preos Domsticos/Cmbio
ADF -2.8320 (0.3529) -2.5640 (0.2571) -2.5700 (0.0808) I(1) - No Co-Integram
PP -2.9660 (0.3065) -2.7873 (0.1846) -2.7951 (0.0517) I(1) - No Co-Integram
H
0
: No Co-Integram
* Rejeita H
0
ao Nvel de 5% de Significncia ; ** Rejeita H0 ao Nvel de 1% de Significncia.
P-Valores em parnteses calculados com base em MacKinnon (1996)
Testes de Raz Unitria
Testes
Termos Deterministas no Modelo de Co-Integrao
Deciso
158

Na etapa inicial do teste de Johansen, estimou-se um VAR de segunda ordem, de acordo com
as indicaes dos critrios de informao de BIC, HQ e AIC. Pela Figura 54 possvel
averiguar que o modelo mais adequado para o teste aquele com uma constante irrestrita ao
modelo de co-integrao. Visando evitar possveis erros oriundos de uma interpretao
grfica equivocada, considerou-se tambm o modelo com uma tendncia restrita. As outras
especificaes foram descartadas devido sua ntida inadequao em relao aos dados. A
Tabela 34 traz os valores das estatsticas do trao e do mximo autovalor utilizadas para testar
a hiptese de posto nulo (no co-integrao).

Tabela 34 - Testes de Co-Integrao pela Metodologia de Johansen

Tanto pela estatstica do trao quanto pela do mximo autovalor no se rejeita a hiptese de
posto nulo contraposta hiptese de posto unitrio, implicando a inexistncia de um vetor de
co-integrao entre as variveis. Portanto, semelhantemente concluso do teste de Engle &
Granger, a metodologia de Johansen compele invalidade da hiptese da paridade do poder
de compra no caso brasileiro.

6.4.3.2 Anlise de Co-Integrao Fracionria.

No escopo dos modelos de memria longa, foi avaliada a ocorrncia de relao de equilbrio
de longo prazo no sistema na forma de uma co-integrao fracionria. O enfoque dessa etapa
avaliar se existe um comportamento de baixa freqncia da srie compatvel com aquele
denominado por reversibilidade mdia, no capitado adequadamente pelos testes
. Foram aplicados os procedimentos de Davidson (2002c) tomando-se os modelos
e , respectivamente, para a srie dos preos
internacionais ( ) e da razo preos domsticos/cmbio ( ). Ressalta-se que esse caso
95% 99% 95% 99%
H
0
: r=0
0.0575 9.51 15.41 20.04 8.82 14.07 18.63
H
0
: r=1 0.0046 0.69 3.76 6.65 0.69 3.76 6.65
H
0
: r=0 0.0575 15.35 25.32 30.45 8.82 18.96 23.65
H
0
: r=1 0.0429 6.53 12.25 16.26 6.53 12.25 16.26
t
H
0
(r
0
): r=r
0
vs. H
1
(r
0
):r>r
0
tt
H
0
(r
0
): r=r
0
vs. H
1
(r
0
):r=r
0
+1
ttt
Valores Crticos Tabulados Consideram os Termos Determinstas - Osterwald & Lenum (1992) .
*Rejeita H
0
a 5% significncia ; **Rejeita H
0
a 1% significncia
Hipteses Autovalor
Est.
Trao
t
Valores Crticos
ttt
Est. Max
Autovalor
tt
BIC, HQ e
AIC
2
Constante Irrestrita (I)
Tendncia Restrita (II)
Valores Crticos
ttt
Critrio
Ordemdo
VAR
(1) (0) I I
(1,1.0502, 0) ARFIMA (0,1.0470, 0) ARFIMA
*
t
p /
t t
p e
159

no exclui o caso de co-integrao . Sobre os resduos do modelo ,
, foram aplicados os procedimentos de bootstrap e os filtros invertidos
juntamente com a reintegrao fracionria. A partir das sries de bootstrap reconstrudas,
, foram calculadas as distribuies das estatsticas GFT, DW e FEG associadas
hiptese de independncia estatstica (hiptese forte), baseando-se no modelo:
79

(6.6)

Figura 58 Resduos do Modelo de Co-Integrao (Com Tendncia Linear)

Atentando-se possibilidade de no linearidades omitidas na relao de co-integrao, foram
realizados os testes de redes neurais TNN de Tersvirta, Lin & Granger (1993) e WNN de
Lee, White & Granger (1993) nos resduos de (6.6). A hiptese de linearidade no nvel da
srie no foi rejeitada para diferentes lags utilizados no teste
80
. Sob a hiptese de simples no
co-integrao (hiptese fraca), os mesmos procedimentos aplicados hiptese forte foram
efetuados sobre os resduos da equao de regresso:
(6.7)
Sob a hiptese de no co-integrao conjuntamente a no causalidade de Granger (hiptese
semifraca) utilizou-se os resduos de:

79
A metodologia de Davidson (2002c) permite a incorporao da tendncia linear no modelo de co-integrao.
Para a comparao com o modelo originalmente proposto por Engle & Granger (1987), no Apndice 9 desse
estudo, so mostrados os testes excluindo o componente determinista do modelo. Sua eliminao no alterou os
resultados obtidos, porm nele todas as estatsticas rejeitam a hiptese de independncia estatstica entre as
variveis ao nvel de 5% de significncia.
80
As estatsticas dos testes TNN e WNN esto dispostas no Apndice 10.
(1) I (1,1.0502, 0) ARFIMA
*
p
t
u ( , ) ARMA p q
* 5000
1
{ }
t M
p
=
*
(0.0678**) (0.0010**) (0.0551**)
4.3219 0.0070 0.7605( / )
t t t t
p t p e =

1860 1880 1900 1920 1940 1960 1980 2000
-
1
.
0
-
0
.
5
0
.
0
0
.
5
1
.
0

1860 1880 1900 1920 1940 1960 1980 2000
-
1
.
0
-
0
.
5
0
.
0
0
.
5
1
.
0
Resduos de Co-Integrao
* * / / / *
1 1 1
(0.0049) (0.0833) (0.0342) (0.0335**) (0.0841)
0.0006 0.0465 0.0049 0.1772 0.0378
p p p e p e p e p
t t t t t t
u u u u u c

=
160

(6.8)
A Tabela 35 traz os valores calculados das estatsticas de teste e os p-valores referentes s trs
hipteses. Tambm so mostradas, na Figura 59, as distribuies empricas de bootstrap
utilizando uma janela gaussiana para suas suavizaes. A linha vertical pontilhada (na cor
vermelha) indica o valor da estatstica de teste utilizado no cmputo dos respectivos p-
valores.

Tabela 35: P-Valores dos Testes de Co-integrao Fracionria com Bootstrap

Independncia Estatstica (Forte), No Co-Integrao e no Causalidade de Granger (Semifraca) e de

* * / / *
1 1
(0.0048) (0.0827) (0.0331**) (0.0365)
0.0006 0.0398 0.1765 0.0476
p p p e p e p
t t t t t
u u u u c

=
Hip. Forte
Hip. Semifraca
Hip. Fraca
Modelos: ARFIMA(1, 1.0502,0) para p* e ARFIMA(0, 1.0470,0) para p/e
Estatsticas
GFT
Preos Internacionais X Preos Domsticos/Cmbio
DW
0.0269
0.1991 0.3470 0.1470
FEG
1.0216
0.2460
0.3599
0.0137
0.1520
Estatstica do Teste 190.5851 0.1169
0.1922
GFT - Hip. Forte
f
.
d
.
p
0 100 200 300 400
0
.
0
0
.
0
0
6
0
.
0
1
2
98.63%
f
.
d
.
p
0 200 400 600 800
0
.
0
0
.
0
0
2
0
.
0
0
5
80.09%
GFT - Hip. Fraca
f
.
d
.
p
p
0 200 400 600 800
0
.
0
0
.
0
0
2
0
.
0
0
5
80.78%
DW - Hip. Forte
f
.
d
.
p
0.0 0.1 0.2 0.3 0.4
0
2
4
6
8
1
0
75.40%
DW - Hip. Semifraca
f
.
d
.
p
0.0 0.1 0.2 0.3 0.4 0.5
0
2
4
6
8
65.30%
DW - Hip. Fraca
f
.
d
.
p
0.0 0.1 0.2 0.3 0.4 0.5
0
2
4
6
8
64.01%
FEG - Hip. Forte
f
.
d
.
p
0.8 1.0 1.2 1.4
0
1
2
3
4
2.69%
f
.
d
.
p
0.8 1.0 1.2 1.4
0
.
0
1
.
0
2
.
0
14.70%
FEG - Hip. Fraca
f
.
d
.
p
0.6 0.8 1.0 1.2 1.4 1.6
0
.
0
1
.
0
2
.
0
13.50%
161

Os resultados obtidos so dbios em relao hiptese de independncia estatstica entre as
duas variveis. Enquanto os testes baseados nas estatsticas GFT e FEG rejeitaram a hiptese
nula de independncia estatstica ao nvel de 5% de significncia, a estatstica DW no rejeita.
Em relao s hipteses de no co-integrao e no causalidade de Granger e de simples no
co-integrao, os resultados baseados nas trs estatsticas apontam para um mesmo sentido:
todos no rejeitam a hiptese que nega a existncia de estabilidade de longo prazo nas
relaes estocsticas das sries. O pressuposto de ajustamento lento devido rigidez nos
mecanismos de mercado e institucionais em direo a uma paridade do poder de compra entre
o Brasil com seus parceiros comerciais mostrou-se, segundo essa avaliao, ilusrio. A
trajetria comum, percebida por meio da Figura 58, reflete, segundo esses resultados, apenas
uma tendncia linear afim entre as variveis. Sendo assim, rejeita-se a hiptese de haver co-
integrao, fracionria ou no, entre os dois conjuntos de variveis e, por conseguinte, rejeita-
se a hiptese da PPP em sua verso absoluta.

6.4.4 Concluses

A averiguao emprica sobre a PPP realizada nesse estudo no mbito da co-integrao
corroborou os resultados anteriormente obtidos por Alves, Cati e Fava (2001). No foram
encontrados sinais da validade da PPP no perodo avaliado, que se estende de 1855 a 2005.
Buscou-se avaliar principalmente se as novas tcnicas relacionadas integrao e co-
integrao fracionria poderiam trazer uma nova luz pesquisa emprica da PPP no Brasil. Os
testes de co-integrao revelaram a inexistncia da relao estvel de longo prazo
envolvendo as tendncias estocsticas das variveis preos internacionais e da razo preos
domsticos/cmbio. Sob o paradigma , trs hipteses sob diferentes graus de restries
estatsticas, teoricamente independentes entre si, foram testadas. A hiptese de independncia
estatstica mostrou sinais contraditrios que no permitem uma afirmao concisa sobre sua
existncia. As hipteses de no co-integrao fracionria, com ou sem causalidade de
Granger, no foram rejeitadas por todas as estatsticas utilizadas. Os resultados obtidos abrem
caminho a outras consideraes. Entre elas, est a influncia de erros de medida e o grau de
representatividade das sries utilizadas nesse trabalho em relao s variveis timas
previstas nos modelos tericos.

(1) (0) I I
( ) I d
162

163

7 CONCLUSES E PERSPECTIVAS

O foco principal desse trabalho foi abordar o tema da memria longa em variveis de natureza
econmica sob diferentes aspectos. A literatura economtrica examinada revelou mudanas
no paradigma de anlise de sries temporais. Nos anos 80, foi questionada a modelagem de
diversas sries econmicas baseada na hiptese de estacionariedade em torno de uma
tendncia determinista. Como resultado, surgiu o paradigma (1) (0) I I , que mostrou que
grande parte das sries econmicas deveria ser representada em primeiras diferenas. A
mudana de abordagem teve fortes implicaes sobre a avaliao da persistncia em sries
econmicas, pois revelou o carter permanente dos efeitos dos choques sobre a trajetria das
variveis. O surgimento da teoria da integrao fracionria revelou um novo paradigma
economtrico, no qual as ordens de integrao inteiras representam apenas casos particulares.
A nova classe de modelos oriunda dessa teoria vem demonstrando a impreciso do arcabouo
(1) (0) I I em capturar o comportamento de baixa freqncia de sries temporais, com
grande influncia na modelagem paramtrica de variveis econmicas e, por conseguinte, na
anlise da persistncia. Os modelos de memria longa conseguem extrair adequadamente as
longas estruturas de dependncia nas sries temporais por meio do parmetro de integrao
fracionria. Com base na funo impulso-resposta, possvel estabelecer uma sintonia fina
entre a ordem de integrao fracionria e os efeitos das inovaes sobre o futuro da srie.
Dessa forma, os modelos de memria longa mostram-se uma importante ferramenta estatstica
para a anlise econmica da persistncia.

No Captulo 2 desse trabalho, foram exploradas as implicaes tericas para a anlise
econmica da incorporao da teoria da integrao fracionria ao paradigma .
Foram relatadas importantes pesquisas cientficas que buscam na teoria da memria longa a
explicao para determinados fenmenos econmicos, como o dos grandes ciclos. A pesquisa
revelou que diferentes graus de persistncia fundamentam hipteses distintas na Teoria
Econmica e, portanto, a mensurao da persistncia em bases empricas pode servir como
instrumento de sua comprovao ou negao. Foram sondadas, a partir de anlises tericas,
trs possveis origens do fenmeno memria longa em variveis econmicas. Discutiu-se a
gerao do padro de memria longa pelo processo de agregao de microsries, por quebras
(1) (0) I I
164

estruturais e regimes alternantes e, com maior destaque, a hiptese da herana desse
comportamento de fenmenos naturais que influencia as relaes econmicas.

No Captulo 3 foram apresentados, formalmente, os conceitos de integrao fracionria e de
processo estocstico com memria longa, envolvendo tanto correlaes consecutivas quanto
sazonais. A partir dos modelos ( , , ) ARFIMA p d q e ( , , ) ARFSIMA p d q , a funo impulso-
resposta foi exposta como uma medida representativa do grau de persistncia em sries
temporais. Foram resumidos, no Apndice 3 do trabalho, alguns dos principais mtodos de
estimao do parmetro de integrao fracionria para processos com memria longa e
memria longa sazonal.

No Captulo 4 foram propostas duas anlises envolvendo simulaes de processos
estocsticos integrados fracionariamente. Avaliou-se o comportamento dos testes de raiz
unitria ADF, DF-GLS e ERS e KPSS, quando aplicados aos processos com memria longa.
Com base nesse experimento, concluiu-se que os testes ADF, DF-GLS e ERS possuem baixo
poder na deteco da condio de estacionariedade (assinttica) de sries com tamanho
amostral entre 100 e 200 observaes, tamanho esse, tpico das sries macroeconmicas
brasileiras. O mesmo ocorreu com o teste KPSS para a condio de no estacionariedade no
intervalo 1/ 2 1 d _ < . Foi identificado tambm que o teste ADF possui ndice de rejeio de
0
: 1 H d = superior aos nveis de significncia adotados em processos com 1/ 2 1 d _ < .
Presume-se que esse fato pode tambm influenciar nos critrios de rejeio/aceitao dos
testes co-integrao do tipo de Engle & Granger, j esses so, na maioria das vezes, baseados
na aplicao do teste ADF sobre os resduos do modelo de co-integrao. Motivado pelo fato
de que pequenas variaes na ordem de integrao de uma varivel econmica podem gerar
avaliaes significativamente distintas em termos da persistncia dos choques no mdio e
longo prazo, ainda no Captulo 4, foi apresentada uma avaliao sobre a eficincia dos
estimadores do parmetro de integrao fracionria. Os estimadores analisados mostraram
sinais claros de consistncia assinttica. Comparativamente, suas propriedades mostraram-se
particularmente distintas em funo do sinal e da grandeza do parmetro de integrao
fracionria. Destacaram-se, no quesito estatstico de menor erro quadrtico mdio, os
estimadores MP e WHL para 1 1/ 2 d < < ; WHL, WSLE e W-WSLE para 1/ 2 0 d < < ;
(0, , 0) ARFIMA d por MV, WHL e WSLE para 0 1/ 2 d < < e, por fim, os estimadores WSLE,
MP, WHL e W-WSLE para 1/ 2 1 d < < . O estimador ( , , ) ARFIMA p d q por MV, acoplado ao
165

algoritmo de estimao de Beran (1995), foi o preferido nesse trabalho. Essa escolha
considerou a elevada eficincia do estimador no intervalo de estacionariedade assinttica e
sua maior flexibilidade, que permite estimar ordens no intervalo 1/ 2 3/ 2 d < < .

O Captulo 5 apresentou os conceitos relacionados co-integrao fracionria e descreveu os
procedimentos para sua inferncia utilizados no Captulo 6, dedicado anlise emprica de
variveis econmicas brasileiras sob o instrumental fracionrio. Quatro estudos aplicados
foram desenvolvidos nesse ltimo captulo e, em todos os casos, foram comparados os
resultados do paradigma fracionrio aos do paradigma (1) (0) I I . Para tanto, foram
elaboradas diversas rotinas computacionais envolvendo cdigos em linguagem S e R e
diferentes mdulos dos programas estatsticos S-Plus, R e MatLab. De maneira geral, todas as
sries econmicas brasileiras avaliadas nesse estudo so bem representadas por modelos
simples de memria longa em comparao a outras especificaes mais complexas. O estudo
da seo 6.1 considerou o lado da produo na economia brasileira baseando-se na srie do
PIB. Pelas abordagens ARIMA e ARFIMA avaliou-se graus distintos de persistncia dos
choques macroeconmicos sobre o nvel da srie. Embora ambas as metodologias concordem
com o carter no estacionrio da srie, a dimenso dos efeitos estimados dos choques pela
metodologia ARIMA so superiores aos da metodologia ARFIMA para todo o perodo
considerado. Esse fato explicado pela capacidade do modelo de memria longa de captar as
autocorrelaes associadas ao comportamento de baixa freqncia da srie. No longo prazo,
os ndices da FIR obtidos pelas duas metodologias convergem para um mesmo nvel. Em
intervalos mais curtos, de cinco anos, por exemplo, os efeitos das inovaes esperados pela
FIR sobre o nvel da srie seriam de 2.62 e 1.48 segundo as metodologias ARIMA e
ARFIMA, respectivamente. Ampliando-se o horizonte de tempo para dez e cinqenta anos, os
valores estimados da FIR ARIMA foram de 2.81 e 2.83, respectivamente, e de e 1.67 e 2.32
pela FIR ARFIMA . A existncia de um componente permanente na srie do produto
implica a rejeio da hiptese da Teoria dos Ciclos Econmicos. Os choques econmicos so
definitivamente incorporados srie, inviabilizando a hiptese de sua reversibilidade a uma
taxa natural. As estimaes do modelo ARIMA mostraram-se menos eficientes na captao
das autocorrelaes da srie, principalmente aquelas de ordens mais elevadas.

O segundo estudo aplicado buscou avaliar a existncia de estruturas de memria longa em
variveis relativas ao nvel de emprego/desemprego. A srie selecionada foi a PED, que mede
o percentual de desempregados na Regio Metropolitana de So Paulo. A srie exibiu um
166

significativo componente sazonal, estimado como memria longa sazonal com base em dois
modelos de integrao fracionria generalizados. Apesar de, separadamente, os parmetros de
integrao estimados, referentes memria longa sazonal e no sazonal, apresentarem-se
inferiores unidade, a conjuno de seus efeitos implica a no estacionariedade do processo e
sem reversibilidade sua mdia. As seqncias estimadas da FIR pelos arcabouos
fracionrios e (1) (0) I I mostraram-se inconsistentes com a hiptese de convergncia a uma
taxa natural de desemprego. A identificao da existncia de um componente permanente na
taxa de desemprego da PED exprime a elevada rigidez no mercado de trabalho da Regio
Metropolitana de So Paulo. O instrumental fracionrio, por sua vez, permitiu identificar que
a influncia das inovaes sobre o futuro da srie significativamente inferior ao pressuposto
com base no arcabouo (1) (0) I I sazonal, que no consegue captar adequadamente a
dinmica de baixa freqncia da srie. Pelos modelos fracionrios estimados avaliou-se que,
mesmo aps 20 anos, os efeitos dos choques no mercado de trabalho tero impactos no nvel
da srie, mensurados entre 2.50 e 2.75 vezes o seu efeito inicial, enquanto que os efeitos
previstos com base no modelo SARIMA so de 19.21.

O tema do consumo das famlias brasileiras foi estudado na seo 6.3. Trs aspectos
relacionados ao tema, retratados pela Teoria Econmica, foram abordados. Em primeiro lugar,
a variabilidade relativa entre as sries consumo das famlias e renda disponvel foi analisada.
Utilizou-se a anlise de ondaletas que possui propriedades distintivas na anlise de sries com
elevado grau de persistncia. A abordagem comparativa das varincias de ondaletas das sries
em multirresoluo evidenciou que, nas escalas temporais mais baixas, a varincia do
consumo das famlias mais elevada que a da renda disponvel. Nas escalas mais elevadas, as
varincias de ondaletas alcanam a igualdade estatstica. Os padres distintos de variabilidade
em funo da dimenso temporal tm respaldo nas teorias econmicas baseadas nas
expectativas dos agentes econmicos. As incertezas e a miopia dos agentes em relao sua
renda futura so fatores que podem explicar a maior variabilidade do consumo em relao
renda no curto prazo. medida que so considerados prazos mais amplos, os agentes
econmicos elevam sua capacidade de previso de sua renda intertemporal, reduzindo suas
incertezas e impelindo-os a suavizar seu consumo. Na parte referente modelagem
univariada, os modelos refletiram processos no estacionrios e no reversveis suas mdias.
Os valores da FIR ARFIMA para a srie consumo das famlias revelaram-se superiores aos
da FIR ARIMA . No caso da srie renda disponvel, ocorreu o inverso, como foi
167

normalmente encontrado nesse trabalho. A anlise sobre a relao de longo prazo entre as
duas variveis foi realizada por meio da inferncia da co-integrao. A existncia da co-
integrao foi testada em dois mbitos: no da memria longa e no do paradigma .
Pela metodologia tradicional, a relao de co-integrao foi rejeitada. J as evidncias
encontradas na anlise de co-integrao fracionria com bootstrap foram amplamente
favorveis sua aceitao. Uma vez que os testes de co-integrao fracionria so
particularizados para as sries utilizadas, e dada a sua maior capacidade de identificar os
comportamentos de reversibilidade mdia, conclui-se a existncia de uma relao estvel de
longo prazo entre as sries consumo das famlias e renda disponvel. Essa comprovao
permitiu mensurar a elasticidade consumo-renda para o perodo em aproximadamente 0.92.

O quarto e ltimo estudo emprico elaborado na seo 6.4 foi destinado avaliao dos
efeitos do comrcio externo brasileiro, sob a ptica da Teoria da Paridade do Poder de
Compra. O estudo revisou os resultados de Alves, Cati & Fava (2001) luz dos novos
instrumentos de anlise de integrao e co-integrao fracionria e concluiu, em harmonia
com os resultados desses autores, a invalidade do pressuposto da paridade do poder de compra
para o Brasil no perodo de 1855 a 2005. No h, portanto, indcios que possam sustentar a
hiptese de convergncia de preos dos produtos transacionados entre os pases envolvidos na
pesquisa.

Em suma, os estudos aplicados permitiram avaliar que os modelos de memria longa
produzem especificaes mais parcimoniosas de processos com longa estrutura de
dependncia e captam mais adequadamente as informaes contidas nas baixas freqncias
das sries. Como reflexo, a funo impulso-resposta calculada com base nos parmetros
estimados dos modelos ARFIMA e ARFISMA

de sries no estacionrias mostrou, de
maneira geral, coeficientes com menores magnitudes, para todo o intervalo de tempo, do que
os obtidos com base nos modelos ARIMA e SARIMA. Apenas no caso da srie consumo das
famlias verificou-se o oposto. Os coeficientes da funo impulso-resposta mensurados com
base nas especificaes ARIMA tendem a exibir valores mais elevados e rpida convergncia
a um nvel elevado. Os modelos fracionrios mostraram, dessa forma, maior capacidade de
avaliar como os choques econmicos so acomodados no mdio e longo prazo. Portanto, as
tcnicas fracionrias, avaliadas como base nos modelos ARFIMA

e ARFISMA, mostraram-
(1) (0) I I
168

se mais flexveis e versteis anlise da persistncia nas sries temporais econmicas em
comparao aos modelos ARIMA

e SARIMA.

Diversas possibilidade de estudos foram identificadas ao longo desse trabalho. No Captulo 2,
por exemplo, foi abordado o tema da microagregao na gerao do padro de memria longa
em sries temporais. No entanto, diferentes formas de ponderao dos dados no processo de
agregao, tradicionais em Economia, podem gerar efeitos distintos no que tange estrutura
de memria (longa) da srie agregada. Entende-se que esse um tema ainda a ser explorado.
Particularmente em relao s simulaes, percebeu-se que os experimentos do Captulo 4
podem ser ampliados para considerar intervalos maiores de integrao fracionria e processos
com memria longa sazonal. Entende-se tambm, que pouco foi explorado a respeito dos
processos antipersistentes. Aprofundar a anlise sobre essa classe de processos pode ajudar a
desenvolver procedimentos que evitem a superdiferenciao. Na linha de pesquisa
envolvendo simulaes, possvel desenvolver um estudo baseado em simulaes de
processos fracionrios comparando a eficincia dos modelos ( , , ) ARIMA p d q e
( , , ) ARFIMA p d q em sua representao e comparar suas respectivas funes impulso-
resposta. Em relao ao estudo sobre a paridade do poder de compra no Brasil, os resultados
obtidos abrem caminho a outras consideraes que podem ser objeto de novas pesquisas,
como a influncia de erros de medida e a representatividade das sries utilizadas nesse
trabalho. Uma questo mais ampla envolvendo a economia brasileira, sob uma perspectiva
histrica, surge das evidncias obtidas no estudo: quais os motivos que levaram invalidade
da doutrina da PPP na economia brasileira? Neste caso, abre-se a possibilidade de pesquisar
os motivos que fizeram com que os mecanismos de mercado no agissem de forma que a
paridade do poder de compra fosse atingida.

Por fim, a pesquisa realizada ao longo desse trabalho, de maneira geral, permitiu avaliar que
os modelos de memria longa e a integrao fracionria vm sendo pouco utilizados nas
pesquisas economtricas aplicadas no Brasil. Ela tambm permitiu avaliar que a anlise de
ondaletas um instrumento extremamente rico e ainda muito pouco explorado pela
Econometria. Sua flexibilidade, que permite analisar tanto sries estacionrias quanto sries
no estacionrias e sua capacidade de decompor e sintetizar seqncias em diferentes nveis
de escalas de tempo so propriedades extremamente atraentes para pesquisas econmicas
aplicadas.
169

REFERNCIAS

Abramovich, F., Bailey, T.C. & Sapatinas, T. (2000) "Wavelet Analysis and Its Statistics
Applications". The Statistician. 49. 1.
Adelman, I. (1960) "Business Cycles - Endogenous or Stochastic?". The Economic Journal,
70 (280), 783-796.
Alves, D. C. O., Cati, R. C. & Fava, V. L. (2001) "Purchasing power parity in Brazil: a test
for fractional cointegration. Applied Economics, v. 33: 1175-1185.
Anderson, R. G., Berry, J. E. & Nesmith, T. D. (1997a) "Introduction to the St. Louis
Monetary Services Index Project". Review (Jan/Feb). Federal Reserve Bank of St. Louis.
Anderson, R. G., Berry, J. E. & Nesmith, T. D. (1997b) "Monetary Aggregation Theory and
Statistical Index Numbers". Review (Jan/Feb). Federal Reserve Bank of St. Louis.
Anderson, R. G., Berry, J. E. & Nesmith, T. D. (1997c) "Building New Monetary Services
Index: Concepts, Data and Methods". Review (Jan/Feb). Federal Reserve Bank of St. Louis.
Bai, J. & Perron, P. (1998) "Estimating and Testing Linear Models with Multiple Structural
Changes". Econometrica, 66.
Bai, J. (1997) "Estimating Multiple Breaks One at a Time". Econometric Theory, 13.
Baillie, R. T. & Bollerslev, T (1994) "Cointegration, Fractional Cointegration, and Exchange
Rate Dynamics". Journal of Finance, XLIX (2), 737-745.
Baillie, R. T., Chung, C.-F. & Tieslau, M. A. (1996) "Analysing Inflation by the Fractionally
Integrated ARFIMA-GARCH Model". Journal of Applied Econometrics, 11, 23-40.
Banerjee, A. & Urga, G. (2004) Modelling Structural Breaks, Long Memory and Stock
Market Volatility: An Overview. Journal of Econometrics.
Barkoulas, J. T., Baum, C. B. & Caglayan, M. (1999) "Long memory or structural breaks:
Can either explain nonstationary real exchange rates under the current float?". Journal of
International Financial Markets, Institutions and Money, 9(4). 359-376.
Barro, J. & Sala-I-Martin, X. (1991) "Convergence Across States and Regions" Brooking
Paper on Economic Activity, 1, 107-182.
Bautahar, M., Marimoutou, V. & Nouira, L. (2007) Estimation Methods of the Long
Memory Parameter: Monte Carlo Analysis and Application. Journal of Applied Statistics,
34, 3, April, 261-301.
Beran, J. (1994) Statistics for Long-Memory Processes. Chapman & Hall.
Beran, J. (1995) Maximum Likelihood Estimation of the Differencing Parameter for
Invertible Short and Long Memory Autoregressive Integrated Moving Average Models.
Journal of the Royal Statistical Society. Series B (Methodological), Vol. 57, 4, p. 659-672.
170

Blackman, R. B. & Tuckey, J. W. (1959) The Measurement of Power Spectrum from the
Point of View of Communications Engineering. Dover: New York.
Blanchard, O. J. & Summers, L. H. (1986) "Hysteresis and the European Unemployment
Problem. NBER Working Paper, 1950.
Blanchard, O. J. (1981) "What is Left of the Multiplier-Accelerator?". American Economic
Review Proceedings, May, 71, 150-154.
Bochner, S. (1936) Summation of Multiple Fourier Series by Spherical Means.
Transactions American Mathematical Society, 40, 175-207.
Bollerslev, T. & Wright, J. H. (2000) "Semiparametric Estimation of Long-Memory Volatility
Dependencies: The Role of Hight-Frequency Data". Journal of Econometrics. 98.
Bollerslev, T. & Mikkelsen, H. O. (1996) "Modeling and Pricing Long Memory in Stock
Market Volatility". Journal of Econometrics. 73, 151-184.
Bos, C. S., Franses, P. H. & Ooms, M. (1999) "Long-Memory and Level Shifts: Re-
Analyzing Inflation Rates". Empirical Economics , 24(3), 427-449.
Box, G. E. P. & Jenkins, G. M. (1970) "Time Series Analysis: Forecasting and Control". San
Francisco: Holden-Day (Revisited Edition, 1976).
Box, G. E. P., Jenkins, G. M. & Reisen, G. (1994) "Time Series Analysis: Forecasting and
Control". Third Edition. Englewood Cliffs: Prentice Hall.
Britanak, V., Yip, P. & Rao, K. R. (2007) Discret Cosine and Sine Tranforms: General
Properties, Fast Algorithms and Integer Approximations. Elsevier, Academic Print.
Brockwell, P. J. & Davis, R. A. (1991) Time Series: Theory and Methods. New York,
Springer-Verlag.
Busetti, F. & Harvey, A. (2001) "Testing for the Presence of a Random Walk in Series with
Structural Breaks". Journal of Time Series Analysis 22, 127-150.
Busetti, F. & Harvey, A. (2003) "Further Comments on Stationarity Tests in Series with
Structural Breaks". Journal of Time Series Analysis 24, 137-140.
Campbell, J. Y. & Deaton, A. (1989) "Why is Consumption too Smooth?". The Review of
Economics Studies, 56, 3 (Jul.), 357-373.
Campbell, J. Y. & Mankiw, N. G. (1987a) "Are Output Fluctuations Transitory?". Quarterly
Journal of Economics, 102, 4 (November 1987), 857-880. Tambm publicado sob o mesmo
ttulo em: National Bureau of Economic Research. NBER Working Paper Series, 1986, #
1916.
Campbell, J. Y. & Mankiw, N. G. (1987b) "Permanent and Transitory Components in
Macroeconomic Fluctuations". The Americam Economic Review, 77, 2 (May), 111-117.
Canuto, O & Fonseca P. dos Santos, P. (2004) "Macroeconomics and Sovereign Risk
Ratings". Washington, World Bank.
171

Caporale, G. M. & Gil-Alana, L. A. (2003) "Long Memory and Structural Breaks in
Hiperinflation Countries". Journal of Economics and Finance. 27, 2, 136-152.
Caporale, G. M. & Gil-Alana, L. A. (2004a) Fractional Cointegration and Tests of Present
Value Models. Review of Financial Economics, 13, 245-258.
Caporale, G. M. & Gil-Alana, L. A. (2004b) Fractional Cointegration and Real Exchange
Rates. Review of Financial Economics, 13, 327-340.
Chambers, M. J. (1998) "Long Memory and Aggregation in Macroeconomic Time Series".
International Economic Review, 39, 4.
Chen, G., Abraham, B. & Peiris, S. (1993) Lag Window Estimation of the Degree of
Differencing in Fractionally Integrated Time Series Models. Journal of Time Series
Analysis, 15, 473-487.
Cheung, Y (1993) "Long Memory in Foreign-Exchange Rates. Journal of Business &
Economic Statistics, 11, 1, 93-101.
Cheung, Y. & Diebold, F. X. (1994) "On Maximum Likelihood Estimation of the
Differencing Parameter of Fractionally-Integrated Noise with Unknown Mean". Journal of
Econometrics. 62. North Holand, 301-316.
Cheung, Y. & Lai, K. S. (1993a) "Long-run Purchasing Power Parity During the Recent
Float. Journal of International Economics, 34, 181-192. North Holand.
Cheung, Y. & Lai, K. S. (1993b) "A Fractional Cointegration Analysis of Purchasing Power
Parity. Journal of Business & Economic Statistics, 11, 1, 103-112.
Cheung, Y. & Lai, K. S. (1994) "Mean Reversion in Real Exchange Rates. Economics
Letters, 46, 251-256
Cheung, Y. W. & Lai, K. S. (1993) A Fractional Cointegration Analysis of Purchasing
Power Parity. Journal of Business and Economic Statistics, 11, 1, 103-112.
Chiann, C. (1997) "Anlise de Ondaletas em Sries Temporais". Tese de Doutorado. IME-
USP.
Chung, C. (1996) Estimating a Generalized Long Memory Processes. Journal of
Econometrics, 73, 237-259.
Clifford, M. H. & Deo, R. S. (1999) Plug-in Selection of the Number of Frequencies in
Regression Estimates of the Memory Parameter of a Long Memory Time Series. Journal of
Time Series Analysis, 20, 3, 331-341.
Coakley, J., Fuertes, A. & Zoega, G. (2001) "Evaluating the Persistence and Structuralist
Theories of Unemployment from a Nonlinear Perspective". Studies in Nonlinear Dynamics &
Econometrics, 5, 3 (2).
Cochrane, J. H. (1986) "How Big is the Random Walk in GNP?". University of Chicago.
172

Cramr, H. (1942) On Harmonic Analysis in Certain Functional Spaces. Ark. Mat. Astron.
Fys, 238.
Cunnyngham, J. (1963) "Spectral Analysis of Economic Time Series". Working Paper (16),
Department of Commerce, Bureau of the Census. New York.
Daubechies, I. (1992) "Ten Lectures on Wavelets" in: CBMS-NSF Regional Conference
Series in Applied Mathematics, 61. SIAM
Daubechies, I. (1993) "Different Perspectives on Wavelets" in: Proceedings of Symposia in
Applied Mathematics. American Mathematical Society.
Davidson, J. & Sibbertsen, P. (2004) "Generating Schemes for Long Memory Processes:
Regimes, Aggregation and Linearity". Forthcoming in Journal of Econometrics.
Davidson, J. (1997) "Modeling Political Popularity: An Analysis of Long Range Dependence
in Opinion Poll Series". Journal of the Royal Statistical Society Series A, 160, 3 , 471-90.
Davidson, J. (2000) "The Functional Central Limit Theorem and Weak Convergence to
Stochastic Integrals II: Fractionally Integrated Processes". Econometric Theory 16, 5 643-666
Davidson, J. (2002a) "Establishing Conditions for the Functional Central Limit Theorem in
Nonlinear and Semiparametric Time Series Processes" Journal of Econometrics 106 243-
269.
Davidson, J. (2002b) "Long Memory and Nonlinear Time Series" (JoE Special Issue
Introduction, with Timo Tersvirta), Journal of Econometrics 110(2), pp105-112
Davidson, J. (2002c) A Model of Fractional Cointegration, and Tests for Cointegration
Using the Bootstrap. Journal of Econometrics. 110, 2, 187-212.
Davidson, J. (2003) Testing for Fractional Cointegration: the Relationship between
Government Popularity and Economic Performance in the UK. Working Paper.
Davidson, J. (2004) Convergence to Stochastic Integrals with Fractionally Integrated
Processes: Theory, and Applications to Cointegrating Regression. No Publicado.
Davidson, J. (2005) "Long Memory Time Series: Theory and Applications" ESRC Advanced
Training Programme in Financial Econometrics at Xfi Centre for Finance and Investment.
March.
Deaton, A. (1987) Life Cicle Models of Consumption: Is the Evidence Consistent with the
Theory?. In Bewley, T. F. (ed). Advances in Econometrics. Cambridge University Press.
Deaton, A. (1992) Understanding Consumption. Oxford University Press.
Dickey, D. A. & Pantula, S. G. (1987) Determining the Order of Differencing in
Autoregressive Processes. Journal of Business & Economic Statistics, 5, 4, 455-461.
Diebold, C. Guiraud, V. (2002) A Note on Long Memory Time Series. Universit
Montpellier. Working-Paper.
173

Diebold, F. X & Inoue, A. (2001) "Long Memory and Structural Change". Journal of
Econometrics. 105, 131-159.
Diebold, F. X & Rudebusch, G. D. (1989) "Long Memory and Persistence in Aggregate
Output". Journal of Monetary Economics. 24, 189-209.
Diebold, F. X. & Rudebusch, G. D. (1991) "Is Consumption Too Smooth? Long Memory and
the Deaton Paradox". The Review of Economics and Statistics, 73, 1, 1-
Diebold, F. X. & Rudebusch, G. D. (1991) On the Power of Dickey-Fuller Tests Against
Fractional Alternatives. Economics Letters, 35, 155-160.
Diebold, F. X. & Rudebusch, G. D. (2001) Five Questons About Business Cycle. Federal
Reserve Bank of San Francisco, 1-15.
Ding, Z. & Granger, C. W. J. & Engle, R. F. (1993) A Long Memory Property of Stock
Returns and a New Model. Journal of Econometrics, 14, 227-238.
Dolado, J. J. , Gonzalo, J. & Mayoral, L. (2002) "A Fractional Dickey-Fuller Test for Unit
Roots". Econometrica. 70. 5. September
Doornik, J. A. & Ooms, M. (2004) Inference and Forecasting for ARFIMA Models With an
Application to US and UK Inflation. Studies in Nonlinear Dynamics & Econometrics, 8 (2),
14.
Doukhan, P. & Oppenheim, G. & Taqqu, M. S. (2003). "Theory and Applications of Long
Range Dependence". Birkhuser Ed.
Elliot, G. & Rothenberg, T. J. & Stock, J. H. (1996) Efficients Tests for an Autoregressive
Time Series with a Unit Root. Economstrica, 49, 1057-1072.
Enders, W. (1995) Applied Econometric Time Series. Wiley Series in Probability and
Mathematical Statistics.
Engle, R. F. & Granger, C. W. J. (1987) Co-integration and Error Correction:
Representation, Estimation, and Testing. Econometrica, 55, 2, 251-276.
Engle, R. F. & Smith, A.D. (1999) "Stochastic Permanent Breaks". Review of Economics and
Statistics. 81(4): 553-574.
Fairfield Smith, H. (1938) "An Empirical Law Describing Heterogeneity in the Yields of
Agricultural Crops". Journal of Agricultural Science, 28, 1-23.
Fava, V. L. & Alves, D. C. O. (1998) Longa Persistncia nas Taxas de Inflao. Revista de
Econometria, SBE, 18, 2, 245-264.
Fisher, M. E. & Seater, J. J. (1993) Long-Run Neutrality and Superneutrality in an ARIMA
Framework. American Economic Review, 83, 3, 402-415.
Flavin, Marjorie A. (1981) The Adjustment of Consumption to Changing Expectations
About Future Income. Journal of Political Economy, 89, 974-1009.
174

Flavin, Marjorie A. (1981) The Excess Smoothness of Consumption: Identification and
Interpretation. The Review of Economic Studies, 60, 3, July, 651-666.
Fox, R. & Taqqu, M. S. (1986) Large-Sample Properties of Parameter Estimates for Strongly
Dependent Stationary Gaussian Time Series. The Annals of Statistics, 14. Tambm
publicado em Robinson (2003).
Frankel, J. A. & Rose, A. K. (1995) A Panel Project on Purchasing Power Parity: Mean
Reversion Whithin and Between Countries. NBER Working Paper, 5006.
Gabor, D. (1946) Theory of Communcaton. J. IEE, 93, 429-457.
Galand, C. (1983) "Codage en Sous-Bandes: Thorie et Applications la Compression
Numrique du Signal de Parole". Thesis, University of Nice. France.
Gallegati, M. & Gallegati, M. (2007) Wavelet Variance Analysis of Output in G7
Countries. Studies in Nonlinear Dynamics & Econometrics, 11, 3, 6.
Genay, R., Seluk, F. & Whitcher, B. (2002) "An Introduction to Wavelets and Other
Filtering Methods in Finance and Economics". Academic Press.
Geweke, J. & Porter-Hudak, S. (1983) "The Estimation and Applications of Long Memory
Time Series Models". Journal of Time Series Analysis. 4. 4.
Gil-Alana, L. A. & Caporale, G. M. (2003) "Long Memory and Structural Breaks in
Hyperinflation Countries". Journal of Economics and Finance, 27, 2.
Gil-Alana, L. A (2000) "A Generalized Fractional Time Series Model: Testing the Order of
Integration of Trend, Seasonal and Cyclical Components". Review of Economic Cycles, 7, 1,
December.
Gil-Alana, L. A (2002) "Semiparametric Estimation of the Fractional Differencing Parameter
of Measures of the U.K. Unemployment". Computational Economics. 19.
Gil-Alana, L. A (2003) "A Fractional Integration Analysis of the Population in Some OECD
Countries". Journal of Applied Statistics. 30. 10.
Gil-Alana, L. A. (1999) Testing Fractional Integration with Monthly Data. Economic
Modelling, 16, 613-629.
Gil-Alana, L. A. (2005) Statistical Modeling of the Temperatures in the Northern
Hemisphere Using Fractional Integration Techniques. Journal of Climate, 15, December,
5357-5369.
Gourierox, C. & Jasiak, J. (2001) "Memory and Infrequent Breaks". Economics Letters, 70,
29-41.
Granger C. W. J. (1966) "The Typical Spectral Shape of An Economic Variable".
Econometrica. 34, 150-161.
Granger, C. W. J. & Hatanaka, M. (1964) "Spectral Analysis of Economic Time Series".
Princeton.
175

Granger, C. W. J. & Hyung, N. (1999) "Occasional Strutural Breaks and Long Memory".
Discussion Paper 99-14, Departament of Economics, University of California. San Diego.
Granger, C. W. J. & Jeon, Y. (1998) "The Distributional Properties of Shocks to a Fractional
I(d) Process Having a Marginal Exponential Distribution.
Granger, C. W. J. & Joyeux, R. (1980) "An Introduction to Long-Memory Time Series
Models and Fractional Differencing". Journal of Time Series Analysis, 1,15-29.
Granger, C. W. J. & Morgenstern, O. (1963) "Spectral Analysis of Stock Market Prices".
Kyklos, 16, 1-27.
Granger, C. W. J. (1980) "Long Memories Relationships and the Aggregation of Dynamic
Models". Journal of Econometrics, 14, 227-238.
Granger, C. W. J. (1986) Developments in the Study of Cointegrated Economic Variables.
Oxford Bulletin of Economics and Statistics, 48, 213-228.
Granger, C. W. J. (1993) "What are we Learning About the Long-Run". The Economic
Journal, 103 (March), 307-317.
Granger, C. W. J. (1999) "Aspects of Research Strategies for Time Series Analysis". Texto
Apresentado na Conferncia sobre Novos Desenvolvimentos em Sries de Tempo
Econmicas em New Haven, Outubro de 1999.
Grenander, U. & Rosemblatt, M. (1953) Statistical Spectral Analysis Arising from
Stationary Stochastic Processes. Ann. Math. Statist., 25, 537-558.
Grossmann, A. & Morlet, J. (1984) "Decompositions of Hardy Functions into Square
Integrable Wavelets of Constant Shape". SIAM Journal of Mathematical Analysis.
Haar, A. (1910) "Zur Theorie der Orthogonalen Funktionensysteme". Mathematische
Annalen, 69, 331-71.
Haslett, J. & Raftery, A. E. (1989) Space-time Modeling with Long-Memory Dependence:
Assessing Ireland's Wind Power Resource (with discussion). Applied Statistics 38, 1, 1-50.
Hassler, U. & Wolters, J. (1994) On the Power of Unit Root Tests Against Fractional
Alternatives. Economics Letters, 45, 1-5.
Hassler, U. & Wolters, J. (1995) "Long Memory in Inflation Rates: International Evidence".
Journal of Business & Economic Statistics. 13. 1. American Statistical Association.
Hatanaka, M. (1963) "A Spectral Analysis of Business Cycle Indicators: Lead-lag in Terms of
All Time Points". Econometric Research Program, Princeton Reserarch Memorandum, 53.
Haubrich, J. G. & Lo, A. W. (2001) "The Sources and Nature of Long-Term Memory in
Aggregate Output". Economic Review. Federal Reserve Bank of Cleveland, 37, 2, 15-30.
Haubrich, J. G. (1993) "Consumption and Fractional Differencing: Old and New Anomalies".
The Review of Economics and Statistics, 75, 4, 767-772.
176

Henry, M & Zaffaroni, P. (2003) "The Long Range Dependence Paradigm for
Macroeconomics and Finance". In: Doukhan & Oppenheim & Taqqu (2003), 417-438.
Hidalgo, J. & Robinson, P.M. (1996) "Testing for structural change in a long-memory
environment". Journal of Econometrics, 70, 159-174.
Hillebrand, E. (2005) "Neglecting Parameter Changes in GARCH Models". Journal of
Econometrics, 129, 1 e 2, 121.
Hipel, K. W. & McLeod, A. I. (1978) "Preservation of the Rescaled Adjusted Range". Water
Resources Research, 14, 509-518.
Hosking, J. R. M. (1981) "Fractional Differencing". Biometrika, 68 , 165-176.
Hubbard, B. B. (1998) "The World According to Wavelets: The Story of a Mathematical
Technique in the Making". A K Peters.
Hurst, H. E. (1951) "Long-Term Storage Capacity of Reservoirs". Transactions of the
American Society of Civil Engenners, 16, 770-799.
Hurst, H. E. (1957) "A Suggested Statistical Model of Time Series that Occur in
Nature".Nature, 180, 494.
Hurvich, C. M. & Beltrao, K. (1993) Asymptotics of the Low-Frequency Ordinates of the
Periodogram of a Long-Memory Time Series. Journal of Time Series Analysis, 14, 455-472.
Hurvich, C. M. & Beltrao, K. (1994) Automatic Semiparametric Estimation of the Memory
Parameter of a Long Memory Time Series. Journal of Time Series Analysis, 15, 3. 285-302.
Hwang, S. (2000) "Structural Breaks, Persistence, and Long Memory". Wokking Paper. Cass
Business School. City University.
Hyung, N. & Franses, P. H. (2001) Structural Breaks and Long Memory In US inflation
rates: Do they Matters for Forecasting? Erasmus University Rotterdam, Econometric
Institute Research Report EI2001-13
Hyung, N. & Franses, P. H. (2002) Inflation Rates Long-memory, level, shifts, or both?
Econometric Institute Report 2002-08, Erasmus University.
Iacobucci, A. (2003) "Spectral Analysis for Economic Time Serie". Working Paper OFCE,
France, November.
Jeffreys, H. (1939) "Theory of Probability". Oxford, Clarendon Press.
Jensen, M. J. (1999) Using Wavelets to Obtain a Consistent Ordinary Least Square Estimator
of the Long-Memory Parameter. Journal of Forecasting, 18, 17-32.
Jesiak, J. (2000) "Long Memory in Economics: A Comment". Artigo no Publicado.
Johansen, S. (1995) Likelihood Based Inference in Cointegrated Vector Error Correction
Models. Oxford University Press, Oxford.
177

Kallache, M & Rust, H. W. & Kropp, J. (2005) Trend Assessment: Applications for
Hydrology and Climate Research. Nonlinear Processes in Geophysics, 12, 201-210.
Khintchine, A. (1932) Mathematisches ber die Erwartung von ein Offentlichen Schaffer.
Math. Sbornick, 39, 73.
Kolmogorov, A. N. (1940) "Wiener's Spiral and Some Interesting Curves in Hilbert Spaces".
Kokl. Akad. Nauk SSSR, 26, 2, 115-118.
Kolmogorov, A. N. (1941) " Stationary Sequences in Hilbert Spaces". Bull. Math. Univ.
Moscow, 2, 6.
Kramer, W. & Sibbertsen, P. (2002) "Testing for Structural Change in the Presence of Long
Memory". International Journal of Business and Economics, 1(3), 235-242.
Knisch, H. R. (1986) Discrimination Between Monotonic Trends and Long Range
Dependence. Journal of Applied Probability, 23, 1025-1030.
Kydland, F. E. & Prescott, E. C. (1980) "A Competitive Theory of Fluctuations and the
Feasobility and Desirability of Stabilization Policy". In S. Fischer, ed., Rational Expectations
and Economic Policy, Chicago: University of Chicago Press.
Kydland, F. E. & Prescott, E. C. (1982) Time to Build and Aggregate Fluctuations.
Econometrica, 50, 6, 1345-1370.
Kwiatkowski, D., Phillips, P.C.B., Schmidt, P. & Shin, Y. (1992) Testing the Null
Hypothesis of Stationarity Against the Alternative of a Unit Root. Journal of Econometrics,
54, 159-178.
Lardic, S. & Mignon, V. (2005) Paradoxe de Deaton et Habitudes de Consommation: Une
Analyse en Termes de Mmorie Longue. Revue dEconomie Politique, 115, 1, Janvier, 129-
160.
Lee, D. & Schmidt, P. (1996) On the Power of KPSS Tests of Stationary Against
Fractionally Integrated Alternatives. Journal of Econometrics, 73, 285-302.
Lee, T. H. & White, H. & Granger, C. W. J. (1993) Testing for Neglected Nonlinearity in
Time Series Models. Journal of Econometrics, 56, 269-290.
LI, W. K. (1986) "Fractional Time Series Modelling". Biometrica. 73.1.
Lin, C.-F. & Terasvirta, T. (1994) "Testing the Constancy of Regression Parameters Against
Continuous Structural Change". Journal of Econometrics 62, 211-228.
Lin, C.-F. & Terasvirta, T. (1999) "Testing Parameter Constancy in Linear Models Against
Stochastic Stationary Parameters". Journal of Econometrics 90, 193-213.
Lin, Y & Gulati, C. (2003) "Asymptotics for General Fractionally Integrated Processes with
Applications to Unit Root Tests". Econometric Theory. 19.
178

Ling, S. (2003) "Adaptive Estimators and Tests of Stationary and Nonstationary Short- and
Long-Memory ARFIMA-GARCH Models". Journal of the American Statistical Association.
98. 464. American Statistical Association.
Lo, A.W. (1991) Long-Term Memory in Stock Market Prices. Econometrica, 59, 1279-
1313.
Lobato, N. & Savin, N.E. (1998) Real and Spurious Long-Memory Properties of Stock-
Market Data. Journal of Business & Economic Statistics, Jul, 16, 3, 261-168.
Long, J. B. & Plosser, C. I. (1983) "Real Business Cycles". Journal of Political Economy, 91,
1 (February), 39-69.
Loretan, M & Phillips, P. C. B. (1993) "Testing the Covariance Stationarity of Heavy-Tailed
Time Series: An Overview of the Theory with Applications to Several Financial Datasets".
Journal of Empirical Finance.1, 211-248.
Lucas, R. E. (1993) Making a Miracle. Econometrica, 61, 2 (March), 251-272.
MacKinnon (1990) Critical Values for Cointegration Tests. Discussion Papers, University
of California. San Diego. Department of Economics. January, 90-4.
MacKinnon (1996) Numerical Distribution Functions for Unit Root and Cointegration
Tests. Journal of Applied Econometrics, 11, 601-618.
Mallat, S.G. (1987) "A Compact Multiresolution Representation: The Wavelet Model". in:
Proceedings of IEEE Computer Society Workshop on Computer Vision. IEEE Computer
Society Prees.
Mallat, S.G. (1998) "A Wavelet Tour of Signal Processing". Academic Press.
Mandelbrot, B. B. & Van Ness, J. W. (1968) "Fractional Brownian Motion, Fractional Noises
and Applications". SIAM Review, 10, 422-437.
Mandelbrot, B. B. & Wallis, J. (1968) "Noah, Joseph and Operational Hydrology" Water
Resourses Research, 4, 5 (October), 909-918.
Mandelbrot, B. B. & Wallis, J. (1969) "Robustness of the Rescaled Range R/S in the
Measurement of Non Cyclic Long Run Statistical Dependence". Water Resources Research.
5, 867-988.
Mandelbrot, B. B. & Wallis, J. (1969b) "Some Long-Run Properties of Geophysical
Records". Water Resources Research. 5, 2 (April), 321-340.
Mandelbrot, B. B. (1963a) "New Methods in Statistical Economy". Journal of Political
Science, 5, 421-440.
Mandelbrot, B. B. (1963b) "The Variation of Certain Speculative Prices". Journal of Business.
University of Chicago, 36, 394.
179

Mandelbrot, B. B. (1971) "When can Price be Arbitraged Efficiently? A Limit to the Validity
of the Random Walk and Martingale Models". Review of Economic and Statistics. 56, 225-
236.
Marinucci, D. & Robinson, P. M. (2001) Semiparametric Fractional Cointegration
Analysis. Journal of Econometrics, 105, 225-247.
Marques, G. O. L. C. (2003) "A Neutralidade Monetria de Longo Prazo no Brasil: Uma
Anlise Simulatria Utilizando ndices de Agregados Monetrios". Dissertao de Mestrado.
So Paulo, IPE-USP.
McLeod, A. I. & Hipel, K. W. (1978) "Preservation of the Rescaled Adjusted Range, 1: A
Reassessment of the Hurst Phenomenon". Water Resourses Research, 14, 491-50.
Meyer, Yves (1993) "Wavelets: Algorithms and Applications. SIAM. University Press.
Michelacci, C. & Zaffaroni, P. (2000) "(Fractional) Beta Convergence". Journal of Monetary
Economics, 45, 129-153.
Misiti, M., Misiti, Y., Oppenheim & G. Poggi, Jean-Mechel (2000) Wavelet Toolbox: For
Use with Matlab Mathworks Inc.
Morettin, Pedro A & Toloi, Cllia M. C. (2004) "Anlise de Sries Temporais". Edgard
Blcher.
Morettin, Pedro A. (1999) "Ondas e Ondaletas: Da Anlise de Fourier Anlise de
Ondaletas". Edusp.
Moulines, E. & Soulier, P. (2003) Semiparametric Spectral Estimation for Fractional
Processes. in Doukhan et al (2003), Ed. Birkhuser.
Nelson, C. R. & Plosser, C. I. (1982) "Trends and Random Walks in Macroeconomics Time
Series". Journal of Monetary Economics. 10, 139-162.
Nerlove, M. (1964) "Spectral Analysis of Seasonal Adjustment Procedures". Econometrica,
32, 241-286.
Newcomb, S. (1886) "A Generalized Theory of the Combination of Observations so as to
Obtain the Best Result". American Journal of Mathematics, 8, 343-366.
Ng, S. & Perron, P. (2001) Lag Length Selection and the Construction of Unit Root Tests
with Good Size and Power. Econometrica, 69, 1519-1554.
Nielsen, M. O. & Fredriksen, P.H. (2003) "Finite Sample Comparison of Parametric,
Semiparametric, and Wavelet Estimators of Fractional Integration. Working Paper. Cornell
University. November.
Nielsen, M. O. (2002) "Spectral Analysis of Fractionally Cointegrated Sustems". Working
Paper. University of Aarhus. December.
Nielsen, M. O. (2003) "Multivariate Lagrange Multiplier Tests for Fractional Integration".
Working Paper. University of Aarhus. April.
180

Nielsen, M. O. (2003) "Semiparametric Estimation in Time Deries Regression with Long
Range Dependence". Working Paper. University of Aarhus. April.
Olbermann, B. P. & Lopes, S. R. C. & Reisen, V. A. (2006) Invariance of the First
Difference in ARFIMA Models. Computational Statistics, 21, 3, 445-461.
Ooms, M. (1995) Flexible Seasonal Long Memory and Economic Time Series. Technical
Report 9515/A. Econometric Institute, Erasmus University.
Parke, W. R. (1999) "What is Fractional Integration?". The Review of Economics and
Statistics, 81, 4, 632-638.
Percival, D. B. & Mofjeld, H. O. (1997) Analysis of Subtidal Coastal Sea Level Fluctuations
Using Wavelets. Journal of the American Statistical Assiciation, 92, 868-880.
Percival, D. B. & Walden, A. T. (2000) Wavelet Methods for Time Series Analysis.
Cambridge University Press.
Percival, D. B. (1995) On Estimation of the Wavelet Variance. Biometrika, 82, 619-631.
Perron, P. & Ng, S. (2001) Lag Length Selection and the Construction of Unit Root Tests
with Good Size and Power. Econometrica, 69, 1519-1554.
Perron, P. & Vogelsang, T.J. (1992) "Testing for a Unit Root in a Time Series with a Shift in
Mean, Corrections and Extensions". Journal of Business and Economic Statistics 10, 467-470.
Perron, P. (1989) The Great Crash, the Oil Price Shock and the Unit Root Hypothesis.
Econometrica, 57, 1361-1401.
Phillips, P. C. B. & Ouliaris, S. (1990) Asymptotic Properties of Residual Based Tests for
Cointegration. Econometrica, 58, 73-93.
Porter-Hudak, S. (1990) An Application of Seazonal Fractionally Differenced Model to the
Monetary Aggregate. Journal of American Statistical Association, 85, 338-344.
Priestley, M. B. (1965) "Evolucionary Espectra and Non-Stationary Process". Journal of the
Royal Statistical Society. Series B, 27, 204-237.
Priestley, M. B. (1994) "Spectral Analysis and Time Series". AP Academic Press.
Quah, D. (1993) "Empirical Cross-Section Dynamics in Economic Growth". European
Economic Review, 37, 2/3, 426-434.
Ramsey, J. B. & Lampart, C. (1998) Decomposition of Economic Ralationships by
Timescale Using Wavelets. Macroeconomic Dynamics, 2, 49-71. Cambridge University
Press.
Ramsey, J.B. (1999) "The Contribution of Wavelets to the Analisys of Economic and
Financial Data". The Royal Society. 357.
Reisen, V. & Rodrigues, A. L. & Palma, W. (2004) Estimation of Seasonal Fractionally
Integrated Processes. No Publicado.
181

Reisen, V. A. (1994) Estimation of the Fractional Difference Parameter in the ARIMA(p,d,q)
Model Using the Smoothed Periodogram. Journal of Time Series Analysis, 15, 3. 335-350.
Reisen, V.A. & Cribari-Neto, F & Jensen, M. J. (2003) Long Memory Dynamics: The Case
of Brazil. Studies in Nonlinear Dynamics & Econometrics, 7 (3), 3.
Robinson, P. M. & Marinucci, D. (2001) Semiparametric Fractional Cointegration
Analysis. Journal of Econometrics, 105, 225-247.
Robinson, P. M. & Marinucci, D. (2003) Semiparametric Frequency Domain Analysis of
Fractional Cointegration in: Time Series with Long Memory, Robinson ed.
Robinson, P. M. (1994) Efficient Tests of Nonstationary Hypotheses. Journal of the
American Statistical Assiciation, 89, 1420-1437.
Robinson, P. M. (1995) "Gaussian Semiparametric Estimation of Long Range Dependence".
The Annals of Statistics. 23. 5.
Robinson, P. M. (1995) "Log-Periodogram Regression of Time Series with Long Range
Dependence". The Annals of Statistics. 23. 5.
Robinson, P. M. (2003) "Time Series with Long Memory". Oxford University Press.
Robinson, P.M. (1994a) "Efficient Testes of Nonstationary Hypotheses". Journal of American
Statistical Association. 89, 1420-1437.
Robinson, P.M. (1994b) "Time Series with Strong Dependence" in Advances in
Econometrics, ed. Sims, C. Vol. 1, 97-107. Cambridge University Prees.
Royston, P. (1995) A Remark on Algorithm AS 181: The W-Test for Normality. Applied
Statistics, 44, 547-551.
Rudebusch, G. (1993) The Uncertain Unit Root in Real GNP. American Economic Review,
33, 661-680.
Rugoff, K. (1996) The Purchasing Power Parity Puzzle. Journal of Economic Literature, 34,
2, 647-668.
Sang-Kun B. & Jensen M. J. & Murdock S. G. (2005) "Long-run Neutrality in a Fractionally
Integrated Model". Journal of Macroeconomics, 27, 257-274.
Schuwert, W. (1989) Test for Unit Roots: A Monte Carlo Investigation. Journal of Business
and Economic Statistics, 7, 147-159.
Seater, J. J. (1993) World Temperature Trend Uncertainties and their Implications for
Economic Policy. Journal of Business and Economic Statistics, 11.
Serroukh, A. & Walden, A. T. & Percival, D. B. (2000) Statistical Properties of the Wavelet
Variance Estimator for Non-Gaussian/Non-Linear Time Series. Journal of the American
Statistical Association, 95, 184-196.
182

Shapiro, M. D. (1987) Are Cyclical Fluctuation in Productivity Due More to Supply Shocks
or Demand Shocks?. The American Economic Review, 77, 2, 118-124.
Shumway, R. H. & Stoffer, D. S. (2000) Time Series Analysis and Its Applications.
Springer Texts in Statistics.
Sibbertsen, P. (2001) "Long-Memory versus Structural Breaks: An Overview". University
Dortmund. Germany.
Singleton, K. J. (1988) "Econometric Issues in the Analysis of Equilibrium Business Cycle
Models". Journal of Monetary Economics, 21, 2/3 (March/May), 361-386.
Smallwood, A. D. (2005) Joint Tests for Non-Linearity and Long Memory: The Case of
Purchasing Power Parity. Studies in Nonlinear Dynamics & Enonometrics, 9 (2), 1-28.
Smallwood, A. D. (2005) Joint Tests for Non-linearity and Long Memory: The Case of
Purchasing Power Parity. Studies in Nonlinear Dynamics & Econometrics, 9, 2.
Sowell, F. (1990) The Fractional Unit Root Distribution. Econometrica, 58, 495-505.
Sowell, F. (1992) "Maximum Likelihood Estimation of Stationary Univariate Fractionally
Integrated Time Series Models". Journal of Econometrics. 53. North Holand, 165-188.
Student (1929) "Errors of Routine Analysis". Biometrika, 19, 151-169.
Teraesvirta, T. & Lin, C. F. & Granger, C. W. J. (1993) Power of the Neural Network
Linearity Test. Journal of Time Series Analysis, 14, 209-220.
Teverovsky, V. & Taqqu, M.S. (1996) Analysis of Los R/S Method for Detecting Long-
Range Dependence. No Publicado.
Tolstov, G. P. (1962) Fourier Series. Trad. Richard A. Silverman. Dover Publications, Inc.
Tse, Y. (1998) "Fractional Cointegration Tests with GARCH". Applied Financial Eonomics,
8.
Vogelsang, T.J. & Perron, P. (1998) "Additional Tests for Unit Root Allowing the Possibility
of Breaks in the Trend Function". International Economic Review 39, 1073-1110.
Watson, M. W. (1986) Univariate Detrending Methods with Stochastic Trends. Journal of
Monetary Economics, 18, 49-75.
Whitcher, B., Guttorp, P. , Byers, S. D. & Percival, D. B. (sem data) "Testing for
Homogeneity of Variance in Time Series: Long Memory, Wavelets and the Nile River".
Artigo no publicado.
Whittle, P. (1956) On the Variation of Yield Variance with Plot Size. Biometrika, 43, 337-
343.
Whittle, P. (1962) Topografic Correlation, Power-Law Covariance Functions, and
Diffusion. Biometrika, 49, 304-314.
183

Woodward, W.A. & Cheng, Q.C. & Gray, H. L. (1998) A k-Factor GARMA long-Memory
Model. Journal of Time Series Analysis, 19, 485-504.
Wright, J. H. (1998) "Testing for a Structural Break at Unknown Date with Long-memory
Disturbances". Journal of Time Series Analysis. 19(3): 369-376.
Wuertz, D. (2006) The fSeries Package. Verrsion 221.10065. CRAN Home Page.
Yigit, T & Hightower, K. (sem data) Effect of Moments on Aggregation and Long Memory
in Inflation. (no publicado)
Zivot, E. & Andrews, D. W. K. (1992) "Further Evidence on the Great Crash, the Oil Price
Shock, and the Unit Root Hypothesis". Journal of Business and Economic Statistics. 10, 251-
270.
Zivot, E. & Wang, J. (2006) Modeling Financial Time Series With S-Plus. Springer Science
+ Business Media, Inc.
PROGRAMAS COMPUTACIONAIS

Matlab 7.01.24704 (R14) The Language of Technical Computing. The MathWorks Inc.
S-Plus 7.0 for Windows Professional Developer. Insightful Corp.
R 2.4.0 A Language and Environment. The R Development Core Team.

Mdulos em S-Plus:

S+Finmetrics 2.0. Insightful Corp.
S+Wavelets 2.0. Insightful Corp.
Series Using Wavelets. Autor: Brandon Whitcher. 1999.
WaveCov: An S-Plus Software Package for the Analysis of Univariate and Bivariate Time
Series Using Wavelets. Eurandom.

Mdulos em R:

Farisma 1.0, Autor: Henning Rust. 2006. http://pik-potsdam.de/~hrust
The fracdiff Package 1.2-2. Autor: Chris Fraley, Fritz Leisch & Martin Maechler. 2005.
The fSeries Package 221.10065. Autor: Diethelm Wuertz and others. 2006.
The longmemo Package 0.9-3. Autor: Martin Maechler. 2006.
The Waveslim Package 1.5. Autor: Brandon Whitcher

184

185

APNDICES

APNDICE 1: INTRODUO ANLISE ESPECTRAL CLSSICA

A anlise Espectral Clssica de sries de tempo, tambm conhecida como Anlise de Fourier,
uma tcnica matemtica de decomposio da variabilidade de sries estacionrias no
domnio da freqncia. Entre as dcadas de 1950-60, a Teoria Espectral foi introduzida como
ferramenta de anlise de variveis econmicas, tendo Clive Granger um dos principais
difusores. Conjectura-se que a tcnica em sua verso clssica aplicada a processos
estocsticos no ganhou maior importncia na Econometria devido principalmente a duas de
suas limitaes: (a) por perder o referencial temporal na passagem do domnio do tempo para
o domnio da freqncia e (b) por ser aplicvel exclusivamente sobre sries estacionrias.
Importantes contribuies anlise espectral procuraram superar tais limitaes, como a
incorporao de janelas espectrais definidas no tempo-freqncia pela Transformada
Janelada de Gabor (1946) e a Teoria dos Espectros Evolucionrios para sries no
estacionrias por Priestley (1965). Mesmo assim, essas variantes permanecem condicionadas
a determinadas restries, como largura fixa das janelas espectrais (janelas invariveis para
baixas e altas freqncias), no primeiro caso, e necessidade de pressupor processos
estocsticos localmente estacionrios, no segundo.

A Representao Espectral de Processos Estocsticos Estacionrios

A Anlise Espectral Clssica pode ser entendida como uma tcnica de transformao de uma
funo ou seqncia numrica, primariamente definida em um domnio, como a dimenso
temporal, por exemplo, em uma seqncia de parmetros aleatrios circunscritos ao domnio
da freqncia. A Transformada de Fourier o mecanismo que promove a expanso de um
sinal, peridico ou no, determinista ou estocstico, sob certas condies, em bases
harmnicas ortogonais, senides e co-senides, com amplitudes e freqncias angulares
aleatrias. Funcionalmente, a expanso realizada sobre o conjunto de funes ortogonais de
perodo formado por dilataes da exponencial complexa , 1 i = C,
denominada Equao de Euler: (A1.1). Genericamente, funes
2t { }
i
e
u
( ) ( )
in
e cos n isen n
u
u u =
186

deterministas peridicas, , , podem ser representadas na forma de uma
Srie de Fourier do tipo:
(A1.2)
com parmetros e discretos, denominados Coeficientes de Fourier. Funes
deterministas no peridicas, , , podem ser expandidas na forma de uma
Integral de Fourier sobre um conjunto contnuo de freqncias
81
,
. (A1.3)
O pressuposto que a funo seja de quadrado integrvel fundamental para as formas
espectrais (A1.2) e (A1.3) e tambm para a representao dos processos estocsticos. Ela
assegura o declnio da funo no intervalo : (A1.4). A
representao espectral de processos estocsticos possui particularidades em relao aos dois
casos mostrados acima pelo fato de que tais processos, ao invs de uma nica funo, retratam
infinitas realizaes de variveis aleatrias. Portanto, as formas espectrais (A1.2) e (A1.3) no
so diretamente aplicveis. Considerando todas as possveis realizaes de um processo
estocstico estacionrio, real ou complexo, no exeqvel inferir uma natureza peridica, ou
ainda, que ele seja de quadrado integrvel: . Conseqentemente, um
processo estocstico estacionrio no seria passvel de representao tanto na forma de uma
Srie de Fourier, como na de uma Integral de Fourier. Entretanto, condicionando o processo a
intervalos limitados pode-se definir uma representao espectral para uma realizao qualquer
do processo estocstico estacionrio:

Definio 11 - Seja uma realizao (no aleatria em t) do processo estocstico
estacionrio contnuo em mdia quadrtica, tal que
. (A1.5)
Define-se Transformada Contnua de Fourier de a expanso infinita:
(A1.6)
com sntese que define a Transformada Contnua Inversa de Fourier:

81
Para maiores detalhes sobre as condies da representao espectral de funes deterministas, ver Priestley
(1994, cap.4).
* 2
( ) ( ) X t L R t R
( )
*
0
1
1
( ) cos( ) (sen( )
2
n n
n
X t a a nt b nt
=
=
_
{ }
n
a { }
n
b
2
( ) ( ) X t L R t R
1
( ) ( )
2
i t
X t e dt
v
v
t

=
]
F
( , )
2
lim | ( ) | 0
t
X t
=
2
( ) ( ), x t L t R R
( ) x t
( ), :
( )
0, :
T
x t se T t T
x t
se caso contrrio
'
_ _
1
1
=
!
1
1+
( ) x t
1
( ) ( )
2
i t
x T
x t e dt
v
v
t

=
]
F
187

(A1.7)
Sob (A1.5), garante-se a condio de que seja definida em . A
transformada (A1.6) pode, portanto, ser igualmente representada no intervalo
utilizando :
(A1.8)
O Teorema de Parceval demonstra uma importante relao para as representaes espectrais,
tambm denominado por alguns autores como Conservao de Energia:
(A1.9)
em que uma funo determinista. Priestley (1994) explica que,
representa a contribuio para a energia total advinda dos componentes de entre
freqncias no intervalo . A equao (A1.9) exibe, portanto, uma forma de
decomposio da energia de em uma soma de componentes, cada uma contribuindo
para um determinado grupo de freqncias. Essa relao ser vlida, sob certas
caracterizaes, ao caso dos processos estocsticos estacionrios. Retomando (A1.8), o
Teorema de Parceval implica
(A1.10)
Morettin (1999) explica os aspectos que delimitam a representao espectral de . Em
primeiro lugar, representa a contribuio para a potncia total da srie
advinda dos componentes de com freqncias em , de forma que
(A1.11)
define uma Funo de Densidade de Potncia Espectral para uma realizao especfica do
processo. Tomando-se a mdia para contar com as diferentes realizaes,
(A1.12)
chega-se Funo de Densidade Espectral ou Espectro de , de maneira que
representa a mdia das contribuies para a potncia total a partir dos componentes de
com freqncias entre . Ou seja, a Funo de Densidade Espectral representa a
( ) ( )
i t
T x
x t e d
v
v v
=
]
F
( )
T
x t
2
( , ) L
( , ) T T
( ) x t
1
( ) ( )
2
T
i t
x
T
x t e dt
v
v
t

=
]
F
2 2
1
| ( ) | | ( ) |
2
X t dt d v v
t

=
] ]
F
( ) X t
2
{| ( ) | } d v v F
( ) X t
[ ; ] d v v v
( ) X t
2
2
1
[ ( )] ( )
2
T T
x
T T
x t dt d
T
v v

=
] ]
F
( )
T
x t
2
1
{ | ( ) | }
2
x
d
T
v v F
( )
T
x t [ ; ] d v v v
2
1
( ) | ( ) |
2
T x
J
T
v v = F
( ) lim { ( )}
x T
T
f E J v v
=
( ) x t ( )
x
f d v v
( )
T
x t
[ ; ] d v v v
188

quantidade de variao (ou variabilidade) de um processo em cada freqncia definida em um
intervalo limitado. Priestley (1994, p.211) demonstra que
(A1.13)
uma forma equivalente de representar (A1.12) e que, sob (A1.14), que
implica , sendo a Funo de Autocovarincia do processo. Por (A1.13),
sob (A1.14), o autor mostra que a Funo de Densidade Espectral de pode ser escrita
como:

1
( ) ( )
2
i h
x x
f h e dh
v
v
t

=
]
(A1.15)
e cuja transformada inversa de Fourier sintetiza :
(A1.16)
A representao do processo discreto, estacionrio, segue a lgica do caso contnuo
82
.
Considerando, :

Teorema 1 [Priestley (1994) ; Shumway & Stoffer (2000)] Representao Espectral do
Processo Estocstico Estacionrio Discreto: Seja um processo estocstico
estacionrio discreto cuja Funo de Autocovarincia satisfaz
(A1.17)
ento,

1
( ) ( ) ,
2
i h
x x
h
f h e
v
v t v t
t

=
= _ _
_
(A1.18)
define a Funo de Densidade Espectral de e possui representao
(A1.19)
As propriedades da Funo de Densidade Espectral so:
i. . (Advm do fato que funo no negativa definida)
ii. . ( peridica de perodo )

82
Britanak, Yip & Rao (2007) expem questes tericas normalmente desconsideradas na conceituao da
transformada na forma discreta.
2
2
1
( ) lim 1 ( )
2 2
T
i h
x x
T T
h
f h e dh
T
v
v
t

1

=

( )
]
( )
x
h dh
<
]
lim ( ) 0
h
h
= ( )
x
-
( ) x t
( )
x
h
( ) ( )
i h
x x
h f e d
v
v v
=
]
1, t t A = \
{ }
t t
x
R
( )
x
h
h
=
<
_
t
x ( )
x
h
( ) ( ) , 0, 1, 2,...
i h
x x
h f e d h
v
v v
= =
]
( ) 0 ,
x
f v v _ \ ( )
x
-
( 2 ) ( ) ,
x x
f f v t v v = \ 2t
189

iii. . ( funo par)
iv. Por (A1.19) tem-se que a varincia do processo estocstico estacionrio uma medida
de sua potncia espectral e pode ser decomposta em todas as freqncias:
{ } (0) ( )
t x x
Var x f d v v
= =
]
(A1.20)

Estimadores do Espectro

Tradicionalmente, as periodicidades em sries de tempo no so conhecidas a priori. Schuster
(1898) props o estimador espectral denominado Periodograma que permite identificar as
periodicidades nas freqncias associadas a picos de concentrao de energia espectral. A
conceituao de Periodograma pressupe, no entanto, da definio de Transformada Discreta
de Fourier, exposta abaixo:

Definio 12 Transformada Discreta de Fourier (TDF) do Processo Estocstico Discreto
Estacionrio: Seja um processo estocstico estacionrio discreto com .
Define-se Transformada Discreta de Fourier de como:
(A1.21)
sendo as freqncias denominadas Freqncias de Fourier.
importante notar que a TDF peridica de perodo , , e
portanto, basta considerar as freqncias no intervalo ou . Shumway & Stoffer
(2000) explicam que a propriedade , em que representa o
conjugado complexo da transformada, implica valores redundantes da TDF para as
freqncias entre e ou entre e . Por esse motivo, o espectro
freqentemente calculado apenas sobre , que resulta em freqncias nos
intervalos ou denominadas Freqncias de Nyquist. Morettin & Toloi (2004)
demonstram que e, com isso, define-se periodograma como estimador
espectral nos seguintes termos:

( ) ( ) ,
x x
f f v v v = \
{ }
t t
x
Z
1, 2,..., t T =
t
x
2
1
1
( ) , / , 0,1,..., 1
2
k
T
i t d
x k t k
t
x e k T k T
T
t v
v v
t

=
= = =
_
F
k
v
2t ( ) ( 2 )
d d
x k x k
v v t = F F
[ , ] t t [0, 2 ] t
( ) ( )
d d
x k x k
t v t v = F F ( )
d
x
F -
[ ;0] t [0; ] t [ 1/ 2;0] [0;1/ 2]
0,1,..., / 2 k T =
[0; ] t [0;1/ 2]

2
( )
d
x x
E f v ~ F
190

Definio 13 Periodograma [Morettin & Toloi (2004)]: Seja um processo
estocstico estacionrio discreto com . Define-se Periodograma de como:

2
2
2
1
1
( ) ( ) , / , 0,1,..., / 2
2
k
T
i t d
k x k t k
t
I x e k T k T
T
t v
v v v
t

=
= = = =
_
F (A1.22)
Esses autores e Shumway & Stoffer (2000) demonstram que o periodograma pode ser
igualmente obtido por meio da Funo de Autocovarincia Amostral:

( 1)
2
( 1)
1
( ) ( )
2
k
T
i h
k x
h T
I h e
t v
v
t

=
=
_
(A1.23)
com
(A1.24)
e cujas propriedades so:

i. : Assintoticamente no viesado.
ii. : No consistente (varincia no decresce a medida
que aumenta-se ).
iii. , se

Estimadores Suavizados do Espectro

O periodograma notadamente um estimador muito instvel devido sua elevada
volatilidade. Da busca por estimadores espectrais mais estveis, proveio o conceito de
Periodograma Suavizado, assintoticamente no viesado e consistente, ou seja, com varincia
decrescente em relao ao aumento do tamanho amostral
83
. Os periodogramas suavizados so
derivados de dois mtodos, assintoticamente equivalentes ao produto final, como explica

83
Alguns autores apontam que Bartlett em 1953 foi o idealizador da metodologia, enquanto outros apontam
Grenander & Rosemblatt (1953).
{ }
t t
x
Z
1, 2,..., t T =
t
x
1
1
( ) ( )( ) , 0, 1, 2,...
T h
x t t h
t
h x x x x h
T
=
= =
_
lim { ( )} ( )
k x k
T
E I f v v
=
2
2
2
( ), : 0,
2
{ ( )} 2 (0), : 0
2 ( ), :
2
x k
k x
x
T
f se k
Var I f se k
T
f se k
v
v
t
'
1
1
=
1
1
1
1
1
= !
1
1
1
1
=
1
1
1+
=
T
2
2
2
1
1
( ) , : 0,
2 2
( )
( ) , : 0,
2
x k
k
x k
T
f se k
I
T
f se k
v _
v
v _
'
1
1
=
1
1
1
!
1
1
=
1
1
1+
D 2
~ ( , )
t x x
x N o
191

Morettin (1999). Esses mtodos so denominados Estimadores Espectrais Suavizados de
Covarincias e Estimadores Espectrais Suavizados de Periodograma. A distino entre os dois
est no domnio em que o procedimento de suavizao realizado. O estimador suavizado de
covarincias aplica a suavizao no domnio do tempo por meio de uma seqncia de pesos
denominada ncleo ou lag window, para posterior transformao para o domnio da
freqncia. J o estimador suavizado de periodograma promove a suavizao sobre o
periodograma diretamente no domnio da freqncia por meio da transformada de Fourier do
ncleo, que recebe a denominao de janela espectral
84
.

Definio 14: [Morettin (1999)] Define-se Estimador Espectral Suavizado de Covarincias
da srie , a transformada discreta de Fourier
(A1.25)
em que a funo de autocovarincia amostral vista em (A1.24); , ,
o ncleo que satisfaz 0 ( ) (0) 1 w w _ _ = / , , e se
em que denominada largura de faixa, satisfazendo (A1.26) e
(A1.27).

A funo , tradicionalmente conhecida como largura de faixa (bandwidth), age
segundo Priestley (1994) como um parmetro de escala. Pelas propriedades assintticas
(A1.26) e (A1.27), a largura de faixa deve crescer de forma retardada em relao ao
crescimento de . Habitualmente, a forma funcional adotada ,
(A1.28). Os ncleos de ponderao mais conhecidos sero resumidamente abordados mais
frente.

Definio 15: [Morettin (1999)] Define-se Estimador Espectral Suavizado de Periodograma
para a srie
(A1.29)

84
A bibliografia indica que o termo janela (espectral) foi introduzido por Blackman & Tukey (1959).
{ }
t t
x
Z
1
2
( 1)
( ) ( / ( )) ( ) , / , 0,1,..., 1
k
T
i h c
x k x k
h T
f w h m T h e k T k T
t v
v v
=
= = =
_
( )
x
h ( ) w / 0,1, 2,... = /
( ) ( ) , w w = \ / / / ( ) 0
i
w = / ( )
i
m T /
( ) m T T < lim ( )
T
m T
=
( )
lim 0
T
m T
T
=
( ) m T
T ( ) m T T
|
= 0 1 | < <
{ }
t t
x
Z
1
1
( ) ( ) ( )
T
p
x j j k x k
k
f W I v v v v
=
=
_
192

em que
(A1.30)
definida Janela Espectral, satisfazendo ; peridica de perodo
e .

A medida corresponde ao grupo de freqncias cujas ordenadas, , sero
ponderadas por para calcular . Morettin (1999) e Morettin & Toloi (2004)
demonstram as propriedades assintticas dos estimadores espectrais suavizados e a construo
de intervalos de confiana. A seguir so mostrados trs exemplos de ncleos e janelas
espectrais
85
.

Tabela 36 Ncleos e Janelas Espectrais
Ncleo
(Domnio do Tempo)
Janela Espectral
(Domnio da Freqncia)
Autor

Bartlett

com:
Tuckey
Parzen

85
As trs janelas descritas so as mais freqentemente vistas em estudos aplicados de anlise espectral. Outros
ncleos e janelas espectrais podem ser encontrados em Priestley (1994).
2
( ) ( / ( ))
ilh
h
W l w h m T e
t
=
=
_
( ) ( ) , W l W l l = \ ( ) W l
2t
1
1
( ) 1
T
j
j
W l
=
=
_
j k
v v ( )
k
I v
( ) W -
( )
p
x j
f v

1 ( ) , : ( )
( )
0 , : ( )
/ h m T se h m T
w h
se h m T
_
=
'
1
1
!
1
1+
( )
2
1 sen( ( ) / 2)
( )
2 ( ) sen( / 2)
m T
W
m T
t
=

1 2 2 cos( ( )) , : ( )
( )
0 , : ( )
/ a a h m T se h m T
w h
se h m T
t _
=
'
1
1
!
1
1+
0 1 / 4 a < _
( )
/ ( )
( )
/ ( )
1
( ) {(1 2 ) (
2
)}
m T
ih i h m T
h m T
i h m T ih
W e a a e
e e
t
t
t

=
_
2 3
3
1 6( / ( )) 6( / ( )) , : ( ) / 2
( ) 2(1 ( )) , : ( ) / 2 ( )
0 , : ( )
/
h m T h m T se h m T
w h m T se m T h m T
se h m T
_
= < _
'
1
1
1
1
!
1
1
1
1+
/
( )
4
2
3
3 sen( ( ) / 4) 2
( ) 1 sen ( / 2)
1
8 ( ) 3
sen( / 2)
2
m T
W
m T
=
1

( )
193

As figuras abaixo so as representaes grficas no domnio do tempo e no domnio da
freqncia dos ncleos e janelas apresentadas na Tabela 36.

Figura 60 Ncleo e Janela Espectral de Bartlett
Fonte: Matlab 7.01 (R14) - Signal Processing Toolbox

Figura 61 Ncleo e Janela Espectral de Tuckey

Figura 62 Ncleo e Janela Espectral de Parzen
-20 0 20
0
0.2
0.4
0.6
0.8
1
lags
A
m
p
l i t
u
d
e
Ncleo
-1 -0.5 0 0.5
0
2
4
6
8
10
12
14
16
18
20
Normalized Frequency (trad/sample)
M
a
g
n
i t
u
d
e
J anela Espectral
( ( ) 20) m T =
-20 0 20
0
0.2
0.4
0.6
0.8
1
lags
A
m
p
l i t
u
d
e
Ncleo
-1 -0.5 0 0.5
0
5
10
15
20
25
30
Frequencia Normalizada (t rad/sample)
M
a
g
n
i t
u
d
e
J anela Espectral
( ( ) 20) m T =
-20 0 20
0
0.2
0.4
0.6
0.8
1
lags
A
m
p
l i t
u
d
e
Ncelo
-1 -0.5 0 0.5
0
2
4
6
8
10
12
14
16
Frequencia Normalizada (t rad/sample)
M
a
g
n
i t
u
d
e
J anela Espectral
( ( ) 20) m T =
194

APNDICE 2: INTRODUO ANLISE DE ONDALETAS

Segundo Percival & Walden (2000), a informao bsica revelada por meio da anlise de
ondaletas, como valores mdios ponderados de uma determinada funo, sinal ou seqncia
numrica, variam de um perodo mdio para outro considerando diferentes nveis de escala de
tempo. A noo de escala na anlise de ondaletas associada ao intervalo de tempo
considerado. Assim, se uma seqncia discreta, com , ento
diferentes nveis de escala de tempo associados a podem ser obtidos por ,
, ..., . Uma das possveis interpretaes econmicas da noo de
escala em sries temporais que ela representa uma cadeia de diferentes intervalos de tempo
dentro dos quais diferentes nveis de deciso so tomados, refletindo modos distintos de
comportamento dos agentes econmicos. Como no caso em que diferentes decises so
tomadas dependendo do horizonte de tempo envolvido. Assim, a escolha da escala de tempo
determina no somente o tamanho do perodo sobre o qual se requer previses de eventos
futuros, mas tambm quais variveis estaro sob o foco no processo de informao dos
tomadores de deciso. Ramsey (1998) exemplifica a questo baseando-se nos mecanismos de
atuao da poltica monetria tomada pelos bancos centrais. O autor expe que a atuao do
banco central pode ser entendida como uma operao realizada em diferentes nveis de
tempo-escala ao mesmo tempo. A idia a que o gestor de poltica monetria deve monitorar
simultaneamente diferentes horizontes temporais na conduo dos instrumentos sua
disposio. Isso , o gestor, sob o foco do crescimento de longo prazo, deve concentrar-se em
instrumentos financeiros especficos a esse fim e enquanto ao mesmo tempo determina a
oferta monetria balizando-se nos ndices econmicos de curto prazo, tais como taxa de
inflao.

Inicialmente, so introduzidos os principais conceitos matemticos tomando-se o caso
contnuo e, em seguida, abordado o caso discreto. So introduzidos os aspectos sobre a
anlise multirresoluo, utilizada na parte emprica. Freqentemente, a anlise
multirresoluo referida como anlise de decomposio no domnio tempo-escala. Esse
mecanismo permite extrair diferentes componentes de uma srie temporal relativos s altas e
baixas freqncias em bases ortogonais de ondaletas, proporcionando ao pesquisador analisar
sua variabilidade em diferentes escalas. A vantagem entendida da anlise espectral de
ondaletas sobre a anlise espectral clssica no estudo de variveis econmicas est (1) em sua
{ }
i i
t
Z
0,1, 2,3,... i =
t
1 1 0
a t t =
2 2 0
a t t =
0 N N
a t t =
195

capacidade de decompor a srie tanto no domnio tempo quanto no da escala, enquanto a
anlise espectral clssica limitada ao domnio da freqncia e (2) na sua vantagem de poder
ser aplicada diretamente sobre sries no estacionrias sem qualquer transformao anterior,
enquanto a anlise clssica pressupe a estacionariedade da srie. Uma analogia adotada por
alguns autores que permitir um primeiro entendimento sobre a anlise de ondaletas como
instrumental matemtico que ela pode ser pensada como um microscpio matemtico.
Dadas s propriedades das ondaletas, torna-se possvel, como em um microscpio, ajustar o
foco ptico para visualizar detalhes contidos na morfologia de um sinal. Quanto mais
comprimida for a ondaleta utilizada, maiores sero os detalhes enxergados e menor ser a
visibilidade do todo e vice-versa. Esse tradeoff entre detalhes versus contornos torna possvel
mapear todas as informaes sobre um sinal passando-se por todas as etapas de
aproximao da imagem.

Anlise no Domnio Tempo-Escala via Ondaletas

Ondaletas ou tomos Tempo-Freqncia so famlias de funes geradas por transformaes
associadas uma funo base , conforme a equao:

, com e (A2.1)
definidas no espao de quadrado integrvel de Lebesgue, , por meio de dilataes e
translaes a partir de variaes contnuas nos coeficientes e , referentes,
respectivamente, s dimenses da escala (freqncia), e da transladao temporal
86
. O ndice
representa a funo ou algoritmo gerador da ondaleta. A funo , ora denominada
ondaleta me, oscilatria sobre o eixo real , ortogonal ou no, com suporte
compacto e, portanto, com energia bem localizada no tempo. Suas principais propriedades
so:
Integrao Nula. (A2.2)
Quadrado Integrado Unitrio. (A2.3)

86
A translao no tempo associada, nesse caso, s variveis econmicas. Contudo, em reas da fsica, como na
geofsica e na astrofsica, a translao normalmente associada s dimenses espaciais.
( ) w
+
1
( ) ( )
2
,
( )
w w
a b
t b
t a
a
| |
+ = +
|
\ .
{0} a
+
e R beR
( )
2
L R
a b
w
( )
( )
w
+ -
( ) , +
( ) 0 u du +
=
]
2
( ) 1 u du +
=
]
196

Mallat (1998) mostra que a Transformada Contnua de Ondaletas (CWT), , definida em
termos de expanses do sinal sobre uma base de ondaletas em gerada por
, , tal que:
(A2.4)
e com sntese dada pela superposio das ondaletas:
(A2.5)
em que:
(A2.6)
com: (A2.7)
implica (A2.8) ou (A2.2)
87
. Em (A2.1) assumiu-se que
( ) w
+ R, porm no existe
restrio para que ela seja complexa,
( ) w
+ C, tomando-se como conjugado complexo
na equao (A2.4). As condies (A2.2) e (A2.3) garantem que quaisquer desvios de zero da
funo base de ondaletas sejam integralmente compensados por desvios em sinal contrrio,
mesmo que morfologicamente no simtricos, e que a ondaleta assume necessariamente
valores no nulos em algum instante do tempo. Essas condies imprimem um formato
ondular de curta durao funo , fonte de sua tradicional denominao ondaleta. Os
coeficientes so denominados Coeficientes de Ondaletas e representam medidas da
variabilidade de em torno do ponto , decomposta sob uma escala de tempo , tal
que . Nesse sentido, explica Mallat (1998), o decaimento de expressa a
regularidade de na vizinhana de . A equao (A2.5) foi denominada por Daubechies
(1992) como Identidade de Resoluo e representa a sntese de como uma
reconstruo por meio de uma superposio das ondaletas sobre todo o intervalo de tempo
e sobre o conjunto de escalas . As equaes (A2.6) e (A2.7) representam,
respectivamente, a Condio de Admissibilidade e a Transformada de Fourier de na
freqncia , sendo
i
e
-
C a exponencial complexa dada pela Equao de Euler. A

87
Ou seja, a condio (A2.2) anloga Condio de Admissibilidade (A2.7).
W
+
( ) f t ( )
2
L R
( )
,
( )
w
a b
t + ( )
( )
,
( , )
w
a b
W f a b W
+
=
( ) ( )
, ,
( ) ( )
w w
a b a b
W f t t dt +
=
]
( ) ( )
, , 2
0
1
( ) ( )
w w
a b a b
dadb
f t W t
C a
+
+

=
] ]
2
( )
C d
v
v
v
+
+
= <
]
( )
,
1
( ) ( )( ) ( )
2
w i t
a b
t e dt
v
v v
t
+ + +
= =
]
F
(0) 0 + =
( )
,
w
a b
+
+
( )
,
w
a b
W
( ) f t b 0 a >
b a
( )
0,
w
a b
W

f b
( ) f t
{ : }
T
t T
R
{ }
a T
a
c
( )
,
( )
w
a b
t +
v
197

Condio de Admissibilidade responsvel pela aplicabilidade das ondaletas, pois implica a
capacidade de perfeita reconstruo de um sinal decomposto por meio de (A2.4). Uma das
propriedades fundamentais da transformada de ondaletas a sua capacidade de preservao
da energia, descrita pela Relao de Parceval advinda da Anlise Espectral Clssica:
(A2.9)
tendo do lado esquerdo uma expresso que decompe a densidade de energia em diferentes
nveis de tempo-escala.

A Transformada Discreta de Ondaletas: Bases Ortonormais

Restringindo os coeficientes de escala e tempo a valores discretos, e , com
, e , fixos, a famlia de ondaletas assume a forma
88
:
(A2.10)
ou ento:
. (A2.11)

A Transformada Discreta de Ondaletas (DWT), semelhantemente definida equao (A2.4),
ento representada pelo produto escalar:
, (A2.12)
em que a seqncia representa os Coeficientes de Ondaletas em termos discretos
e uma srie em tempo discreto. Daubechies (1992) argumenta que sob escolhas
especficas de , e a famlia de ondaletas constitui uma base
ortonormal para o espao :

88
A proporcionalidade entre b e a , tambm denominados por fator de escala ou de dilatao e fator de
translao ou de localizao, garante que a translao da ondaleta depende da dimenso da escala.
2
2
( )
,
0
1
( )
w
a b
W dadb f t dt
C
+

=
] ] ]
0
j
a a =
0 0
j
b kb a =
, j k eZ
0
1 a >
0
0 b >
( ) ( ) 0 0 2
, 0
0
( )
j j
w w
j k j
t kb a
t a
a
| |
+ = +
|
\ .
( ) ( )
2
, 0 0 0
( ) ( )
j
w w j
j k
t a a t kb
+ = +
( ) ( )
, ,
( ), ( )
w w
j k j k
W x t t = + , j k Z
( )
, ,
{ }
w
j k j k
W
Z
{ ( )}
t
x t
eZ
( ) w
+
0
a
0
b
( )
, ,
{ ( )}
w
j k j ke
+
Z
-
( )
2
L R
198

Definio 16: A funo de ondaleta
( ) w
+ definida em no espao
2
( ) L R ortonormal se a
famlia por ela constituda, , uma base ortonormal para o espao , de
forma que:(A2.13) , com: , em que a
Funo Delta de Kronecker, e se toda puder ser expandida numa srie de
ondaletas:
. (A2.14)

Chiann (1997) relata que se uma base ortonormal de , ento satisfaz
(A2.2) e:
, so ortonormais. (A2.15)
, ; e . (A2.16)
A propriedade (A2.16) afirma que os primeiros momentos de so nulos.

Tradicionalmente, a construo de algoritmos com bases ortonormais de ondaletas aplicados
ao caso discreto tomam grandezas didicas para a escala, , ou seja:
89

(A2.17)
com denominado Nvel de Decomposio, com Resoluo , e
representao do tempo discreto sob a forma , . A medida que se eleva a escala
, a funo torna-se mais dilatada e achatada, reduzindo o nvel de resoluo da
variabilidade captada pela ondaleta. Daubechies em 1987 descobriu bases de ondaletas na
forma (A2.17) com ondaletas ortonormais de classe e com suporte compacto, dando um
grande impulso anlise prtica utilizando ondaletas em diferentes campos da fsica. A
variabilidade revelada pela decomposio de um sinal utilizando bases de ondaletas
ortonormais em escalas didicas torna-se, portanto, relacionada resolues proporcionais

89
A utilizao de escalas didicas remontam trabalhos de Haar (1910), Franklin (1930) e Littlewood-Paley
(1930). Porm foram Strmberg e Meyer nos anos de 1980 que provaram a existncia de bases discretas de
ondaletas ortogonais .
( )
, ,
{ ( )}
w
j k j ke
+
Z
- ( )
2
L R
( ) ( )
, , , ,
,
w w
j k j k j j k k
o o
' ' ' '
+ + =
,
1, :
0, :
u u
se u u
se u u
o
'
' =
=
' =
, j k
o
2
( ) f L R
( )
, ,
( ) ( )
w
j k j k
j k
f t W t
+ +
= =
= +

( ) w
+ ( )
2
L R
( ) w
+
( )
,
( )
w
j k
u + \ , j k Z
( ) 0
j
u u du +
=
]
0,1,..., 1 j = / 1 > / ( )
l
x x dx +
<
]
( 1) /
( ) w
+
2
j
j
a =
( ) ( )
2
,
2 (2 )
j
w w j
j k
t k
+ = +
j eZ 2
j
j
r

=
2
j
b k = k eZ
j
( )
,
w
j k
+
1
C
f
199

potncia de . A Figura 63 e a Figura 64 mostram, respectivamente, o processo de dilatao
e translao da ondaleta daublets 12 (d12) da famlia de ondaletas de Daubechies, .

Figura 63 Dilatao da Ondaleta daublets 12 para j=0,1 e 2.

Figura 64 Translao da Ondaleta daublets 12 para k=-2, 0 e 2.

Princpios da Anlise em Multirresoluo: Bases e Filtros de Ondaletas

A anlise multirresoluo baseada na DWT uma forma de examinar sries de dados
discretos em vrias escalas de resoluo. O princpio da anlise baseia-se em visualizar um
espao fechado em diferentes nveis de resoluo como, por exemplo, na captura de
imagens de um planeta com diferentes aproximaes (resolues) a partir de um satlite em
sua rbita. O conjunto dos dados a partir de uma anlise em multirresoluo forma uma
seqncia de sub-espaos fechados , ordenados de forma crescente em nveis de
resoluo, que contm informaes incrementais em relao aos sub-espaos visualizados nas
escalas temporais maiores. A anlise multirresoluo , em si, constituda pelos espaos e
gerados pelos coeficientes de aproximao (suavizao) e de detalhes
2
( 12)
,
d
j k
+
`d12' mother, psi(1,0)
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
`d12' mother, psi(2,-2)
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
-20 0 10 20
-
0
.
5
0
.
0
0
.
5
1
.
0
[ ]
{ }
j j
V
Z
v
J
|
v
j
+ , J k
s
200

, obtidos pelas projees ortogonais do sinal original sobre sub-espaos ,
cujas bases ortonormais so as famlias de ondaletas e em ,
geradas por meio de dilataes e translaes em escalas didicas das funes primrias de
ondaletas pai e . Como a dilatao das ondaletas em escalas revela variaes
com resolues , a anlise multirresoluo permite relacionar as bases com
diferenas entre aproximaes de em diferentes nveis de resoluo. As ondaletas pai so
bem adaptadas para extrair os componentes de baixa freqncia de uma srie, tais como
tendncias polinomiais, enquanto as ondaletas me so particularmente adaptadas a extrair os
componentes de alta freqncia. Diferentemente das ondaletas me, as ondaletas pai possuem
integrao unitria:
Integrao Unitria. (A2.18)
A Figura 65 mostra as ondaletas daublets 12 me e pai construdas por Ingrid Daubechies.

Figura 65 Ondaletas daublets 12 Me e Pai da Famlia de Ondaletas Daubechies

As ondaletas pai e me so relacionadas entre si por meio de filtros de alta e baixa freqncia,
denominados filtros de ondaletas. Bruce & Gao (1996) mostram que o filtro do tipo passa
baixa freqncia (low-pass filter) extrado a partir da ondaleta pai por:
(A2.19)
e que o filtro passa alta freqncia sai da relao:
(A2.20)
,
{ }
j k j J
d
_
f { }
j j
V
Z
( )
2
,
,
{ }
w
j k
j k
+
Z
( )
2
,
,
{ }
w
j k
j k
|
Z
( )
2
L R
2
j
( ) w
|
( ) w
+ 2
j
2
j
( )
2
,
,
{ }
w
j k
j k
+
Z
f
( ) 1 u du |
=
]
-20 -10 0 10 20
-
0
.
4
-
0
.
2
0
.
0
0
.
2
0
.
4
0
.
6
`d12' father, phi(2,0)
0 10 20 30 40
-
0
.
2
0
.
0
0
.
2
0
.
4
1
( ) (2 )
2
k
t t k dt | | =
]
R
/
1
( ) (2 )
2
k
h t t k dt | + =
]
R
201

Por meio do Filtro Espelho de Quadratura (quadrature mirror filter)
. (A2.21)
Morettin (1999) relata que atravs dos filtros de ondaletas as ondaletas me e pai se
relacionam da seguinte forma:
(A2.22)
Formado o sistema composto por , define-se Decomposio Multirresoluo
de com energia finita em pela soma dos componentes ortogonais:
(A2.23)
ou simplificando por:
(A2.24)
(A2.25) e (A2.26)
em que e so, respectivamente, os chamados Componentes de Escala ou de
Aproximao e os Componentes de Ondaletas ou de Detalhes. O nvel associado ao
componente de escala habitualmente conhecido como Coarset Scale e representa o nvel
mais alto escolhido na decomposio, escala mais baixa, limitado ao tamanho do sinal. Em
escalas didicas, tem-se , e .
Pela propriedade (A2.9), tem-se:
(A2.27)
de maneira que representa a contribuio da variabilidade na escala sobre a
energia de . Abaixo, so apresentadas as principais ondaletas utilizadas nesse trabalho na
estimao do parmetro de memria longa baseados na anlise de ondaletas. Na Figura 66
constam as ondaletas Haar, Daublets 4 (d4 ou db4), least asymetric 8 (s8 ou la8) e least
asymetric 16 (s16 ou la16).

1
( 1)
k
k k
h

= /
( ) 2 (2 )
k
k
t h t k | + =
_
2
( ) ( )
, ,
,
{ , }
w w
j k j k
j k
|
e
+
Z
( ) x t ( )
2
L R
( ) ( )
, , , ,
( ) ( ) ( )
w w
J k J k j k j k
k j J k
x t s t d t |
s
= + +

1
( ) ( ) ( )
J
J j
j
x t S t D t
=
= +
( )
, ,
( )
,
( ) ( )
( ), ( )
w
J k J k
w
J k
s x t t dt
x t t
|
|
=
=
]
( )
, ,
( )
,
( ) ( )
( ), ( )
w
j k j k
w
j k
d x t t dt
x t t
+
+
=
=
]
( )
j
S t ( )
j
D t
J
0
{ 0,1, 2,..., \ 2 }
J
J
t T T

= = { 0,1,..., } j J = { 0,1, 2,..., 2 }
J
k =
2
2 2
1
( ) ( ) ( )
J
J j
j
x t S t D t
=
= +
2
( )
j
D t
j
a
( ) x t
202

Figura 66 Principais Ondaletas Utilizadas no Trabalho

APNDICE 3: ESTIMADORES DOS MODELOS DE MEMRIA LONGA

Nessa seo so apresentadas, resumidamente, algumas das principais metodologias de
estimao do parmetro de integrao fracionria que foram utilizadas nas pesquisas
aplicadas. So descritos dois estimadores da classe espectral baseados no periodograma e no
periodograma suavizado: o estimador de Geweke & Porter-Hudak (1983) e o de Reisen
(1994). O terceiro um importante estimador introduzido por Beran (1995) por mxima
verossimilhana no domnio do tempo. Em seguida sero abordados os estimadores baseados
na anlise de ondaletas, sendo dois deles aplicados memria longa consecutiva e um
aplicado aos processos com memria longa sazonal.

Haar (me), psi(1,0)

-1 0 1 2 3
-
0
.
6
0
.
2
Haar (pai), phi(1,0)

-1 0 1 2 3
0
.
0
0
.
4
d4 (me), psi(1,0)

-2 -1 0 1 2 3 4
-
1
.
0
0
.
5
d4 (pai), phi(1,0)

0 1 2 3 4 5 6
-
0
.
2
0
.
6
la8 (me), psi(1,0)

-6 -4 -2 0 2 4 6 8
-
0
.
5
0
.
5
la8 (pai), phi(1,0)

0 2 4 6 8 10 12 14
0
.
0
0
.
6
la16 (me), psi(1,0)

-15 -10 -5 0 5 10 15
-
0
.
5
0
.
5
la16 (pai), phi(1,0)

0 5 10 15 20 25 30
-
0
.
2
0
.
4
203

Estimador de Geweke & Porter-Hudak (GPH) ou Mtodo do Periodograma

O estimador GPH o mais conhecido entre os estimadores da classe espectral. O mtodo foi
proposto originalmente por Geweke & Porter-Hudak (1983) e possui diferentes variaes
aplicadas tanto aos processos com memria longa mais simples quanto aos modelos
generalizados, como os de memria longa sazonal.
90
A estrutura do mtodo GPH foi
arquitetada sobre a propriedade espectral ( )
x
f c
o
v
v v

~ , para 0 v , dos processos
estocsticos integrados fracionariamente com . Retomando a funo de
densidade espectral (3.51), do processo ( , , ) ARFIMA p d q , tem-se:

2
( ) 1 ( )
d
i
y u
f e f
v
v v
= (A3.1)
em que:

2
2
2
( )
( )
2
( )
i
u
i
e
f
e
v
c
v
o
v
t
O
u
= (A3.2)
representa o espectro do processo ( , ) ARMA p q com
2
~ . .(0, )
t
R B
c
c o . Geweke & Porter-
Hudak (1983) deduziram a relao:

( ) ( )
( )
2
( )
ln ( ) ln (0) ln 1 ln
(0)
i u
y u
u
f
f f d e
f
v
v
v

1

=

( )
(A3.3)
Introduzido no Apndice 1: desse trabalho, o periodograma, , um
estimador assintoticamente no viesado do espectro, cuja seqncia de valores
assintoticamente no correlacionada. Adotando as freqncias de Fourier, 2 /
k
k T v t = , com
0,1, 2,..., 1 k T = , e adicionando o logaritmo do periodograma,
( )
ln ( )
y k
I v , em ambos os
lados, obtm-se:
( ) ( )
( )
2 ( )
( )
ln ( ) ln (0) ln 1 ln ln
( ) (0)
k
y k i u k
y k u
y k u
I
f
I f d e
f f
v
v
v
v
v
1
1

( )
( )
(A3.4)
Os autores relatam que o ltimo termo de (A3.4) torna-se desprezvel nas freqncias
prximas a zero e a equao pode ser estimada por mnimos quadrados na forma:

0 1
, 1, 2,..., ( )
k k k
Y X k g T | | c = = (A3.5)

90
O estimador GPH Sazonal no ser abordado nesse trabalho. Sobre o procedimento, ver Reisen et al (2004).
1/ 2 1/ 2 d < <
2
( ) ( )
d
x k x k
I v v = F
1
{ ( )}
T
k k
I v
=
204

( )
ln ( )
k y k
Y I v =

(A3.6) , ( )
0
ln (0)
u
f | = (A3.7)
1
d | = (A3.8)
( )
2
ln 1
k
i
k
X e
v
= (A3.9)
e
( )
ln
( )
y k
k
y k
I
f
v
c
v
1

=

( )
(A3.10). Os autores derivaram as propriedades dos estimadores e
propuseram a estimao concentrada nas baixas freqncias de acordo com o critrio
( ) , 0 1 , ( ) g T cT g T T
o
o = < < < (A3.11)
tal que uma constante e e sejam satisfeitas. A
incumbncia da forma funcional de , como se percebe, promover um crescimento
retardado em relao ao crescimento de . Em termos prticos, padro a utilizao de
em (A3.11). Alguns autores, como Murrad Taqqu, adotam a proporo .
Hurvich et al (1999), por sua vez, sugerem o critrio (A3.12). Finalmente, os
autores mostraram que:

1
( )
2 2
1
~ , 6 ( )
g T
GPH k
k
d N d X X t

=
1
l

l

l ( )
_
(A3.13)
Embora seja o estimador mais difundido, o GPH vem recebendo vrias crticas. Hurvich &
Ray (1995) investigaram as propriedades do estimador sob ordens de integrao fora do
intervalo de invertibilidade/estacionariedade. Os autores mostraram que para o
estimador pode ser altamente viesado e, ainda, que o estimador GPH no invariante para
sries em primeiras diferenas.
91
Dessa ltima constatao, resulta que a estimao da ordem
fracionria de sries previamente diferenciadas no dever ser igual ao previsto teoricamente.
Moulines & Soulier (2003), baseados em Knsch (1986) e Hurvich & Beltro (1993),
apontam que as propriedades assintticas do periodograma para processos integrados
fracionariamente com ordem no so vlidas, podendo, portanto, provocar vis
nas estimaes por GPH. Mesmo se vlidas as propriedades assintticas do periodograma,
Beran (1994) aponta uma contradio no procedimento do estimador GPH: o autor qualifica
que apenas um nmero pequeno de freqncias usado para garantir que sejam captadas
apenas as informaes de memria longa contidas no espectro nas baixas freqncias
(prximas a zero). Contudo as propriedades do periodograma de estimador no viesado e com
termos no correlacionados so obtidas apenas assintoticamente, podendo afetar, assim, as

91
Sobre a propriedade da invarincia em primeiras diferenas desse e de outros estimadores do parmetro de
memria longa, ver Olbermann, Lopes & Reisen (2006).
c lim ( )
T
g T
=
( )
lim 0
T
g T
T
=
( ) g T
T
0.5 o = ( ) 0.1 g T T =
4/ 5
( )
c
g T cT =
1/ 2 d _
0 1/ 2 d < <
205

propriedades da estimao por mnimos quadrados. O autor aponta ainda que a distribuio
dos resduos no modelo extremamente assimtrica e que, portanto, o estimador de mnimos
quadrados no ser o mais eficiente.

Mtodo do Periodograma Suavizado de Reisen (1994)

Reisen (1994) sugeriu uma variao em (A3.4) utilizando o periodograma suavizado. O
periodograma suavizado, como relatado no Apndice 1: do trabalho, um estimador espectral
consistente e no viesado. Dessa forma,
( ) ( )
( )
*
2
*
( )
( )
ln ( ) ln (0) ln 1 ln ln
( ) (0)
k
y k i u k
y k u
y k u
I
f
I f d e
f f
v
v
v
v
v
1
1

( )
( )
(A3.14)

( ) ( )
2 *
* 2
( ) ( )
ln ( ) ln (0) ln 4sen ( / 2) ln ln
2 ( ) (0)
x k u k
x k u k
x k u
I f
I f d
f f
c
o v v
v v
t v
1 1 1

=

( ) ( ) ( )
(A3.15)
sendo

( )
*
( )
1
( ) ( / ( )) ( ) cos( ) , 2 /
2
m T
y k y k k
h m T
I w h m T h h k T v v v t
t
=
= =
_
(A3.16)
com , em que uma funo com as mesmas propriedades assintticas de
descritas na seo anterior e que age como um parmetro de escala, segundo Priestley
(1994). Portanto, ( ) m T cresce mais lentamente que . Habitualmente usa-se ( ) m T T
o
= ,
0 1 o < < , e denominao conhecida como bandwidth, por vezes traduzida nesse trabalho
como largura de faixa. A funo ( )
y
h a Funo de Autocovarincia Amostral de
t
y no
lag . A funo , , , contnua em , a funo geradora da
janela espectral no domnio do tempo, referida simplesmente por janela espectral. Chen et al
(1993) avaliaram o estimador suavizado e indicaram as janelas espectrais de Daniel:
(A3.17)
e de Bartlett-Priestley:
(A3.18)
como aquelas que apresentaram melhores resultados, enquanto Reisen (1994) sugere a janela
de Parzen:
92

92
As janelas espectrais de Daniel, Bartlett-Priestley e de Parzen esto apresentadas no domnio do tempo,
portanto, como funes de suavizao da funo de autocovarincia.
1, 2,..., k T = ( ) m T
( ) g T
T
h ( ) w - (0) 1 w = ( ) ( ) w w = / / [ 1,1]
sen( )
( ) w
t
t
=
/
/
/
2
sen( )
( ) 3( ) cos( ) w
t
t t
t
1

=

( )
/
/ / /
/
206

(A3.19)
Similarmente ao estimador GPH,
(A3.20)

( )
* *
ln ( )
k y k
Y I v = (A3.21), ( )
*
0
ln (0)
u
f | = (A3.22),
*
1
d | = (A3.23)
( )
2
*
ln 1
k
i
k
X e
v
= (A3.24) e
*
*
( )
ln
( )
y k
k
y k
I
f
v
c
v
1

=

( )
(A3.25). O autor derivou a distribuio
assinttica do estimador de mnimos quadrados,
(A3.26)
para com e mostrou, por meio de simulaes, sua validade para
.

Estimador de Mxima Verossimilhana (MV) de Beran (1995)

Atualmente, o procedimento que mais se destaca como mtodo de estimao do parmetro
de integrao fracionria dos modelos ( , , ) ARFIMA p d q . Ele permite estimar diretamente
modelos no estacionrios, com . Os procedimentos de estimao por mxima
verossimilhana dividem-se em duas classes: no domnio da freqncia e no domnio do
tempo.
93
Os estimadores no domnio da freqncia, tal como os estimadores de Whittle
abordados por Fox & Taqqu (1986), baseiam-se em estimadores do espectro e so restritos
aos processos estacionrios ( ). Sowell (1992) props um estimador para
modelos por mxima verossimilhana que estima conjuntamente os
parmetros de memria longa e curta. A tcnica tambm ajustada apenas para modelos
estacionrios. Beran (1995) considerou uma variante do modelo definido
em (3.40) para propor um mtodo de estimao por mxima verossimilhana no domnio do
tempo capaz de retratar diretamente processos no estacionrios. O modelo considerado pelo

93
Beran (1994) adota essa classificao e expe diferentes mtodos de estimao.
3
2
3
1 6 6 , : 1/ 2
( ) 2(1 ) , : 1/ 2 1
0, : 1
se
w se
se
'
1
_
1
1
1
= < _
!
1
1
1
1
+
/ / /
/ / /
/
* * * * *
0 1 k k k
Y X | | c =
2
( )
2
1
( ) ( )
~ ,
( )
PS g T
k
k
m T d
d N d
T x x
=
1

( )
]
_
/ /
1/ 2 0 d < < {0, } v t =
0 d
1/ 2 d
1/ 2 1/ 2 d < <
207

autor possui dois ncleos de diferenciao, responsveis separadamente pelas ordens de
integrao fracionrias e inteiras:
(A3.27)
Em (A3.27) um processo gaussiano, ; , so os polinmios
auto-regressivos e de mdias mveis caractersticos dessa classe de modelos e os parmetros
e referem-se, respectivamente, ordem de integrao fracionria do modelo
estacionrio, , e s ordens inteiras do modelo no estacionrio. Sob
essa caracterizao, o modelo (A3.27) iguala-se ao modelo estacionrio e invertvel (3.40)
quando e, ao mesmo tempo, permite ordens tais que . Assim, o
modelo incorpora a possibilidade da srie ser no estacionria ( ) e possuir uma
tendncia determinista captada por quando . O mtodo de estimao de Beran,
quando desconhecido, parte da estimao de

1
1
(1 )
n
m
t
t m
B x
n m
=
=
_
(A3.28)
A partir de (A3.28), so calculadas as inovaes do processo por
(A3.29)
e os resduos padronizados
(A3.30)
com
*
( )
j
h q definido por (3.21), em que
o vetor dos parmetros de um modelo e
o vetor de parmetros desconhecidos a serem
estimados. O autor prope estimar baseando-se em um procedimento de mxima
verossimilhana que minimiza a soma dos quadrados dos resduos:
(A3.31)
em relao a e escolhendo , que resulta em resolver uma sistema de
equaes no lineares
(A3.32)
( )(1 ) {(1 ) } ( )
m
t t
B B B x B
o
c u O =
t
x
2
~ (0, )
t
N
c
c o ( ) B u ( ) B O
o m
1/ 2 1/ 2 o < < m

Z
0 m= ( ) 1/ 2 d m o =
1 d
0 m=
1
*
0
( ) ( )((1 ) )
t
m
t j t
j
h B x c q q
=
=
_
*
( ) ( ) /
t t
r e c q e =
*
1 1 1 1
( , ,..., , ,..., ) ( , ,..., , ,..., )
p q p q
d m q | | u u o | | u u = =
( , , ) ARIMA p m q
2 2 *
1 1
( , , ,..., , ,..., ) ( , )
p q
d m
c c
e o | | u u o q = =
e
* 2 *
2
( ) ( )
n
t
n
S q c q
=
=
_
*
q
*
1
1
( )
1
S
n
e q =
( 2) p q
2
{ ( ) ( ) ( )} 0
n
t t
t
r r c e e e
=
=
_
208

com e , para . Beran (1995) prova teoricamente que
estimado por esse procedimento converge para o verdadeiro vetor e prope o seguinte
algoritmo de estimao: (1) calcular por (A3.29) para uma grade de valores de
; (2) para cada seqncia ajustar modelos por mxima
verossimilhana; (3) selecionar o modelo formado pelo conjunto de
parmetros
*
e que minimiza , que representa a varincia dos resduos do modelo.
94

Estimadores do Parmetro de Memria Longa Baseados na Anlise de Ondaletas:
WSLE e W-WSLE

Jensen (1999) e Percival & Walden (2000) prepuseram procedimentos semiparamtricos de
estimao do parmetro de memria longa baseados na Varincia de Ondaletas,
2
( )
x j
v t , ou
Espectro de Ondaletas. Segundo Percival & Walden (2000),
2
( )
x j
v t consegue decompor a
varincia de um processo estocstico em diferentes nveis de escala
j
t . Assim, o grfico
de
2
( )
x j j
v t t expe a importncia de cada escala
j
t para a varincia total do processo ,
similar funo de densidade espectral. Sero apresentados dois mtodos baseados no
espectro de ondaletas, diferenciados apenas pelo modelo de regresso utilizado. Se um
processo estocstico integrado fracionariamente de ordem 1/ 2 1/ 2 d < < , tal como
definido no Captulo 3, ento, Jensen (1999) e Percival & Walden (2000) mostram que a
disperso de
( )
2
ln ( )
x j
v t em relao aos nveis do logaritmo das escalas, ln( )
j
t , exibe um
comportamento aproximadamente linear nas grandes escalas

( )
2
ln ( ) ln( ) ,
x j j j
v t o | t t ~ (A3.33)
dada a relao:

2 2 1
( )
j d
x j j
v C t t

(A3.34)
Portanto,
2 1 d | ~ (A3.35)
As aproximaes (A3.33) e (A3.35) induzem naturalmente possibilidade de estimao do
parmetro fracionrio por mnimos quadrados ordinrios. Intuitivamente, a validade da

94
Esse algoritmo est implementado no mdulo Finmetrics 3.0 para S-Plus e baseia-se nos procedimentos
sugeridos por Haslett & Raftery (1989) que reduzem o tempo de estimao.
1 1
( ) 1/ 2 c e e = ( ) 0
j
c e = 1 j
e
e
,
i t
c
i
d
d m o =
,
i t
c ( , ) ARMA p q
2
,
i c
o
t
x
t
x
t
x
209

relao (A3.33) para grandes escalas pode ser entendida como uma equivalncia no
domnio tempo-escala quela alcanada pelo estimador do periodograma no domnio da
freqncia. A relao:

1
1/
2 1
1/
( ) ( ) , 2 , 1, 2,...
j
j
j
x j x j
v f d t
t
t
t v v t
~ = =
]
(A3.36)
expressa a aproximao da varincia de ondaletas como estimador espectral, com
proporcionalidade inversa entre os domnios da escala e freqncia, em que o
espectro do processo
t
x nas freqncias de Nyquist, . Percival e Walden
(2000) perceberam que a aproximao (A3.33) satisfatria quando e, ento,
prepuseram estimar uma equao linear sobre o intervalo das maiores escalas possveis,
1 0
J j J _ _ , condicionadas ao tamanho da srie, , e largura do filtro de ondaletas, . O
procedimento adequado, segundo os autores, para processos estocsticos integrados
fracionariamente com 1/ 4 (2 1) / 4 d L _ _ . Eles utilizaram o estimador no viesado da
varincia de ondaletas baseado na Transformada Discreta de Ondaletas de Mxima
Sobreposio (MODWT):

1
2 2
,
1
1
( )
j
N
x j j t
t L j
W
M
v t

=
=
_

(A3.37)
com igual ao nmero de coeficientes de ondaletas de MODWT ( ). A
escolha da largura do filtro associada ondaleta, e portanto a escolha da prpria ondaleta,
depende da condio de estacionariedade da srie. Os autores sugerem a utilizao de
ondaletas que garantam a condio 2 L d _ (A3.38).
95

A relao para variveis aleatrias Normais, correlacionadas, com mdia zero e varincia ,

2
2
2
( )
( )
z j
z j
q
v t
q _
v t
=
D
(A3.39)
foi utilizada para inferir a distribuio do estimador e para fundamentar uma estrutura de
ponderao utilizada no mtodo de regresso por Mnimos Quadrados Ponderados. O
parmetro em (A3.39) denominado graus equivalentes de liberdade e so ajustados de

95
A ondaleta Haar ( 2 L = ), portanto, no indicada para sries no estacionrias ( 1 d _ ) pois ela gera uma
varincia de ondaletas que sofre influncia das tendncias existentes na srie. Sob (A3.38) o estimador WSLE
no deve ser to fortemente influenciado quando aplicado a sries no estacionrias como o estimador GPH.
( )
x
f v
1/ 2 1/ 2 v _ _
2 j _
N L
1
j j
M N L =
, j t
W
2
z
o
q
210

maneira a levar em conta as autocorrelaes entre as variveis aleatrias.
96
O parmetro
definido por:

2
2
2
2 { ( )}
{ ( )}
z j
z j
E
Var
v t
q
v t
= (A3.40)
e aproximado, para grandes amostras, por:
, (A3.41)
De (A3.39) e (A3.33), deduziram:

( ) ( ) ( ) ( )
2 2 2
ln ( ) ln ln ( ) ln
x j x j q
v t _ v t q =
D
(A3.42)
e utilizaram as identidades:
(A3.43)
e
(A3.44)
sendo e as funes digama e trigama, que representam a primeira e a segunda
derivada da funo gama , para relacionar (A3.33), (A3.42), (A3.43) e (A3.44) e obter:
( ) ln( )
j j j
Y e t o | t = (A3.45)
com:

( ) ( )
2
( ) ln ( ) ( / 2) ln / 2
j x j j j
Y v t t q q I
= (A3.46)
e termo residual:
( )
2
2
( )
ln ( / 2) ln / 2
( )
x j
j j j
x j
e
v t
q q
v t
I
1

=

( )
(A3.47)
Os autores relatam que
( )
~ 0, ( / 2)
j j
e N q I
para 10
j
q _ . O estimador de (A3.45) de
Mnimos Quadrados Ponderados (W-WSLE) deduzido pelos autores dado por:

2
2
ln( ) ( ) ln( ) ( ) ( )
ln ( ) ln( )
j j j j j j j j j
j j j j
j j j j j
j j j
w w Y w Y w Y
w w w
t t t t t
|
t t
=
1

( )
_ _ _ _
_ _ _
(A3.48)
com termos de ponderao 1/ ( / 2)
j j
w q I
=
(A3.49)
, para
1 0
,..., j J J = , em que
0
J
corresponde maior escala possvel dado N e L . A varincia do estimador
| dada por:

96
Percival & Walden (2002) p. 313.
*
max{ / 2 ,1}
j
j
M q = 128 N _
2
(ln( )) ( / 2) ln(2)
j
j
E
q
_ q I
=
2
(ln( )) ( / 2)
j
j
Var
q
_ q I
=
( ) I
- ( ) I
-
( ) I -
211

2
2
{ }
ln ( ) ln( )
j
j
j j j j j
j j j
w
Var
w w w
|
t t
=
1

( )
_
_ _ _
(A3.50)
Por (A3.48) obtm-se

1/ 2( 1)
wwlse
d | = (A3.51) e

{ } 1/ 4 { }
wwlse
Var d Var | = a partir de
(A3.50).

Percival & Walden (2000) mostram tambm um estimador baseado em mxima
verossimilhana, que no ser abordado nesse trabalho. No Captulo 4 realizado um
experimento com simulaes de processos gaussianos fracionrios, no qual diversos
estimadores do parmetro de integrao fracionria so avaliados. Entre eles, o de Mnimos
Quadrados Ponderados (W-WLSE) e sua verso simplificada sem ponderao, Mnimos
Quadrados (WLSE).

Estimador de Whitcher do Parmetro de Memria Longa Sazonal

O estimador de Whitcher, apresentado em Genay et al (2002) e em Whitcher (2000), acopla
a anlise de ondaletas ao mtodo da mxima verossimilhana para estimar os parmetros de
integrao fracionria sazonal em sries com uma singularidade espectral. Esse procedimento,
utiliza-se de um artifcio de pr-diagonalizao da estrutura de correlaes do processo
sazonal induzida pela Transformada Pacote Discreta de Ondaletas (DWPT) para simplificar
o mtodo de estimao.
97

Para um processo com memria longa sazonal com parmetro , concentrada em
uma freqncia de Gegenbauer, , e varincia residual , Whitcher (2000), sob a condio
de normalidade multivariada, props o seguinte mtodo de estimao por MV:
(A3.52)
representa a matriz das covariadas do processo e seu determinante. O autor utiliza-se
do artifcio da DWPT para gerar uma estimativa no correlacionada de por meio da
transformao:

97
Traduzido de Discret Wavelet Packet Transform.
{ }
t t
z
Z z
o
G
v
2
c
o
( )

1 1
1/ 2
' / 2 2 / 2
( , , \ ) (2 )
z
z z N
z z G z
L z e
c
o v o t
E
E

=
z
E
z
E
z
E
212

(A3.53)
em que uma matriz ortonormal de dimenso que define a transformada
DWPT sobre a base ; uma matriz diagonal formada pelas varincias reescaladas
do tipo passa-banda dos elementos de , com parmetros de escala e banda :
(A3.54)
com:
(A3.55)
A Funo de Log-Verossimilhana para a funo representada por:

2 2
( , , \ ) 2ln ( , , \ ) ln(2 )
z z G z z G
z L z N
c c
o v o o v o t
l
=
l
l

(A3.56)
ou:
, , 2 2
, , 2
( , ) ( , ) ,
1
( , , \ ) ln( ) ln( )
j n j n
z z G j n j n
j n B j n B j n
W W
z N N
c c
c
o v o o e
o e

=
_ _
(A3.57)
com estimador obtido pela minimizao de (A3.57):
(A3.58)
que em (A3.57) resulta:

( )
2
, ,
( , )
( , \ ) ln ( , ) ln( )
z z G z G j n j n
j n B
z N N
c
o v o o v e
=
_
(A3.59)
Whitcher (2000) explica que o espao de solues possveis de (A3.59) dado no intervalo de
estacionariedade assinttica da integrao fracionaria sazonal pelo intervalo das freqncias
de Gegenbauer.
(A3.60)
Genay et al (2002) afirmam que o estimador pode ser ampliado para considerar
multisingularidades espectrais, diferentes padres sazonais com memria longa, de forma que
e .

'
z B N B
E O =

B
( ) N N
B
N
O
t
z ( , ) j n B
2
, , j n j n c
e o e =
[ [

( 1) /( 2 1)
2
/( 2 1)
1
,
1
4 cos(2 ) cos(2 )
2
j
j
z
n
n
G
j
j n
d
o
tv tv
e v

=
]
2
c
o
'
, , 2
( , ) ,
1
( , )
j n j n
G
j n B j n
W W
N
c
o o v
e
=
_
( )
1 1 1
2 2 2
0 , , ,
G
o v
1 1

( ) ( )

1 2
( , ,..., )
z m
o o o o =
1 2
( , ,..., )
G G G Gm
v v v v =
213

APNDICE 4: ESTATSTICAS DESCRITIVAS DA SEO 5.3.

I-) Mdia:
1
1

{ }
M
i ij
j
E d d
M
=
=
_
(ap.61)
II-) Varincia:
^
2
1
1

{ } ( )
( 1)
M
i ij i
j
Var d d d
M
=
=
_
(ap.62)
III-) Vis:
1
1

{ } ( )
M
i ij
j
B d d d
M
=
=
_
(ap.63)
IV-) Erro Quadrtico Mdio:
^ ^
2

{ } { } { }
i i i
EQM d Var d B d = (ap.64)

APNDICE 5: TESTES DE CO-INTEGRAO DE JOHANSEN CONSIDERANDO
TODAS AS ESPECIFICAES DOS TERMOS DETERMINISTAS (VAR(1)):

Tabela 37 Testes de Co-Integrao: Sries Consumo das Famlias e Renda Disponvel
95% 99% 95% 99%
H
0
: r=0
0.67 65.46** 12.53 16.31 64.72** 11.44 15.69
H
0
: r=1 0.01 0.74 3.84 6.51 0.74 3.84 6.51
H
0
: r=0 0.71 75.90** 19.96 24.60 70.99** 15.67 20.20
H
0
: r=1 0.08 4.91 9.24 12.97 4.91 9.24 12.97
H
0
: r=0 0.24 20.63** 15.41 20.04 15.83* 14.07 18.63
H
0
: r=1 0.08 4.78* 3.76 6.65 4.78* 3.76 6.65
H
0
: r=0 0.25 27.33* 25.32 30.45 16.59 18.96 23.65
H
0
: r=1 0.17 10.74 12.25 16.26 10.74 12.25 16.26
H
0
: r=0 0.17 10.93 18.17 23.46 10.93 16.87 21.47
H
0
: r=1 0.00 0.00 3.74 6.40 0.00 3.74 6.40
* Rejeita Hi a 5% significncia
** Rejeita Hi a 1% significncia
Constante Restrita
Constante I rrestrita
Tendncia Restrita
Constante e Tendncia
I rrestritos
SemConstante e sem
Tendncia
Hipteses Autovalor
Est.
Tra
I ntervalo de Confiana Est.
Max
I ntervalo de Confiana

APNDICE 6: TESTE DE CO-INTEGRAO FRACIONRIA BASEADA NA
ESTATSTICA DFEG


214

APNDICE 7: TESTE DE CO-INTEGRAO FRACIONRIA COM BOOTSTRAP
BASEADO NAS ESPECIFICAES
1 2 3 4 5
(6,1.1468, 0) { , , , , } ARFIMA | | | | | E
(0,1.3709, 0) ARFIMA PARA AS SRIES CONSUMO DAS FAMLIAS E RENDA
DISPONVEL, RESPECTIVAMENTE.


Figura 67 Distribuies Empricas de Bootstrap das Estatsticas GFT, DW e FEG Utilizando a
Especificao Degenerada
1 2 3 4 5
(6,1.1468, 0) { , , , , } ARFIMA | | | | | para a Srie Consumo das Famlias

GFT - Hip. Forte
f
.
d
.
p
-200 0 200 400 600 800
0
.
0
0
.
0
0
4
0
.
0
0
8
f
.
d
.
p
-200 0 200 400 600 800
0
.
0
0
.
0
0
4
GFT - Hip. Fraca
f
.
d
.
p
p
0 500 1000 1500
0
.
0
0
.
0
0
2
0
.
0
0
5
DW - Hip. Forte
f
.
d
.
p
0.0 0.4 0.8 1.2
0
.
0
1
.
0
2
.
0
3.60%
DW - Hip. Semifraca
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8 1.0
0
1
2
3
0.76%
DW - Hip. Fraca
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8 1.0 1.2
0
1
2
3
0.49%
FEG - Hip. Forte
f
.
d
.
p
0.0 0.5 1.0 1.5
0
.
0
1
.
0
2
.
0
5.95%
f
.
d
.
p
0.2 0.6 1.0 1.4
0
.
0
1
.
0
2
.
0
0.61%
FEG - Hip. Fraca
f
.
d
.
p
0.2 0.6 1.0 1.4
0
.
0
1
.
0
2
.
0
0.51%
215

APNDICE 8: TESTE DE CO-INTEGRAO FRACIONRIA COM BOOTSTRAP
BASEADO NAS ESPECIFICAES (0,1.2413, 0) ARFIMA E (0,1.3709, 0) ARFIMA PARA
AS SRIES CONSUMO DAS FAMLIAS E RENDA DISPONVEL,


Figura 68 - Distribuies Empricas de Bootstrap das Estatsticas GFT, DW, FEG e DFEG Sob as
Hipteses Nulas: Forte, Semifraca e Fraca.

APNDICE 9: TESTES DE CO-INTEGRAO FRACIONRIA CALCULADOS COM
BASE NO MODELO DE CO-INTEGRAO SEM TENDNCIA DETERMINISTA

*
(0.0311**) (0.0368**)
4.7570 1.0742( / )
t t t t
p p e = (ap.65)
GFT- Hip. Forte
f
.
d
.
p
0 200 400 600 800
0
.
0
0
.
0
0
4
0
.
0
0
8
GFT- Hip. Semifraca
f
.
d
.
p
0 500 1000 1500 2000 2500
0
.
0
0
.
0
0
1
0
GFT- Hip. Fraca
f
.
d
.
p
p
0 500 1000 1500 2000 2500
0
.
0
0
.
0
0
1
0
DW - Hip. Forte
f
.
d
.
p
0.0 0.5 1.0
0
1
2
3
4
DW - Hip. Semifraca
f
.
d
.
p
0.0 0.2 0.4 0.6 0.8 1.0 1.2
0
1
2
3
4
DW - Hip. Fraca
f
.
d
.
p
0.0 0.5 1.0 1.5
0
1
2
3
4
FEG- Hip. Forte
f
.
d
.
p
0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
0
.
0
1
.
0
2
.
0
FEG- Hip. Semifraca
f
.
d
.
p
0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
0
.
0
1
.
0
2
.
0
FEG- Hip. Fraca
f
.
d
.
p
0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
0
.
0
1
.
0
2
.
0
DFEG- Hip. Forte
f
.
d
.
p
-0.5 0.0 0.5
0
.
0
1
.
0
2
.
0
DFEG- Hip. Semifraca
f
.
d
.
p
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
0
.
0
1
.
0
2
.
0
DFEG- Hip. Fraca
f
.
d
.
p
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
0
.
0
1
.
0
2
.
0
3
.
0
216


Independncia Estatstica ( Forte), No Co-Integrao e no Causalidade de Granger (Semifraca) e de

APNDICE 10: TESTES TNN E WNN DE NO-LINEARIDADES OMITIDAS NA
RELAO DE CO-INTEGRAO

Tabela 42 Testes de No-linearidades Omitidas
Est. (_
2
) Est. (F) Est. (_
2
) Est. (F)
1 0.2237 (0.8942) 0.1097 (0.8962) 0.2030 (0.9035) 0.0995 (0.9053)
2 9.5707 (0.2142) 1.3274 (0.2416) 0.0304 (0.9850) 0.0148 (0.9853)
3 18.7748 (0.2805) 1.0923 (0.3687) 0.2651 (0.8759) 0.1282 (0.8797)
4 33.5860 (0.2977) 0.9715 (0.5167) 1.5112 (0.4697) 0.7297 (0.4841)
5 60.0115 (0.1570) 0.9370 (0.5934) 0.0887 (0.9566) 0.0423 (0.9586)
Obs: P-Valores em parnteses ( H
0
: Srie Linear no Nvel)
Testes de Redes Neurais
Estatsticas lags
TNN WNN
Resduos de
Co-Integrao

Hip. Forte
Hip. Semifraca
Hip. Fraca
Modelos: ARFIMA(1, 1.0502,0) para p* e ARFIMA(0, 1.0470,0) para p/e
0.0952 0.0936 0.2071
853.2115 0.1655 0.9850
0.0007 0.0267 0.0167
0.0949 0.0958 0.2240
Estatstica do Teste
Estatsticas
Preos Internacionais X Preos Domsticos/Cmbio
GFT DW FEG
GFT - Hip. Forte
f
.
d
.
p
0 200 400 600 800 1000
0
.
0
0
.
0
0
1
5
0.07%
f
.
d
.
p
0 500 1000 2000
0
.
0
0
.
0
0
0
6
0
.
0
0
1
4
9.49%
GFT - Hip. Fraca
f
.
d
.
p
p
0 500 1000 2000
0
.
0
0
.
0
0
0
6
0
.
0
0
1
4
9.52%
DW - Hip. Forte
f
.
d
.
p
0.0 0.1 0.2 0.3
0
2
4
6
8
1
2
2.67%
DW - Hip. Semifraca
f
.
d
.
p
0.0 0.1 0.2 0.3 0.4
0
2
4
6
8
9.58%
DW - Hip. Fraca
f
.
d
.
p
0.0 0.1 0.2 0.3 0.4
0
2
4
6
8
9.36%
FEG - Hip. Forte
f
.
d
.
p
1.0 1.2 1.4
0
1
2
3
4
5
6
1.67%
f
.
d
.
p
0.8 1.0 1.2 1.4
0
1
2
3
4
5
22.40%
FEG - Hip. Fraca
f
.
d
.
p
0.8 1.0 1.2 1.4
0
1
2
3
4
5
20.71%
217

ANEXOS

ANEXO A: ALGORITMO PARA APLICAO DA DIFERENA FRACIONRIA VIA
TRANSFORMA DISCRETA DE FOURIER: BASEADO NOS PROCEDIMENTOS DE
ANLISE ESPECTRAL DE SHUMWAY & STOFFER (2000).

1. Estima-se d por meio de um dos estimadores apresentados.
2. Calcula-se a DFT sobre a srie original: Ver Shumway & Stoffer (2000, p.237)
2
1
1
( ) , / , 0,1,..., 1
k
T
i t
y k t k
t
y e k T k T
T
t v
v v
=
= = =
_
F

3. Calcula-se:
( ) (1 ) ( ) , 0,1,..., 1
k
i d
k y k
e k T
v
c
v v
= = F F

4. Calcula-se a IDFT da srie obtida em (3): A srie
t
c a srie livre da memria longa
1
2
1
1
( ) , 0,1,...,
k
T
i t
t k
k
e t T
T
t v
c
c v
=
= =
_
F

ANEXO B: ALGORITMO DE NG & PERRON (1995) E SCHUWERT (1989) PARA A
ESCOLHA DO NMERO DE LAGS NOS TESTES DE RAIZ UNITRIA (ADF)

1. Determina-se uma ordem limite superior
max
p .
2. Se a estatstica t do termo auto-regressivo de ordem
max
p for tal que
max
1.6
p
t , ento
escolhe-se
max
p p = para o teste.
3. Se
max
1.6
p
t _ , repete-se o procedimento seqencialmente at que
max
1.6
p i
t

, para
max
1, 2,..., i p = .
4. Schuwert (1989) props a regra:
1/ 4
max
12
100
T
p
l
1
l
=

l
( )
l
l
, em que [ ] - representa a parte
inteira.

ANEXO C: ALGORITMO DE DAVIDSON (2002C) PARA INFERNCIA DE CO-
INTEGRAO FRACIONRIA PROCEDIMENTO BASEADO EM BOOTSTRAP
APLICADO A SISTEMAS BIVARIADOS

1. Ajustar modelos ( , , ) ARFIMA p d q referentes ao sistema modelo (5.9) sob
0
: 0 H | =
e inferir sobre a condio de igualdade dos parmetros de integrao.
2. Estimar os modelos dinmicos (5.13) (5.14) para os resduos do modelo
( , , ) ARFIMA p d q .
3. Aplicar os procedimentos de reamostragem de bootstrap sobre os resduos do sistema
estimados em (2).
218

4. Cada reamostragem realizada em (3) passada inversamente atravs do filtro estimado
em (2), do filtro polinomial ( , ) ARMA p q e do filtro diferena fracionria invertido.
5. De (4) so geradas as sries de bootstrap,
*
it
x , e sobre elas calculadas as estatsticas de
teste.
6. De (5) resultam as distribuies empricas de bootstrap para os testes de co-integrao
fracionria simples e com causalidade de Granger. Com base nestas distribuies so
localizados os valores crticos de teste para os nveis de significncia desejados.
7. Com base na estatstica de teste calculada com as sries originais e sobre (6) so
inferidos os P-valores representativos do teste de co-integrao fracionria.

ANEXO D: QUEBRAS ESTRUTURAIS E GERAO DO PADRO DE MEMRIA
LONGA: APRESENTAO DO MODELO DE GRANGER E HYUNG (1999)

Trata-se de um processo estocstico com quebras eventuais em seu nvel, segundo
uma distribuio de probabilidade variante no tempo . Os choques advm de um
processo gerador de pulsos que incide sobre o processo , relacionado com
por meio do Modelo de Funo de Transferncia:
(an.66) , com: (an.67)
com termos aleatrios: (an.68) e (an.69). Impondo
varincias limitadas (an.70), com (an.71) e (an.72),
garante-se que o modelo gerar quebras estruturais com amplitudes aleatrias pelos choques
originrios do rudo e, por outro lado, valores relativamente estveis em perodos longos de
tempo em e . A probabilidade transforma o modelo em um modelo endgeno para as
quebras estruturais. Assumindo e as condies iniciais: ,
Granger & Hyung (1999) deduziram os dois primeiros momentos tericos do modelo:
(an.73)
(an.74)
As propriedades do processo dependem da estrutura geradora de quebras, de forma que:
{ }
T
t t
z
Z
p
{ }
T
t t
i
Z
{ }
T
t t
d
Z
{ }
T
t t
z
Z
1
t t t
t t t t
z d
d d i r
c
=
=

Pr[ 1]
[0],[1]
Pr[ 0] (1 )
t
t
t
i p
i
i p
'
= =
1
1
=
!
1
= =
1+
2
~ . . .(0, )
t
i i d
c
c o
2
~ . . .(0, )
t
t r
r i i d o
2 2
,
r c
o o <
2 2
r c
o o > 0 1 p < <
t
r
t
d
t
z p
t t t
i r c l l
0
0
t t t
q i r c = = = =
{ } 0
t
E z =
2 2
2
( ), : 0
{ , } { }
( ), : 0
r
t t h t t h
r
t p se h
Cov z z E z z
t p se h
c
o o
o

'
1 =
1
= =
!
1
=
1+
219

(a) Se , torna-se um processo estacionrio dado (an.74), (an.70) e,
por(an.74), , .
(b) Se e , torna-se um processo no estacionrio, dado que (an.74)
no limitada em funo de .
No necessrio deduzir as propriedades amostrais do processo para inferir alguns padres
associados estrutura de memria de (an.66) que geram percepes associadas aos processos
com memria longa. A partir de (an.74), deduz-se:
(an.75)
e pode-se afirmar que:

(c) Assumindo adicionalmente em (b) que , ento para fixos, (an.75)
tende a zero a medida que .
(d) Assumindo adicionalmente em (b) que no seja fixo, decrescendo lentamente no
tempo em relao ao crescimento da amostra, ou seja, que a taxa de convergncia para
, seja estritamente menor que , , ento, a medida que ,
, cresce, (an.75) convergir lentamente (decaimento com aparncia hiperblica),
similarmente a um processo linear integrado fracionariamente .

Nos casos mostrados em que , processo no estacionrio, a funo de autocorrelao
positivamente relacionada com o nmero esperado de quebras e equivalentemente
com a varincia dos choques associados com as quebras estruturais . Ou seja, para fixo,
o valor da funo de autocorrelao eleva-se para aumentos em qualquer um desses
parmetros. Associado ao fato de que (an.75) possui um padro de decaimento lento para
, ento, para determinados valores de e , possvel visualizar
valores elevados da funo de autocorrelao decaindo lentamente em direo a zero, tal qual
um processo linear com memria longa.

0 p = { }
t t
z
Z
(0) I
{ , } 0
t t h
Cov z z

= 0 h \ =
0 p T
t
z
t
2
2 2 2 2
{ , }
{ , }
{ , } { , }
( )
( ) ( )
t t h
t t h
t t t h t h
r
r r
Cov z z
Corr z z
Cov z z Cov z z
t p
t p t h p
c c
o
o o o o

=
=
l l

l l
l l
0 1 p < < ( , ) p t
h
p
0 p
O

0
t
p

t
O
0 p t
O O

< { }
T
t
t
Z
T <
( )
d
I d

R
0 p
[ ]
t T
pt

2
r
o h
[1, 2,3,...] h=
2
, ,
r
p t o
2
c
o
220

ANEXO E: MODELO DE REGIMES ALTERNANTES DE GRANGER & TERSVIRTA
(1999)

Granger & Tersvirta (1999) analisaram um processo markoviano com as seguintes
caractersticas: o processo sofre choques unitrios positivos ou negativos
de acordo com o sinal observado no exato instante anterior:
(an.76) , com: (an.77)
obedecendo a condio de estabilidade:
(an.78)
que, segundo os autores implicam sua estacionariedade, com funo de autocorrelao
(an.79)
semelhante a de um processo .

2
~ . . . (0, )
t
i i d N
c
c o
1
sgn( )
t t t
z z c
=
1, : 0
sgn( ) 0, : 0
1, : 0
se u
u se u
se u
'
<
1
1
1
1
= =
!
1
1
1
1+
Pr{ 1} Pr{ 1}
t t
p c c < = =
( ) (1 2 )
h
z
h p =

(1) AR
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
0
7
8
9
0
.
0
7
4
7
-
0
.
1
7
8
9
0
.
1
0
6
8
-
0
.
0
3
7
8
0
.
0
3
8
3
-
0
.
1
3
7
8
0
.
0
5
7
3
-
0
.
0
1
0
4
0
.
0
2
4
7
-
0
.
1
1
0
4
0
.
0
3
6
9
-
0
.
0
0
0
8
0
.
0
2
1
4
-
0
.
1
0
0
8
0
.
0
3
1
6
0
.
0
3
2
1
0
.
0
1
1
7
-
0
.
0
6
7
9
0
.
0
1
6
3
0
.
0
3
2
1
0
.
0
1
1
7
-
0
.
0
6
7
9
0
.
0
1
6
3
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
2
2
3
8
0
.
1
6
1
2
0
.
1
2
3
8
0
.
1
7
6
5
0
.
2
8
1
9
0
.
0
5
8
0
0
.
1
8
1
9
0
.
0
9
1
1
0
.
2
9
4
9
0
.
0
3
5
2
0
.
1
9
4
9
0
.
0
7
3
2
0
.
2
9
3
3
0
.
0
2
7
6
0
.
1
9
3
3
0
.
0
6
5
0
0
.
2
7
2
9
0
.
0
1
2
2
0
.
1
7
2
9
0
.
0
4
2
1
0
.
2
7
2
9
0
.
0
1
2
2
0
.
1
7
2
9
0
.
0
4
2
1
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
0
9
1
0
0
.
0
7
5
6
-
0
.
0
0
9
0
0
.
0
7
5
6
0
.
0
8
8
1
0
.
0
3
9
0
-
0
.
0
1
1
9
0
.
0
3
9
2
0
.
0
9
2
1
0
.
0
2
4
8
-
0
.
0
0
7
9
0
.
0
2
4
8
0
.
0
9
3
2
0
.
0
2
1
8
-
0
.
0
0
6
8
0
.
0
2
1
9
0
.
0
9
5
6
0
.
0
1
1
8
-
0
.
0
0
4
4
0
.
0
1
1
9
0
.
0
9
5
6
0
.
0
1
1
8
-
0
.
0
0
4
4
0
.
0
1
1
9
D
i
m
. F
r
a
c
t
a
l
D
F
-
0
.
0
0
1
9
0
.
0
3
6
5
-
0
.
1
0
1
9
0
.
0
4
6
9
0
.
0
2
0
1
0
.
0
2
0
6
-
0
.
0
7
9
9
0
.
0
2
7
0
0
.
0
3
3
6
0
.
0
1
5
1
-
0
.
0
6
6
4
0
.
0
1
9
5
0
.
0
4
2
3
0
.
0
1
1
9
-
0
.
0
5
7
7
0
.
0
1
5
2
0
.
0
6
3
2
0
.
0
0
5
2
-
0
.
0
3
6
8
0
.
0
0
6
5
0
.
0
6
3
2
0
.
0
0
5
2
-
0
.
0
3
6
8
0
.
0
0
6
5
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
0
6
4
8
0
.
0
1
3
0
-
0
.
0
3
5
2
0
.
0
1
4
3
0
.
0
7
5
0
0
.
0
0
6
3
-
0
.
0
2
5
0
0
.
0
0
6
9
0
.
0
7
6
2
0
.
0
0
4
5
-
0
.
0
2
3
8
0
.
0
0
5
1
0
.
0
7
5
4
0
.
0
0
3
5
-
0
.
0
2
4
6
0
.
0
0
4
1
0
.
0
8
0
6
0
.
0
0
1
9
-
0
.
0
1
9
4
0
.
0
0
2
3
0
.
0
8
0
6
0
.
0
0
1
9
-
0
.
0
1
9
4
0
.
0
0
2
3
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
1
6
6
0
0
.
0
3
3
1
0
.
0
6
6
0
0
.
0
3
7
5
0
.
1
6
4
1
0
.
0
1
7
5
0
.
0
6
4
1
0
.
0
2
1
6
0
.
1
6
1
0
0
.
0
1
3
1
0
.
0
6
1
0
0
.
0
1
6
8
0
.
1
4
9
5
0
.
0
1
1
1
0
.
0
4
9
5
0
.
0
1
3
5
0
.
1
3
8
1
0
.
0
0
7
4
0
.
0
3
8
1
0
.
0
0
8
8
0
.
1
3
8
1
0
.
0
0
7
4
0
.
0
3
8
1
0
.
0
0
8
8
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
1
4
2
5
0
.
1
7
5
3
0
.
0
4
2
5
0
.
1
7
7
1
0
.
1
3
4
8
0
.
0
4
7
8
0
.
0
3
4
8
0
.
0
4
9
0
0
.
1
2
5
2
0
.
0
2
6
9
0
.
0
2
5
2
0
.
0
2
7
6
0
.
1
1
9
1
0
.
0
1
7
4
0
.
0
1
9
1
0
.
0
1
7
8
0
.
1
0
7
1
0
.
0
0
6
0
0
.
0
0
7
1
0
.
0
0
6
1
0
.
1
0
7
1
0
.
0
0
6
0
0
.
0
0
7
1
0
.
0
0
6
1
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
0
4
5
7
0
.
0
3
8
4
-
0
.
0
5
4
3
0
.
0
4
1
3
0
.
0
2
0
1
0
.
0
1
4
5
-
0
.
0
7
9
9
0
.
0
2
0
9
0
.
0
1
6
2
0
.
0
0
8
0
-
0
.
0
8
3
8
0
.
0
1
5
0
0
.
0
1
2
1
0
.
0
0
4
8
-
0
.
0
8
7
9
0
.
0
1
2
6
0
.
0
1
5
3
0
.
0
0
1
6
-
0
.
0
8
4
7
0
.
0
0
8
7
0
.
0
1
5
3
0
.
0
0
1
6
-
0
.
0
8
4
7
0
.
0
0
8
7
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
1
0
8
2
0
.
0
0
7
1
0
.
0
0
8
2
0
.
0
0
7
2
0
.
1
1
1
4
0
.
0
0
2
8
0
.
0
1
1
4
0
.
0
0
2
9
0
.
1
1
3
8
0
.
0
0
2
0
0
.
0
1
3
8
0
.
0
0
2
1
0
.
1
1
0
2
0
.
0
0
1
3
0
.
0
1
0
2
0
.
0
0
1
4
0
.
1
1
1
1
0
.
0
0
0
5
0
.
0
1
1
1
0
.
0
0
0
6
0
.
1
1
1
1
0
.
0
0
0
5
0
.
0
1
1
1
0
.
0
0
0
6
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
1
7
8
2
0
.
0
1
2
4
0
.
0
7
8
2
0
.
0
1
8
6
0
.
1
3
7
9
0
.
0
0
5
5
0
.
0
3
7
9
0
.
0
0
7
0
0
.
1
2
7
2
0
.
0
0
3
9
0
.
0
2
7
2
0
.
0
0
4
6
0
.
1
1
8
5
0
.
0
0
2
7
0
.
0
1
8
5
0
.
0
0
3
1
0
.
1
0
9
2
0
.
0
0
1
2
0
.
0
0
9
2
0
.
0
0
1
3
0
.
1
0
9
2
0
.
0
0
1
2
0
.
0
0
9
2
0
.
0
0
1
3
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
2
3
4
5
0
.
0
4
7
7
0
.
1
3
4
5
0
.
0
6
5
8
0
.
1
5
3
9
0
.
0
1
8
6
0
.
0
5
3
9
0
.
0
2
1
5
0
.
1
3
6
3
0
.
0
1
2
4
0
.
0
3
6
3
0
.
0
1
3
7
0
.
1
2
5
0
0
.
0
0
9
1
0
.
0
2
5
0
0
.
0
0
9
7
0
.
1
0
8
7
0
.
0
0
4
0
0
.
0
0
8
7
0
.
0
0
4
1
0
.
1
0
8
7
0
.
0
0
4
0
0
.
0
0
8
7
0
.
0
0
4
1
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
9
0
5
0
.
0
0
5
5
-
0
.
0
0
9
5
0
.
0
0
5
6
0
.
1
0
4
2
0
.
0
0
3
0
0
.
0
0
4
2
0
.
0
0
3
0
0
.
1
1
1
8
0
.
0
0
2
3
0
.
0
1
1
8
0
.
0
0
2
4
0
.
1
1
0
8
0
.
0
0
1
6
0
.
0
1
0
8
0
.
0
0
1
7
0
.
1
1
7
5
0
.
0
0
0
6
0
.
0
1
7
5
0
.
0
0
0
9
0
.
1
1
7
5
0
.
0
0
0
6
0
.
0
1
7
5
0
.
0
0
0
9
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
4
6
0
0
.
0
0
5
5
-
0
.
0
5
4
0
0
.
0
0
8
4
0
.
0
6
3
6
0
.
0
0
4
9
-
0
.
0
3
6
4
0
.
0
0
6
2
0
.
0
7
0
7
0
.
0
0
4
1
-
0
.
0
2
9
3
0
.
0
0
5
0
0
.
0
7
3
9
0
.
0
0
3
4
-
0
.
0
2
6
1
0
.
0
0
4
1
0
.
0
8
5
9
0
.
0
0
1
9
-
0
.
0
1
4
1
0
.
0
0
2
1
0
.
0
8
5
9
0
.
0
0
1
9
-
0
.
0
1
4
1
0
.
0
0
2
1
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
5
6
4
0
.
0
0
5
7
-
0
.
0
4
3
6
0
.
0
0
7
6
0
.
0
7
1
0
0
.
0
0
4
7
-
0
.
0
2
9
0
0
.
0
0
5
5
0
.
0
7
8
0
0
.
0
0
3
9
-
0
.
0
2
2
0
0
.
0
0
4
3
0
.
0
8
0
0
0
.
0
0
3
2
-
0
.
0
2
0
0
0
.
0
0
3
6
0
.
0
9
0
2
0
.
0
0
1
6
-
0
.
0
0
9
8
0
.
0
0
1
7
0
.
0
9
0
2
0
.
0
0
1
6
-
0
.
0
0
9
8
0
.
0
0
1
7
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
8
3
1
0
.
0
1
0
1
-
0
.
0
1
6
9
0
.
0
1
0
4
0
.
0
9
5
2
0
.
0
0
8
5
-
0
.
0
0
4
8
0
.
0
0
8
5
0
.
1
0
6
2
0
.
0
0
8
2
0
.
0
0
6
2
0
.
0
0
8
2
0
.
1
0
9
5
0
.
0
0
6
8
0
.
0
0
9
5
0
.
0
0
6
9
0
.
1
2
3
9
0
.
0
0
5
9
0
.
0
2
3
9
0
.
0
0
6
5
0
.
1
2
3
9
0
.
0
0
5
9
0
.
0
2
3
9
0
.
0
0
6
5
T
a
b
e
l
a

4
.
3
.
1
E
s
t
i
m
a
d
o
r
d
=
0
.1
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
0
-
0
.1
5
-
0
.1
0
-
0
.0
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(
0
,d
,0
)
(
1
,d
,0
)
(
0
,d
,1
)
(
1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
1
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(
0
,d
,0
)
(
1
,d
,0
)
(
0
,d
,1
)
(
1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
1
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
221
d
=
0
.
1
0
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
0
0
9
6
0
.
0
7
5
7
-
0
.
2
0
9
6
0
.
1
1
9
6
0
.
0
3
7
8
0
.
0
4
0
2
-
0
.
1
6
2
2
0
.
0
6
6
6
0
.
0
7
1
3
0
.
0
2
6
9
-
0
.
1
2
8
7
0
.
0
4
3
5
0
.
0
8
3
4
0
.
0
2
2
8
-
0
.
1
1
6
6
0
.
0
3
6
4
0
.
1
1
3
2
0
.
0
1
1
1
-
0
.
0
8
6
8
0
.
0
1
8
7
0
.
1
1
3
2
0
.
0
1
1
1
-
0
.
0
8
6
8
0
.
0
1
8
7
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
3
0
2
2
0
.
1
6
7
2
0
.
1
0
2
2
0
.
1
7
7
6
0
.
3
8
9
6
0
.
0
5
8
0
0
.
1
8
9
6
0
.
0
9
3
9
0
.
3
8
9
5
0
.
0
3
9
4
0
.
1
8
9
5
0
.
0
7
5
3
0
.
3
9
6
1
0
.
0
2
7
3
0
.
1
9
6
1
0
.
0
6
5
7
0
.
3
7
3
8
0
.
0
1
1
7
0
.
1
7
3
8
0
.
0
4
2
0
0
.
3
7
3
8
0
.
0
1
1
7
0
.
1
7
3
8
0
.
0
4
2
0
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
1
5
6
0
0
.
0
7
6
4
-
0
.
0
4
4
0
0
.
0
7
8
4
0
.
1
6
3
2
0
.
0
4
0
9
-
0
.
0
3
6
8
0
.
0
4
2
2
0
.
1
7
2
9
0
.
0
2
7
4
-
0
.
0
2
7
1
0
.
0
2
8
1
0
.
1
7
7
8
0
.
0
2
3
3
-
0
.
0
2
2
2
0
.
0
2
3
8
0
.
1
7
6
4
0
.
0
1
1
4
-
0
.
0
2
3
6
0
.
0
1
1
9
0
.
1
7
6
4
0
.
0
1
1
4
-
0
.
0
2
3
6
0
.
0
1
1
9
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
0
9
0
2
0
.
0
4
0
7
-
0
.
1
0
9
8
0
.
0
5
2
8
0
.
1
0
1
4
0
.
0
2
4
4
-
0
.
0
9
8
6
0
.
0
3
4
1
0
.
1
2
5
1
0
.
0
1
7
4
-
0
.
0
7
4
9
0
.
0
2
3
0
0
.
1
3
2
7
0
.
0
1
4
5
-
0
.
0
6
7
3
0
.
0
1
9
0
0
.
1
5
5
4
0
.
0
0
6
5
-
0
.
0
4
4
6
0
.
0
0
8
5
0
.
1
5
5
4
0
.
0
0
6
5
-
0
.
0
4
4
6
0
.
0
0
8
5
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
1
5
7
3
0
.
0
1
5
0
-
0
.
0
4
2
7
0
.
0
1
6
8
0
.
1
6
3
0
0
.
0
0
7
8
-
0
.
0
3
7
0
0
.
0
0
9
2
0
.
1
7
0
4
0
.
0
0
5
4
-
0
.
0
2
9
6
0
.
0
0
6
3
0
.
1
7
2
4
0
.
0
0
4
4
-
0
.
0
2
7
6
0
.
0
0
5
1
0
.
1
7
8
1
0
.
0
0
2
2
-
0
.
0
2
1
9
0
.
0
0
2
6
0
.
1
7
8
1
0
.
0
0
2
2
-
0
.
0
2
1
9
0
.
0
0
2
6
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
2
2
8
0
0
.
0
3
3
3
0
.
0
2
8
0
0
.
0
3
4
1
0
.
2
1
1
8
0
.
0
2
1
1
0
.
0
1
1
8
0
.
0
2
1
2
0
.
2
1
2
2
0
.
0
1
3
8
0
.
0
1
2
2
0
.
0
1
4
0
0
.
2
1
1
6
0
.
0
1
1
2
0
.
0
1
1
6
0
.
0
1
1
3
0
.
2
1
1
1
0
.
0
0
7
8
0
.
0
1
1
1
0
.
0
0
7
9
0
.
2
1
1
1
0
.
0
0
7
8
0
.
0
1
1
1
0
.
0
0
7
9
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
2
8
6
1
0
.
1
8
0
2
0
.
0
8
6
1
0
.
1
8
7
6
0
.
2
4
6
0
0
.
0
5
1
7
0
.
0
4
6
0
0
.
0
5
3
8
0
.
2
4
2
4
0
.
0
2
7
5
0
.
0
4
2
4
0
.
0
2
9
3
0
.
2
3
2
6
0
.
0
1
8
4
0
.
0
3
2
6
0
.
0
1
9
5
0
.
2
2
0
0
0
.
0
0
5
2
0
.
0
2
0
0
0
.
0
0
5
6
0
.
2
2
0
0
0
.
0
0
5
2
0
.
0
2
0
0
0
.
0
0
5
6
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
1
6
4
1
0
.
0
3
9
2
-
0
.
0
3
5
9
0
.
0
4
0
5
0
.
1
3
1
7
0
.
0
1
4
9
-
0
.
0
6
8
3
0
.
0
1
9
6
0
.
1
2
6
2
0
.
0
0
7
7
-
0
.
0
7
3
8
0
.
0
1
3
1
0
.
1
2
6
5
0
.
0
0
4
5
-
0
.
0
7
3
5
0
.
0
1
0
0
0
.
1
2
8
3
0
.
0
0
1
5
-
0
.
0
7
1
7
0
.
0
0
6
7
0
.
1
2
8
3
0
.
0
0
1
5
-
0
.
0
7
1
7
0
.
0
0
6
7
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
2
1
6
5
0
.
0
0
6
8
0
.
0
1
6
5
0
.
0
0
7
0
0
.
2
1
8
7
0
.
0
0
3
4
0
.
0
1
8
7
0
.
0
0
3
8
0
.
2
1
8
3
0
.
0
0
2
1
0
.
0
1
8
3
0
.
0
0
2
4
0
.
2
2
2
1
0
.
0
0
1
3
0
.
0
2
2
1
0
.
0
0
1
8
0
.
2
2
1
1
0
.
0
0
0
6
0
.
0
2
1
1
0
.
0
0
1
0
0
.
2
2
1
1
0
.
0
0
0
6
0
.
0
2
1
1
0
.
0
0
1
0
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
2
8
1
9
0
.
0
1
3
5
0
.
0
8
1
9
0
.
0
2
0
2
0
.
2
3
4
6
0
.
0
0
6
4
0
.
0
3
4
6
0
.
0
0
7
6
0
.
2
2
7
5
0
.
0
0
4
1
0
.
0
2
7
5
0
.
0
0
4
9
0
.
2
2
3
8
0
.
0
0
3
0
0
.
0
2
3
8
0
.
0
0
3
6
0
.
2
1
5
0
0
.
0
0
1
2
0
.
0
1
5
0
0
.
0
0
1
5
0
.
2
1
5
0
0
.
0
0
1
2
0
.
0
1
5
0
0
.
0
0
1
5
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
3
3
8
2
0
.
0
5
1
3
0
.
1
3
8
2
0
.
0
7
0
4
0
.
2
4
5
2
0
.
0
2
1
3
0
.
0
4
5
2
0
.
0
2
3
4
0
.
2
4
0
5
0
.
0
1
3
0
0
.
0
4
0
5
0
.
0
1
4
6
0
.
2
2
7
8
0
.
0
0
9
9
0
.
0
2
7
8
0
.
0
1
0
7
0
.
2
1
3
9
0
.
0
0
3
6
0
.
0
1
3
9
0
.
0
0
3
8
0
.
2
1
3
9
0
.
0
0
3
6
0
.
0
1
3
9
0
.
0
0
3
8
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
1
9
5
9
0
.
0
0
7
1
-
0
.
0
0
4
1
0
.
0
0
7
1
0
.
2
1
8
3
0
.
0
0
3
8
0
.
0
1
8
3
0
.
0
0
4
1
0
.
2
2
5
3
0
.
0
0
2
4
0
.
0
2
5
3
0
.
0
0
3
0
0
.
2
3
2
5
0
.
0
0
1
5
0
.
0
3
2
5
0
.
0
0
2
6
0
.
2
3
7
8
0
.
0
0
0
7
0
.
0
3
7
8
0
.
0
0
2
1
0
.
2
3
7
8
0
.
0
0
0
7
0
.
0
3
7
8
0
.
0
0
2
1
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
8
7
8
0
.
0
1
0
6
-
0
.
1
1
2
2
0
.
0
2
3
2
0
.
1
2
3
6
0
.
0
0
9
6
-
0
.
0
7
6
4
0
.
0
1
5
4
0
.
1
4
8
1
0
.
0
0
7
3
-
0
.
0
5
1
9
0
.
0
1
0
0
0
.
1
5
7
8
0
.
0
0
5
9
-
0
.
0
4
2
2
0
.
0
0
7
7
0
.
1
8
0
3
0
.
0
0
2
1
-
0
.
0
1
9
7
0
.
0
0
2
5
0
.
1
8
0
3
0
.
0
0
2
1
-
0
.
0
1
9
7
0
.
0
0
2
5
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
1
1
8
5
0
.
0
0
9
6
-
0
.
0
8
1
5
0
.
0
1
6
3
0
.
1
5
0
5
0
.
0
0
7
3
-
0
.
0
4
9
5
0
.
0
0
9
7
0
.
1
6
9
1
0
.
0
0
5
1
-
0
.
0
3
0
9
0
.
0
0
6
0
0
.
1
7
7
2
0
.
0
0
3
7
-
0
.
0
2
2
8
0
.
0
0
4
2
0
.
1
8
9
6
0
.
0
0
1
5
-
0
.
0
1
0
4
0
.
0
0
1
6
0
.
1
8
9
6
0
.
0
0
1
5
-
0
.
0
1
0
4
0
.
0
0
1
6
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
9
4
0
0
.
0
1
2
2
-
0
.
1
0
6
0
0
.
0
2
3
4
0
.
1
2
0
0
0
.
0
1
2
4
-
0
.
0
8
0
0
0
.
0
1
8
8
0
.
1
2
9
4
0
.
0
1
1
0
-
0
.
0
7
0
6
0
.
0
1
6
0
0
.
1
3
9
5
0
.
0
1
0
7
-
0
.
0
6
0
5
0
.
0
1
4
3
0
.
1
7
4
9
0
.
0
0
6
0
-
0
.
0
2
5
1
0
.
0
0
6
6
0
.
1
7
4
9
0
.
0
0
6
0
-
0
.
0
2
5
1
0
.
0
0
6
6
T
a
b
e
l
a

4
.
3
.
2
E
s
t
i
m
a
d
o
r
d
=
0
.2
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
5
-
0
.2
0
-
0
.1
5
-
0
.1
0
-
0
.0
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
2
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
2
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
222
d
=
0
.
2
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
0
5
4
8
0
.
0
7
3
3
-
0
.
2
4
5
2
0
.
1
3
3
4
0
.
1
1
7
7
0
.
0
3
7
6
-
0
.
1
8
2
3
0
.
0
7
0
8
0
.
1
3
5
9
0
.
0
2
7
2
-
0
.
1
6
4
1
0
.
0
5
4
1
0
.
1
4
1
4
0
.
0
2
3
4
-
0
.
1
5
8
6
0
.
0
4
8
5
0
.
1
8
2
0
0
.
0
1
2
9
-
0
.
1
1
8
0
0
.
0
2
6
9
0
.
1
8
2
0
0
.
0
1
2
9
-
0
.
1
1
8
0
0
.
0
2
6
9
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
3
9
9
8
0
.
1
6
4
3
0
.
0
9
9
8
0
.
1
7
4
2
0
.
4
9
9
1
0
.
0
6
3
5
0
.
1
9
9
1
0
.
1
0
3
1
0
.
4
9
1
2
0
.
0
4
3
6
0
.
1
9
1
2
0
.
0
8
0
1
0
.
4
9
2
7
0
.
0
3
2
1
0
.
1
9
2
7
0
.
0
6
9
2
0
.
4
7
6
0
0
.
0
1
2
5
0
.
1
7
6
0
0
.
0
4
3
5
0
.
4
7
6
0
0
.
0
1
2
5
0
.
1
7
6
0
0
.
0
4
3
5
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
2
2
2
7
0
.
0
7
4
0
-
0
.
0
7
7
3
0
.
0
7
9
9
0
.
2
4
1
4
0
.
0
3
7
8
-
0
.
0
5
8
6
0
.
0
4
1
2
0
.
2
3
7
6
0
.
0
2
7
7
-
0
.
0
6
2
4
0
.
0
3
1
6
0
.
2
3
4
6
0
.
0
2
3
7
-
0
.
0
6
5
4
0
.
0
2
7
9
0
.
2
4
5
5
0
.
0
1
3
3
-
0
.
0
5
4
5
0
.
0
1
6
3
0
.
2
4
5
5
0
.
0
1
3
3
-
0
.
0
5
4
5
0
.
0
1
6
3
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
1
7
8
4
0
.
0
3
9
3
-
0
.
1
2
1
6
0
.
0
5
4
1
0
.
2
0
2
5
0
.
0
2
6
0
-
0
.
0
9
7
5
0
.
0
3
5
5
0
.
2
2
3
3
0
.
0
1
9
8
-
0
.
0
7
6
7
0
.
0
2
5
7
0
.
2
2
2
6
0
.
0
1
6
9
-
0
.
0
7
7
4
0
.
0
2
2
9
0
.
2
4
5
8
0
.
0
0
8
2
-
0
.
0
5
4
2
0
.
0
1
1
1
0
.
2
4
5
8
0
.
0
0
8
2
-
0
.
0
5
4
2
0
.
0
1
1
1
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
2
6
0
2
0
.
0
1
8
6
-
0
.
0
3
9
8
0
.
0
2
0
2
0
.
2
5
9
2
0
.
0
0
9
2
-
0
.
0
4
0
8
0
.
0
1
0
8
0
.
2
6
4
3
0
.
0
0
6
2
-
0
.
0
3
5
7
0
.
0
0
7
5
0
.
2
6
6
8
0
.
0
0
5
2
-
0
.
0
3
3
2
0
.
0
0
6
3
0
.
2
7
4
1
0
.
0
0
2
4
-
0
.
0
2
5
9
0
.
0
0
3
1
0
.
2
7
4
1
0
.
0
0
2
4
-
0
.
0
2
5
9
0
.
0
0
3
1
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
2
7
2
1
0
.
0
3
5
6
-
0
.
0
2
7
9
0
.
0
3
6
4
0
.
2
6
3
6
0
.
0
1
9
4
-
0
.
0
3
6
4
0
.
0
2
0
8
0
.
2
6
4
5
0
.
0
1
3
8
-
0
.
0
3
5
5
0
.
0
1
5
1
0
.
2
7
2
8
0
.
0
1
1
1
-
0
.
0
2
7
2
0
.
0
1
1
9
0
.
2
7
2
6
0
.
0
0
7
4
-
0
.
0
2
7
4
0
.
0
0
8
2
0
.
2
7
2
6
0
.
0
0
7
4
-
0
.
0
2
7
4
0
.
0
0
8
2
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
4
4
0
3
0
.
1
7
0
8
0
.
1
4
0
3
0
.
1
9
0
5
0
.
3
9
7
3
0
.
0
5
0
8
0
.
0
9
7
3
0
.
0
6
0
3
0
.
3
6
0
0
0
.
0
2
7
2
0
.
0
6
0
0
0
.
0
3
0
8
0
.
3
5
0
6
0
.
0
1
8
4
0
.
0
5
0
6
0
.
0
2
1
0
0
.
3
3
2
6
0
.
0
0
6
1
0
.
0
3
2
6
0
.
0
0
7
2
0
.
3
3
2
6
0
.
0
0
6
1
0
.
0
3
2
6
0
.
0
0
7
2
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
2
9
1
7
0
.
0
3
4
6
-
0
.
0
0
8
3
0
.
0
3
4
7
0
.
2
5
4
2
0
.
0
1
4
4
-
0
.
0
4
5
8
0
.
0
1
6
5
0
.
2
4
5
1
0
.
0
0
7
4
-
0
.
0
5
4
9
0
.
0
1
0
4
0
.
2
4
1
0
0
.
0
0
5
3
-
0
.
0
5
9
0
0
.
0
0
8
7
0
.
2
3
8
8
0
.
0
0
1
6
-
0
.
0
6
1
2
0
.
0
0
5
3
0
.
2
3
8
8
0
.
0
0
1
6
-
0
.
0
6
1
2
0
.
0
0
5
3
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
3
3
1
0
0
.
0
0
7
2
0
.
0
3
1
0
0
.
0
0
8
2
0
.
3
2
9
7
0
.
0
0
3
1
0
.
0
2
9
7
0
.
0
0
4
0
0
.
3
3
1
1
0
.
0
0
2
0
0
.
0
3
1
1
0
.
0
0
2
9
0
.
3
3
0
7
0
.
0
0
1
4
0
.
0
3
0
7
0
.
0
0
2
4
0
.
3
2
9
1
0
.
0
0
0
5
0
.
0
2
9
1
0
.
0
0
1
4
0
.
3
2
9
1
0
.
0
0
0
5
0
.
0
2
9
1
0
.
0
0
1
4
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
3
9
0
3
0
.
0
1
4
3
0
.
0
9
0
3
0
.
0
2
2
5
0
.
3
4
4
9
0
.
0
0
6
5
0
.
0
4
4
9
0
.
0
0
8
5
0
.
3
3
0
7
0
.
0
0
4
2
0
.
0
3
0
7
0
.
0
0
5
1
0
.
3
2
7
0
0
.
0
0
3
2
0
.
0
2
7
0
0
.
0
0
3
9
0
.
3
1
9
2
0
.
0
0
1
2
0
.
0
1
9
2
0
.
0
0
1
6
0
.
3
1
9
2
0
.
0
0
1
2
0
.
0
1
9
2
0
.
0
0
1
6
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
4
4
1
2
0
.
0
5
3
2
0
.
1
4
1
2
0
.
0
7
3
1
0
.
3
6
5
9
0
.
0
2
0
7
0
.
0
6
5
9
0
.
0
2
5
1
0
.
3
3
4
8
0
.
0
1
3
8
0
.
0
3
4
8
0
.
0
1
5
0
0
.
3
2
7
6
0
.
0
1
0
5
0
.
0
2
7
6
0
.
0
1
1
3
0
.
3
1
7
2
0
.
0
0
3
9
0
.
0
1
7
2
0
.
0
0
4
2
0
.
3
1
7
2
0
.
0
0
3
9
0
.
0
1
7
2
0
.
0
0
4
2
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
3
0
8
5
0
.
0
0
6
4
0
.
0
0
8
5
0
.
0
0
6
5
0
.
3
3
2
9
0
.
0
0
3
1
0
.
0
3
2
9
0
.
0
0
4
1
0
.
3
4
3
0
0
.
0
0
2
0
0
.
0
4
3
0
0
.
0
0
3
9
0
.
3
4
7
7
0
.
0
0
1
6
0
.
0
4
7
7
0
.
0
0
3
9
0
.
3
5
5
0
0
.
0
0
0
6
0
.
0
5
5
0
0
.
0
0
3
6
0
.
3
5
5
0
0
.
0
0
0
6
0
.
0
5
5
0
0
.
0
0
3
6
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
1
2
9
1
0
.
0
1
6
6
-
0
.
1
7
0
9
0
.
0
4
5
8
0
.
1
9
6
4
0
.
0
1
3
4
-
0
.
1
0
3
6
0
.
0
2
4
2
0
.
2
2
2
0
0
.
0
0
9
9
-
0
.
0
7
8
0
0
.
0
1
6
0
0
.
2
4
0
5
0
.
0
0
7
3
-
0
.
0
5
9
5
0
.
0
1
0
8
0
.
2
7
4
2
0
.
0
0
2
2
-
0
.
0
2
5
8
0
.
0
0
2
9
0
.
2
7
4
2
0
.
0
0
2
2
-
0
.
0
2
5
8
0
.
0
0
2
9
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
2
0
3
0
0
.
0
1
1
0
-
0
.
0
9
7
0
0
.
0
2
0
4
0
.
2
4
6
5
0
.
0
0
6
5
-
0
.
0
5
3
5
0
.
0
0
9
4
0
.
2
6
0
6
0
.
0
0
4
6
-
0
.
0
3
9
4
0
.
0
0
6
1
0
.
2
7
1
3
0
.
0
0
3
6
-
0
.
0
2
8
7
0
.
0
0
4
4
0
.
2
8
9
0
0
.
0
0
1
4
-
0
.
0
1
1
0
0
.
0
0
1
5
0
.
2
8
9
0
0
.
0
0
1
4
-
0
.
0
1
1
0
0
.
0
0
1
5
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
9
1
4
0
.
0
1
3
5
-
0
.
2
0
8
6
0
.
0
5
7
0
0
.
1
3
8
9
0
.
0
1
5
6
-
0
.
1
6
1
1
0
.
0
4
1
6
0
.
1
6
5
5
0
.
0
1
4
8
-
0
.
1
3
4
5
0
.
0
3
2
9
0
.
1
8
9
6
0
.
0
1
3
2
-
0
.
1
1
0
4
0
.
0
2
5
4
0
.
2
5
6
1
0
.
0
0
5
5
-
0
.
0
4
3
9
0
.
0
0
7
4
0
.
2
5
6
1
0
.
0
0
5
5
-
0
.
0
4
3
9
0
.
0
0
7
4
T
a
b
e
l
a

4
.
3
.
3
E
s
t
i
m
a
d
o
r
d
=
0
.3
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
5
-
0
.2
0
-
0
.1
5
-
0
.1
0
-
0
.0
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
3
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
3
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
223
d
=
0
.
3
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
1
2
2
5
0
.
0
6
7
7
-
0
.
2
7
7
5
0
.
1
4
4
7
0
.
1
7
4
8
0
.
0
3
5
6
-
0
.
2
2
5
2
0
.
0
8
6
3
0
.
1
9
5
4
0
.
0
2
5
2
-
0
.
2
0
4
6
0
.
0
6
7
0
0
.
2
0
2
8
0
.
0
2
1
4
-
0
.
1
9
7
2
0
.
0
6
0
3
0
.
2
4
1
4
0
.
0
1
1
9
-
0
.
1
5
8
6
0
.
0
3
7
1
0
.
2
4
1
4
0
.
0
1
1
9
-
0
.
1
5
8
6
0
.
0
3
7
1
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
5
0
7
7
0
.
2
0
6
0
0
.
1
0
7
7
0
.
2
1
7
6
0
.
5
7
8
2
0
.
0
7
0
8
0
.
1
7
8
2
0
.
1
0
2
6
0
.
5
9
0
5
0
.
0
4
4
8
0
.
1
9
0
5
0
.
0
8
1
1
0
.
6
1
1
8
0
.
0
3
1
1
0
.
2
1
1
8
0
.
0
7
5
9
0
.
5
7
8
7
0
.
0
1
2
5
0
.
1
7
8
7
0
.
0
4
4
5
0
.
5
7
8
7
0
.
0
1
2
5
0
.
1
7
8
7
0
.
0
4
4
5
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
2
8
7
7
0
.
0
6
7
5
-
0
.
1
1
2
3
0
.
0
8
0
1
0
.
2
9
7
1
0
.
0
3
5
7
-
0
.
1
0
2
9
0
.
0
4
6
3
0
.
2
9
7
1
0
.
0
2
5
3
-
0
.
1
0
2
9
0
.
0
3
5
9
0
.
2
9
6
2
0
.
0
2
1
4
-
0
.
1
0
3
8
0
.
0
3
2
2
0
.
3
0
4
2
0
.
0
1
2
3
-
0
.
0
9
5
8
0
.
0
2
1
5
0
.
3
0
4
2
0
.
0
1
2
3
-
0
.
0
9
5
8
0
.
0
2
1
5
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
2
6
6
5
0
.
0
3
5
8
-
0
.
1
3
3
5
0
.
0
5
3
6
0
.
2
8
9
3
0
.
0
2
4
9
-
0
.
1
1
0
7
0
.
0
3
7
2
0
.
3
0
3
4
0
.
0
2
0
0
-
0
.
0
9
6
6
0
.
0
2
9
3
0
.
3
1
8
0
0
.
0
1
5
7
-
0
.
0
8
2
0
0
.
0
2
2
4
0
.
3
3
8
6
0
.
0
0
8
0
-
0
.
0
6
1
4
0
.
0
1
1
7
0
.
3
3
8
6
0
.
0
0
8
0
-
0
.
0
6
1
4
0
.
0
1
1
7
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
3
4
7
9
0
.
0
1
9
6
-
0
.
0
5
2
1
0
.
0
2
2
4
0
.
3
5
6
5
0
.
0
1
0
0
-
0
.
0
4
3
5
0
.
0
1
1
8
0
.
3
6
0
0
0
.
0
0
7
0
-
0
.
0
4
0
0
0
.
0
0
8
6
0
.
3
6
7
7
0
.
0
0
5
5
-
0
.
0
3
2
3
0
.
0
0
6
5
0
.
3
7
2
5
0
.
0
0
2
8
-
0
.
0
2
7
5
0
.
0
0
3
6
0
.
3
7
2
5
0
.
0
0
2
8
-
0
.
0
2
7
5
0
.
0
0
3
6
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
3
0
7
5
0
.
0
3
4
9
-
0
.
0
9
2
5
0
.
0
4
3
5
0
.
3
2
4
9
0
.
0
1
8
6
-
0
.
0
7
5
1
0
.
0
2
4
2
0
.
3
1
8
2
0
.
0
1
4
2
-
0
.
0
8
1
8
0
.
0
2
0
9
0
.
3
2
4
9
0
.
0
1
1
6
-
0
.
0
7
5
1
0
.
0
1
7
2
0
.
3
2
3
4
0
.
0
0
6
9
-
0
.
0
7
6
6
0
.
0
1
2
8
0
.
3
2
3
4
0
.
0
0
6
9
-
0
.
0
7
6
6
0
.
0
1
2
8
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
5
6
4
9
0
.
1
7
0
6
0
.
1
6
4
9
0
.
1
9
7
8
0
.
5
0
3
6
0
.
0
5
1
3
0
.
1
0
3
6
0
.
0
6
2
0
0
.
4
8
9
5
0
.
0
2
7
3
0
.
0
8
9
5
0
.
0
3
5
3
0
.
4
6
8
8
0
.
0
1
8
0
0
.
0
6
8
8
0
.
0
2
2
7
0
.
4
4
0
5
0
.
0
0
5
8
0
.
0
4
0
5
0
.
0
0
7
5
0
.
4
4
0
5
0
.
0
0
5
8
0
.
0
4
0
5
0
.
0
0
7
5
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
4
0
7
0
0
.
0
3
4
1
0
.
0
0
7
0
0
.
0
3
4
2
0
.
3
6
5
3
0
.
0
1
5
4
-
0
.
0
3
4
7
0
.
0
1
6
6
0
.
3
5
3
9
0
.
0
0
7
9
-
0
.
0
4
6
1
0
.
0
1
0
0
0
.
3
5
0
2
0
.
0
0
4
9
-
0
.
0
4
9
8
0
.
0
0
7
3
0
.
3
4
6
0
0
.
0
0
1
7
-
0
.
0
5
4
0
0
.
0
0
4
6
0
.
3
4
6
0
0
.
0
0
1
7
-
0
.
0
5
4
0
0
.
0
0
4
6
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
4
3
8
6
0
.
0
0
7
0
0
.
0
3
8
6
0
.
0
0
8
5
0
.
4
3
7
7
0
.
0
0
3
4
0
.
0
3
7
7
0
.
0
0
4
8
0
.
4
3
8
5
0
.
0
0
2
0
0
.
0
3
8
5
0
.
0
0
3
5
0
.
4
3
7
2
0
.
0
0
1
5
0
.
0
3
7
2
0
.
0
0
2
9
0
.
4
3
6
4
0
.
0
0
0
5
0
.
0
3
6
4
0
.
0
0
1
9
0
.
4
3
6
4
0
.
0
0
0
5
0
.
0
3
6
4
0
.
0
0
1
9
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
4
9
0
3
0
.
0
1
4
4
0
.
0
9
0
3
0
.
0
2
2
5
0
.
4
4
5
9
0
.
0
0
6
9
0
.
0
4
5
9
0
.
0
0
9
1
0
.
4
3
6
3
0
.
0
0
4
6
0
.
0
3
6
3
0
.
0
0
5
9
0
.
4
3
1
7
0
.
0
0
3
2
0
.
0
3
1
7
0
.
0
0
4
2
0
.
4
2
1
5
0
.
0
0
1
2
0
.
0
2
1
5
0
.
0
0
1
7
0
.
4
2
1
5
0
.
0
0
1
2
0
.
0
2
1
5
0
.
0
0
1
7
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
5
4
4
4
0
.
0
5
5
1
0
.
1
4
4
4
0
.
0
7
6
0
0
.
4
6
0
7
0
.
0
2
0
6
0
.
0
6
0
7
0
.
0
2
4
3
0
.
4
4
1
7
0
.
0
1
3
7
0
.
0
4
1
7
0
.
0
1
5
5
0
.
4
3
7
2
0
.
0
0
9
8
0
.
0
3
7
2
0
.
0
1
1
1
0
.
4
1
7
8
0
.
0
0
3
8
0
.
0
1
7
8
0
.
0
0
4
1
0
.
4
1
7
8
0
.
0
0
3
8
0
.
0
1
7
8
0
.
0
0
4
1
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
3
9
6
1
0
.
0
0
3
8
-
0
.
0
0
3
9
0
.
0
0
3
8
0
.
4
2
8
5
0
.
0
0
1
9
0
.
0
2
8
5
0
.
0
0
2
7
0
.
4
4
1
3
0
.
0
0
1
2
0
.
0
4
1
3
0
.
0
0
2
9
0
.
4
4
7
1
0
.
0
0
0
9
0
.
0
4
7
1
0
.
0
0
3
1
0
.
4
6
2
4
0
.
0
0
0
4
0
.
0
6
2
4
0
.
0
0
4
3
0
.
4
6
2
4
0
.
0
0
0
4
0
.
0
6
2
4
0
.
0
0
4
3
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
1
4
5
5
0
.
0
2
1
6
-
0
.
2
5
4
5
0
.
0
8
6
3
0
.
2
5
3
1
0
.
0
1
9
0
-
0
.
1
4
6
9
0
.
0
4
0
5
0
.
2
9
8
2
0
.
0
1
0
9
-
0
.
1
0
1
8
0
.
0
2
1
3
0
.
3
2
0
8
0
.
0
0
7
2
-
0
.
0
7
9
2
0
.
0
1
3
5
0
.
3
6
3
4
0
.
0
0
2
2
-
0
.
0
3
6
6
0
.
0
0
3
5
0
.
3
6
3
4
0
.
0
0
2
2
-
0
.
0
3
6
6
0
.
0
0
3
5
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
2
7
7
7
0
.
0
0
9
5
-
0
.
1
2
2
3
0
.
0
2
4
5
0
.
3
3
3
4
0
.
0
0
5
6
-
0
.
0
6
6
6
0
.
0
1
0
0
0
.
3
5
2
0
0
.
0
0
3
6
-
0
.
0
4
8
0
0
.
0
0
5
9
0
.
3
6
2
3
0
.
0
0
2
7
-
0
.
0
3
7
7
0
.
0
0
4
1
0
.
3
8
4
9
0
.
0
0
1
2
-
0
.
0
1
5
1
0
.
0
0
1
4
0
.
3
8
4
9
0
.
0
0
1
2
-
0
.
0
1
5
1
0
.
0
0
1
4
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
8
8
2
0
.
0
1
5
8
-
0
.
3
1
1
8
0
.
1
1
3
0
0
.
1
7
4
7
0
.
0
2
3
1
-
0
.
2
2
5
3
0
.
0
7
3
9
0
.
2
2
6
3
0
.
0
1
9
8
-
0
.
1
7
3
7
0
.
0
5
0
0
0
.
2
6
2
6
0
.
0
1
6
4
-
0
.
1
3
7
4
0
.
0
3
5
3
0
.
3
4
8
6
0
.
0
0
4
7
-
0
.
0
5
1
4
0
.
0
0
7
4
0
.
3
4
8
6
0
.
0
0
4
7
-
0
.
0
5
1
4
0
.
0
0
7
4
T
a
b
e
l
a

4
.
3
.
4
E
s
t
i
m
a
d
o
r
d
=
0
.4
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
4
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
4
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
224
d
=
0
.
4
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
1
2
8
5
0
.
0
7
2
5
-
0
.
3
2
1
5
0
.
1
7
5
9
0
.
1
9
4
6
0
.
0
3
5
0
-
0
.
2
5
5
4
0
.
1
0
0
2
0
.
2
2
7
9
0
.
0
2
3
4
-
0
.
2
2
2
1
0
.
0
7
2
7
0
.
2
4
7
0
0
.
0
1
9
8
-
0
.
2
0
3
0
0
.
0
6
1
0
0
.
2
7
6
9
0
.
0
1
1
6
-
0
.
1
7
3
1
0
.
0
4
1
5
0
.
2
7
6
9
0
.
0
1
1
6
-
0
.
1
7
3
1
0
.
0
4
1
5
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
5
4
6
6
0
.
2
0
3
8
0
.
0
9
6
6
0
.
2
1
3
1
0
.
6
4
1
7
0
.
0
7
9
5
0
.
1
9
1
7
0
.
1
1
6
2
0
.
6
4
6
4
0
.
0
4
5
8
0
.
1
9
6
4
0
.
0
8
4
3
0
.
6
6
3
3
0
.
0
3
2
5
0
.
2
1
3
3
0
.
0
7
8
0
0
.
6
2
8
3
0
.
0
1
4
0
0
.
1
7
8
3
0
.
0
4
5
8
0
.
6
2
8
3
0
.
0
1
4
0
0
.
1
7
8
3
0
.
0
4
5
8
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
2
9
2
7
0
.
0
7
1
4
-
0
.
1
5
7
3
0
.
0
9
6
1
0
.
3
1
5
9
0
.
0
3
4
6
-
0
.
1
3
4
1
0
.
0
5
2
5
0
.
3
2
7
9
0
.
0
2
3
3
-
0
.
1
2
2
1
0
.
0
3
8
2
0
.
3
3
8
9
0
.
0
1
9
8
-
0
.
1
1
1
1
0
.
0
3
2
2
0
.
3
3
9
8
0
.
0
1
1
8
-
0
.
1
1
0
2
0
.
0
2
4
0
0
.
3
3
9
8
0
.
0
1
1
8
-
0
.
1
1
0
2
0
.
0
2
4
0
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
3
2
5
9
0
.
0
3
1
9
-
0
.
1
2
4
1
0
.
0
4
7
3
0
.
3
3
8
0
0
.
0
2
3
2
-
0
.
1
1
2
0
0
.
0
3
5
8
0
.
3
6
2
1
0
.
0
1
5
2
-
0
.
0
8
7
9
0
.
0
2
2
9
0
.
3
6
5
9
0
.
0
1
3
4
-
0
.
0
8
4
1
0
.
0
2
0
5
0
.
3
7
9
0
0
.
0
0
7
1
-
0
.
0
7
1
0
0
.
0
1
2
2
0
.
3
7
9
0
0
.
0
0
7
1
-
0
.
0
7
1
0
0
.
0
1
2
2
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
3
9
0
0
0
.
0
2
1
5
-
0
.
0
6
0
0
0
.
0
2
5
1
0
.
4
0
4
3
0
.
0
1
0
9
-
0
.
0
4
5
7
0
.
0
1
2
9
0
.
4
0
6
6
0
.
0
0
7
1
-
0
.
0
4
3
4
0
.
0
0
9
0
0
.
4
1
1
0
0
.
0
0
5
9
-
0
.
0
3
9
0
0
.
0
0
7
5
0
.
4
2
3
9
0
.
0
0
2
9
-
0
.
0
2
6
1
0
.
0
0
3
5
0
.
4
2
3
9
0
.
0
0
2
9
-
0
.
0
2
6
1
0
.
0
0
3
5
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
3
2
2
4
0
.
0
3
4
1
-
0
.
1
2
7
6
0
.
0
5
0
4
0
.
3
4
0
6
0
.
0
1
7
4
-
0
.
1
0
9
4
0
.
0
2
9
4
0
.
3
4
2
7
0
.
0
1
3
1
-
0
.
1
0
7
3
0
.
0
2
4
6
0
.
3
4
1
8
0
.
0
1
1
9
-
0
.
1
0
8
2
0
.
0
2
3
6
0
.
3
5
1
9
0
.
0
0
6
8
-
0
.
0
9
8
1
0
.
0
1
6
4
0
.
3
5
1
9
0
.
0
0
6
8
-
0
.
0
9
8
1
0
.
0
1
6
4
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
6
1
4
7
0
.
1
7
9
0
0
.
1
6
4
7
0
.
2
0
6
1
0
.
5
7
6
7
0
.
0
5
7
0
0
.
1
2
6
7
0
.
0
7
3
1
0
.
5
4
3
4
0
.
0
2
9
7
0
.
0
9
3
4
0
.
0
3
8
4
0
.
5
3
1
6
0
.
0
2
0
8
0
.
0
8
1
6
0
.
0
2
7
5
0
.
5
0
0
3
0
.
0
0
6
0
0
.
0
5
0
3
0
.
0
0
8
5
0
.
5
0
0
3
0
.
0
0
6
0
0
.
0
5
0
3
0
.
0
0
8
5
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
4
5
7
0
0
.
0
3
7
7
0
.
0
0
7
0
0
.
0
3
7
8
0
.
4
2
3
1
0
.
0
1
4
2
-
0
.
0
2
6
9
0
.
0
1
5
0
0
.
4
1
0
6
0
.
0
0
7
9
-
0
.
0
3
9
4
0
.
0
0
9
5
0
.
4
0
5
5
0
.
0
0
5
2
-
0
.
0
4
4
5
0
.
0
0
7
2
0
.
3
9
9
8
0
.
0
0
1
6
-
0
.
0
5
0
2
0
.
0
0
4
1
0
.
3
9
9
8
0
.
0
0
1
6
-
0
.
0
5
0
2
0
.
0
0
4
1
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
4
8
8
9
0
.
0
0
8
0
0
.
0
3
8
9
0
.
0
0
9
5
0
.
4
9
2
8
0
.
0
0
3
5
0
.
0
4
2
8
0
.
0
0
5
3
0
.
4
9
3
3
0
.
0
0
2
0
0
.
0
4
3
3
0
.
0
0
3
9
0
.
4
9
1
0
0
.
0
0
1
5
0
.
0
4
1
0
0
.
0
0
3
1
0
.
4
9
0
3
0
.
0
0
0
5
0
.
0
4
0
3
0
.
0
0
2
2
0
.
4
9
0
3
0
.
0
0
0
5
0
.
0
4
0
3
0
.
0
0
2
2
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
5
3
2
1
0
.
0
1
7
8
0
.
0
8
2
1
0
.
0
2
4
6
0
.
4
9
8
3
0
.
0
0
7
6
0
.
0
4
8
3
0
.
0
0
9
9
0
.
4
8
7
0
0
.
0
0
4
5
0
.
0
3
7
0
0
.
0
0
5
8
0
.
4
7
9
5
0
.
0
0
3
6
0
.
0
2
9
5
0
.
0
0
4
4
0
.
4
7
3
8
0
.
0
0
1
3
0
.
0
2
3
8
0
.
0
0
1
8
0
.
4
7
3
8
0
.
0
0
1
3
0
.
0
2
3
8
0
.
0
0
1
8
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
5
7
2
5
0
.
0
6
3
4
0
.
1
2
2
5
0
.
0
7
8
4
0
.
5
1
0
7
0
.
0
2
2
9
0
.
0
6
0
7
0
.
0
2
6
6
0
.
4
9
2
0
0
.
0
1
4
0
0
.
0
4
2
0
0
.
0
1
5
7
0
.
4
8
0
3
0
.
0
1
1
2
0
.
0
3
0
3
0
.
0
1
2
1
0
.
4
7
1
2
0
.
0
0
4
2
0
.
0
2
1
2
0
.
0
0
4
7
0
.
4
7
1
2
0
.
0
0
4
2
0
.
0
2
1
2
0
.
0
0
4
7
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
4
2
5
4
0
.
0
0
3
0
-
0
.
0
2
4
6
0
.
0
0
3
6
0
.
4
6
0
2
0
.
0
0
0
9
0
.
0
1
0
2
0
.
0
0
1
0
0
.
4
7
1
7
0
.
0
0
0
4
0
.
0
2
1
7
0
.
0
0
0
9
0
.
4
7
7
3
0
.
0
0
0
3
0
.
0
2
7
3
0
.
0
0
1
0
0
.
4
9
0
0
0
.
0
0
0
0
0
.
0
4
0
0
0
.
0
0
1
6
0
.
4
9
0
0
0
.
0
0
0
0
0
.
0
4
0
0
0
.
0
0
1
6
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
1
4
7
0
0
.
0
2
4
5
-
0
.
3
0
3
0
0
.
1
1
6
3
0
.
2
7
0
9
0
.
0
2
2
7
-
0
.
1
7
9
1
0
.
0
5
4
8
0
.
3
2
2
5
0
.
0
1
3
5
-
0
.
1
2
7
5
0
.
0
2
9
8
0
.
3
5
7
2
0
.
0
0
8
1
-
0
.
0
9
2
8
0
.
0
1
6
7
0
.
4
0
6
0
0
.
0
0
1
9
-
0
.
0
4
4
0
0
.
0
0
3
9
0
.
4
0
6
0
0
.
0
0
1
9
-
0
.
0
4
4
0
0
.
0
0
3
9
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
3
0
9
3
0
.
0
0
9
2
-
0
.
1
4
0
7
0
.
0
2
9
0
0
.
3
7
0
5
0
.
0
0
4
8
-
0
.
0
7
9
5
0
.
0
1
1
1
0
.
3
9
0
6
0
.
0
0
2
8
-
0
.
0
5
9
4
0
.
0
0
6
3
0
.
4
0
3
4
0
.
0
0
2
3
-
0
.
0
4
6
6
0
.
0
0
4
5
0
.
4
3
0
2
0
.
0
0
0
9
-
0
.
0
1
9
8
0
.
0
0
1
3
0
.
4
3
0
2
0
.
0
0
0
9
-
0
.
0
1
9
8
0
.
0
0
1
3
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
8
7
6
0
.
0
1
6
3
-
0
.
3
6
2
4
0
.
1
4
7
6
0
.
1
8
8
0
0
.
0
2
6
3
-
0
.
2
6
2
0
0
.
0
9
4
9
0
.
2
5
5
4
0
.
0
2
3
3
-
0
.
1
9
4
6
0
.
0
6
1
1
0
.
3
0
7
7
0
.
0
1
7
0
-
0
.
1
4
2
3
0
.
0
3
7
3
0
.
3
9
5
6
0
.
0
0
4
1
-
0
.
0
5
4
4
0
.
0
0
7
0
0
.
3
9
5
6
0
.
0
0
4
1
-
0
.
0
5
4
4
0
.
0
0
7
0
T
a
b
e
l
a

4
.
3
.
5
E
s
t
i
m
a
d
o
r
d
=
0
.4
5
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
4
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
4
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
225
d
=
0
.
4
5
V
. A
g
r
e
g
a
d
a
V
A
0
.
2
0
4
7
0
.
0
5
6
5
-
0
.
3
9
5
3
0
.
2
1
2
8
0
.
2
5
4
7
0
.
0
3
1
2
-
0
.
3
4
5
3
0
.
1
5
0
4
0
.
2
8
2
5
0
.
0
2
1
3
-
0
.
3
1
7
5
0
.
1
2
2
1
0
.
2
9
8
1
0
.
0
1
8
4
-
0
.
3
0
1
9
0
.
1
0
9
6
0
.
3
3
5
1
0
.
0
0
9
9
-
0
.
2
6
4
9
0
.
0
8
0
1
0
.
3
3
5
1
0
.
0
0
9
9
-
0
.
2
6
4
9
0
.
0
8
0
1
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
6
0
7
9
0
.
1
9
7
7
0
.
0
0
7
9
0
.
1
9
7
8
0
.
7
1
1
3
0
.
0
6
9
8
0
.
1
1
1
3
0
.
0
8
2
2
0
.
7
3
7
5
0
.
0
5
0
9
0
.
1
3
7
5
0
.
0
6
9
8
0
.
7
5
2
8
0
.
0
3
8
1
0
.
1
5
2
8
0
.
0
6
1
5
0
.
7
2
5
5
0
.
0
1
5
4
0
.
1
2
5
5
0
.
0
3
1
1
0
.
7
2
5
5
0
.
0
1
5
4
0
.
1
2
5
5
0
.
0
3
1
1
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
3
6
3
5
0
.
0
5
5
0
-
0
.
2
3
6
5
0
.
1
1
0
9
0
.
3
7
2
6
0
.
0
3
0
5
-
0
.
2
2
7
4
0
.
0
8
2
3
0
.
3
7
9
5
0
.
0
2
0
8
-
0
.
2
2
0
5
0
.
0
6
9
4
0
.
3
8
8
0
0
.
0
1
8
2
-
0
.
2
1
2
0
0
.
0
6
3
1
0
.
3
9
6
6
0
.
0
0
9
9
-
0
.
2
0
3
4
0
.
0
5
1
3
0
.
3
9
6
6
0
.
0
0
9
9
-
0
.
2
0
3
4
0
.
0
5
1
3
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
3
0
6
1
0
.
0
3
2
0
-
0
.
2
9
3
9
0
.
1
1
8
4
0
.
3
4
3
9
0
.
0
2
0
8
-
0
.
2
5
6
1
0
.
0
8
6
4
0
.
3
6
0
3
0
.
0
1
7
0
-
0
.
2
3
9
7
0
.
0
7
4
5
0
.
3
7
1
4
0
.
0
1
3
3
-
0
.
2
2
8
6
0
.
0
6
5
6
0
.
4
0
9
0
0
.
0
0
4
4
-
0
.
1
9
1
0
0
.
0
4
0
9
0
.
4
0
9
0
0
.
0
0
4
4
-
0
.
1
9
1
0
0
.
0
4
0
9
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
3
2
0
4
0
.
0
2
0
5
-
0
.
2
7
9
6
0
.
0
9
8
7
0
.
3
7
4
3
0
.
0
1
0
5
-
0
.
2
2
5
7
0
.
0
6
1
5
0
.
4
0
8
4
0
.
0
0
8
0
-
0
.
1
9
1
6
0
.
0
4
4
7
0
.
4
2
7
2
0
.
0
0
6
2
-
0
.
1
7
2
8
0
.
0
3
6
0
0
.
4
6
6
0
0
.
0
0
3
3
-
0
.
1
3
4
0
0
.
0
2
1
3
0
.
4
6
6
0
0
.
0
0
3
3
-
0
.
1
3
4
0
0
.
0
2
1
3
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
2
9
1
8
0
.
0
3
7
4
-
0
.
3
0
8
2
0
.
1
3
2
4
0
.
3
2
3
2
0
.
0
2
0
8
-
0
.
2
7
6
8
0
.
0
9
7
5
0
.
3
4
4
3
0
.
0
1
4
4
-
0
.
2
5
5
7
0
.
0
7
9
7
0
.
3
6
1
1
0
.
0
1
2
9
-
0
.
2
3
8
9
0
.
0
6
9
9
0
.
3
8
8
5
0
.
0
0
8
3
-
0
.
2
1
1
5
0
.
0
5
3
0
0
.
3
8
8
5
0
.
0
0
8
3
-
0
.
2
1
1
5
0
.
0
5
3
0
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
7
1
1
4
0
.
1
6
6
3
0
.
1
1
1
4
0
.
1
7
8
7
0
.
6
5
6
4
0
.
0
5
0
0
0
.
0
5
6
4
0
.
0
5
3
2
0
.
6
3
1
7
0
.
0
3
1
1
0
.
0
3
1
7
0
.
0
3
2
1
0
.
6
1
9
3
0
.
0
1
9
8
0
.
0
1
9
3
0
.
0
2
0
2
0
.
5
8
2
7
0
.
0
0
6
0
-
0
.
0
1
7
3
0
.
0
0
6
3
0
.
5
8
2
7
0
.
0
0
6
0
-
0
.
0
1
7
3
0
.
0
0
6
3
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
2
7
8
5
0
.
0
3
8
6
-
0
.
3
2
1
5
0
.
1
4
2
0
0
.
2
7
5
7
0
.
0
1
5
6
-
0
.
3
2
4
3
0
.
1
2
0
8
0
.
2
9
7
6
0
.
0
0
8
7
-
0
.
3
0
2
4
0
.
1
0
0
1
0
.
3
1
4
0
0
.
0
0
5
2
-
0
.
2
8
6
0
0
.
0
8
7
1
0
.
3
6
8
8
0
.
0
0
1
9
-
0
.
2
3
1
2
0
.
0
5
5
3
0
.
3
6
8
8
0
.
0
0
1
9
-
0
.
2
3
1
2
0
.
0
5
5
3
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
3
3
4
7
0
.
0
0
7
9
-
0
.
2
6
5
3
0
.
0
7
8
3
0
.
3
5
1
1
0
.
0
0
3
7
-
0
.
2
4
8
9
0
.
0
6
5
6
0
.
3
5
9
9
0
.
0
0
2
6
-
0
.
2
4
0
1
0
.
0
6
0
2
0
.
3
6
6
4
0
.
0
0
1
9
-
0
.
2
3
3
6
0
.
0
5
6
5
0
.
3
7
3
6
0
.
0
0
0
8
-
0
.
2
2
6
4
0
.
0
5
2
1
0
.
3
7
3
6
0
.
0
0
0
8
-
0
.
2
2
6
4
0
.
0
5
2
1
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
4
8
6
2
0
.
0
1
5
8
-
0
.
1
1
3
8
0
.
0
2
8
7
0
.
4
3
8
5
0
.
0
0
7
2
-
0
.
1
6
1
5
0
.
0
3
3
3
0
.
4
2
9
1
0
.
0
0
5
2
-
0
.
1
7
0
9
0
.
0
3
4
4
0
.
4
2
3
3
0
.
0
0
3
6
-
0
.
1
7
6
7
0
.
0
3
4
8
0
.
4
1
0
2
0
.
0
0
1
4
-
0
.
1
8
9
8
0
.
0
3
7
4
0
.
4
1
0
2
0
.
0
0
1
4
-
0
.
1
8
9
8
0
.
0
3
7
4
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
6
1
6
6
0
.
0
5
6
1
0
.
0
1
6
6
0
.
0
5
6
4
0
.
5
3
6
6
0
.
0
2
3
0
-
0
.
0
6
3
4
0
.
0
2
7
0
0
.
5
1
8
4
0
.
0
1
5
0
-
0
.
0
8
1
6
0
.
0
2
1
6
0
.
5
0
5
2
0
.
0
1
0
7
-
0
.
0
9
4
8
0
.
0
1
9
7
0
.
4
8
6
3
0
.
0
0
3
9
-
0
.
1
1
3
7
0
.
0
1
6
8
0
.
4
8
6
3
0
.
0
0
3
9
-
0
.
1
1
3
7
0
.
0
1
6
8
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
3
2
6
4
0
.
0
0
6
7
-
0
.
2
7
3
6
0
.
0
8
1
5
0
.
3
6
5
3
0
.
0
0
3
4
-
0
.
2
3
4
7
0
.
0
5
8
5
0
.
3
8
0
9
0
.
0
0
2
5
-
0
.
2
1
9
1
0
.
0
5
0
4
0
.
3
9
0
2
0
.
0
0
1
8
-
0
.
2
0
9
8
0
.
0
4
5
8
0
.
4
0
5
9
0
.
0
0
0
8
-
0
.
1
9
4
1
0
.
0
3
8
5
0
.
4
0
5
9
0
.
0
0
0
8
-
0
.
1
9
4
1
0
.
0
3
8
5
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
2
8
4
9
0
.
0
1
7
0
-
0
.
3
1
5
1
0
.
1
1
6
3
0
.
3
7
5
2
0
.
0
0
7
4
-
0
.
2
2
4
8
0
.
0
5
7
9
0
.
4
0
9
2
0
.
0
0
3
9
-
0
.
1
9
0
8
0
.
0
4
0
3
0
.
4
2
3
1
0
.
0
0
2
5
-
0
.
1
7
6
9
0
.
0
3
3
8
0
.
4
5
5
8
0
.
0
0
0
8
-
0
.
1
4
4
2
0
.
0
2
1
6
0
.
4
5
5
8
0
.
0
0
0
8
-
0
.
1
4
4
2
0
.
0
2
1
6
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
3
0
5
9
0
.
0
1
0
3
-
0
.
2
9
4
1
0
.
0
9
6
8
0
.
3
8
1
0
0
.
0
0
5
9
-
0
.
2
1
9
0
0
.
0
5
3
8
0
.
4
1
2
4
0
.
0
0
3
6
-
0
.
1
8
7
6
0
.
0
3
8
8
0
.
4
2
6
6
0
.
0
0
2
5
-
0
.
1
7
3
4
0
.
0
3
2
6
0
.
4
6
2
1
0
.
0
0
0
8
-
0
.
1
3
7
9
0
.
0
1
9
8
0
.
4
6
2
1
0
.
0
0
0
8
-
0
.
1
3
7
9
0
.
0
1
9
8
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
1
0
6
9
0
.
0
1
7
3
-
0
.
4
9
3
1
0
.
2
6
0
4
0
.
1
3
6
2
0
.
0
2
0
8
-
0
.
4
6
3
8
0
.
2
3
6
0
0
.
1
4
9
0
0
.
0
1
9
8
-
0
.
4
5
1
0
0
.
2
2
3
2
0
.
1
5
9
5
0
.
0
1
8
4
-
0
.
4
4
0
5
0
.
2
1
2
4
0
.
2
1
8
5
0
.
0
0
9
7
-
0
.
3
8
1
5
0
.
1
5
5
2
0
.
2
1
8
5
0
.
0
0
9
7
-
0
.
3
8
1
5
0
.
1
5
5
2
T
a
b
e
l
a

4
.
3
.
6
E
s
t
i
m
a
d
o
r
d
=
0
.6
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.5
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
6
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
6
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
226
d
=
0
.
6
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
2
7
0
3
0
.
0
4
5
0
-
0
.
4
2
9
7
0
.
2
2
9
6
0
.
2
9
5
2
0
.
0
2
7
9
-
0
.
4
0
4
8
0
.
1
9
1
8
0
.
3
3
1
4
0
.
0
1
9
0
-
0
.
3
6
8
6
0
.
1
5
4
8
0
.
3
4
2
2
0
.
0
1
6
1
-
0
.
3
5
7
8
0
.
1
4
4
1
0
.
3
7
7
1
0
.
0
0
8
6
-
0
.
3
2
2
9
0
.
1
1
2
9
0
.
3
7
7
1
0
.
0
0
8
6
-
0
.
3
2
2
9
0
.
1
1
2
9
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
7
9
5
7
0
.
2
2
4
3
0
.
0
9
5
7
0
.
2
3
3
4
0
.
8
5
8
3
0
.
0
8
2
0
0
.
1
5
8
3
0
.
1
0
7
0
0
.
8
6
0
1
0
.
0
5
8
2
0
.
1
6
0
1
0
.
0
8
3
9
0
.
8
8
7
7
0
.
0
4
2
3
0
.
1
8
7
7
0
.
0
7
7
6
0
.
8
5
7
7
0
.
0
1
6
3
0
.
1
5
7
7
0
.
0
4
1
2
0
.
8
5
7
7
0
.
0
1
6
3
0
.
1
5
7
7
0
.
0
4
1
2
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
4
2
7
7
0
.
0
4
2
5
-
0
.
2
7
2
3
0
.
1
1
6
6
0
.
4
1
2
6
0
.
0
2
6
3
-
0
.
2
8
7
4
0
.
1
0
8
9
0
.
4
2
7
8
0
.
0
1
7
9
-
0
.
2
7
2
2
0
.
0
9
2
0
0
.
4
2
9
6
0
.
0
1
5
2
-
0
.
2
7
0
4
0
.
0
8
8
3
0
.
4
3
5
8
0
.
0
0
8
5
-
0
.
2
6
4
2
0
.
0
7
8
3
0
.
4
3
5
8
0
.
0
0
8
5
-
0
.
2
6
4
2
0
.
0
7
8
3
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
3
0
7
1
0
.
0
3
1
1
-
0
.
3
9
2
9
0
.
1
8
5
5
0
.
3
4
9
6
0
.
0
1
8
3
-
0
.
3
5
0
4
0
.
1
4
1
1
0
.
3
7
3
3
0
.
0
1
3
0
-
0
.
3
2
6
7
0
.
1
1
9
7
0
.
3
8
1
1
0
.
0
1
0
8
-
0
.
3
1
8
9
0
.
1
1
2
5
0
.
4
1
7
5
0
.
0
0
3
4
-
0
.
2
8
2
5
0
.
0
8
3
2
0
.
4
1
7
5
0
.
0
0
3
4
-
0
.
2
8
2
5
0
.
0
8
3
2
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
5
0
5
7
0
.
0
2
3
5
-
0
.
1
9
4
3
0
.
0
6
1
2
0
.
5
5
6
2
0
.
0
1
1
6
-
0
.
1
4
3
8
0
.
0
3
2
2
0
.
5
8
0
3
0
.
0
0
9
3
-
0
.
1
1
9
7
0
.
0
2
3
6
0
.
5
9
1
8
0
.
0
0
6
7
-
0
.
1
0
8
2
0
.
0
1
8
5
0
.
6
1
9
6
0
.
0
0
3
5
-
0
.
0
8
0
4
0
.
0
1
0
0
0
.
6
1
9
6
0
.
0
0
3
5
-
0
.
0
8
0
4
0
.
0
1
0
0
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
3
8
2
4
0
.
0
3
3
6
-
0
.
3
1
7
6
0
.
1
3
4
5
0
.
4
0
7
7
0
.
0
1
7
3
-
0
.
2
9
2
3
0
.
1
0
2
8
0
.
4
2
0
6
0
.
0
1
2
9
-
0
.
2
7
9
4
0
.
0
9
1
0
0
.
4
2
4
2
0
.
0
1
1
2
-
0
.
2
7
5
8
0
.
0
8
7
3
0
.
4
3
8
9
0
.
0
0
6
6
-
0
.
2
6
1
1
0
.
0
7
4
8
0
.
4
3
8
9
0
.
0
0
6
6
-
0
.
2
6
1
1
0
.
0
7
4
8
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
0
.
9
3
2
3
0
.
1
6
4
7
0
.
2
3
2
3
0
.
2
1
8
6
0
.
8
4
2
2
0
.
0
5
8
0
0
.
1
4
2
2
0
.
0
7
8
3
0
.
8
0
9
7
0
.
0
3
1
1
0
.
1
0
9
7
0
.
0
4
3
1
0
.
7
9
2
8
0
.
0
2
0
7
0
.
0
9
2
8
0
.
0
2
9
3
0
.
7
4
8
5
0
.
0
0
6
4
0
.
0
4
8
5
0
.
0
0
8
8
0
.
7
4
8
5
0
.
0
0
6
4
0
.
0
4
8
5
0
.
0
0
8
8
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
4
9
8
9
0
.
0
3
9
2
-
0
.
2
0
1
1
0
.
0
7
9
6
0
.
4
8
2
4
0
.
0
1
6
9
-
0
.
2
1
7
6
0
.
0
6
4
2
0
.
4
9
8
8
0
.
0
0
8
2
-
0
.
2
0
1
2
0
.
0
4
8
7
0
.
5
0
5
5
0
.
0
0
5
6
-
0
.
1
9
4
5
0
.
0
4
3
5
0
.
5
4
9
0
0
.
0
0
2
1
-
0
.
1
5
1
0
0
.
0
2
4
8
0
.
5
4
9
0
0
.
0
0
2
1
-
0
.
1
5
1
0
0
.
0
2
4
8
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
5
1
2
6
0
.
0
0
7
6
-
0
.
1
8
7
4
0
.
0
4
2
7
0
.
5
2
4
4
0
.
0
0
4
2
-
0
.
1
7
5
6
0
.
0
3
5
0
0
.
5
3
3
4
0
.
0
0
3
1
-
0
.
1
6
6
6
0
.
0
3
0
8
0
.
5
3
4
8
0
.
0
0
2
0
-
0
.
1
6
5
2
0
.
0
2
9
3
0
.
5
4
3
4
0
.
0
0
1
0
-
0
.
1
5
6
6
0
.
0
2
5
5
0
.
5
4
3
4
0
.
0
0
1
0
-
0
.
1
5
6
6
0
.
0
2
5
5
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
6
6
2
8
0
.
0
1
6
5
-
0
.
0
3
7
2
0
.
0
1
7
9
0
.
6
2
1
6
0
.
0
0
7
8
-
0
.
0
7
8
4
0
.
0
1
4
0
0
.
6
1
0
5
0
.
0
0
6
0
-
0
.
0
8
9
5
0
.
0
1
4
0
0
.
6
0
1
8
0
.
0
0
4
0
-
0
.
0
9
8
2
0
.
0
1
3
7
0
.
5
9
1
5
0
.
0
0
1
6
-
0
.
1
0
8
5
0
.
0
1
3
4
0
.
5
9
1
5
0
.
0
0
1
6
-
0
.
1
0
8
5
0
.
0
1
3
4
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
7
7
3
7
0
.
0
5
4
5
0
.
0
7
3
7
0
.
0
5
9
9
0
.
7
0
2
1
0
.
0
2
2
1
0
.
0
0
2
1
0
.
0
2
2
1
0
.
6
8
5
1
0
.
0
1
5
8
-
0
.
0
1
4
9
0
.
0
1
6
0
0
.
6
7
0
2
0
.
0
1
0
4
-
0
.
0
2
9
8
0
.
0
1
1
3
0
.
6
5
3
7
0
.
0
0
4
1
-
0
.
0
4
6
3
0
.
0
0
6
3
0
.
6
5
3
7
0
.
0
0
4
1
-
0
.
0
4
6
3
0
.
0
0
6
3
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
4
4
9
8
0
.
0
0
1
9
-
0
.
2
5
0
2
0
.
0
6
4
6
0
.
4
7
9
8
0
.
0
0
0
5
-
0
.
2
2
0
2
0
.
0
4
9
0
0
.
4
8
7
9
0
.
0
0
0
2
-
0
.
2
1
2
1
0
.
0
4
5
2
0
.
4
9
1
8
0
.
0
0
0
1
-
0
.
2
0
8
2
0
.
0
4
3
4
0
.
4
9
7
5
0
.
0
0
0
0
-
0
.
2
0
2
5
0
.
0
4
1
0
0
.
4
9
7
5
0
.
0
0
0
0
-
0
.
2
0
2
5
0
.
0
4
1
0
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
3
0
2
2
0
.
0
2
8
1
-
0
.
3
9
7
8
0
.
1
8
6
4
0
.
4
4
2
2
0
.
0
0
6
1
-
0
.
2
5
7
8
0
.
0
7
2
5
0
.
4
7
0
9
0
.
0
0
0
9
-
0
.
2
2
9
1
0
.
0
5
3
5
0
.
4
7
9
3
0
.
0
0
0
4
-
0
.
2
2
0
7
0
.
0
4
9
1
0
.
4
9
4
7
0
.
0
0
0
0
-
0
.
2
0
5
3
0
.
0
4
2
2
0
.
4
9
4
7
0
.
0
0
0
0
-
0
.
2
0
5
3
0
.
0
4
2
2
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
4
0
2
9
0
.
0
0
4
4
-
0
.
2
9
7
1
0
.
0
9
2
6
0
.
4
6
0
5
0
.
0
0
1
4
-
0
.
2
3
9
5
0
.
0
5
8
8
0
.
4
7
5
9
0
.
0
0
0
5
-
0
.
2
2
4
1
0
.
0
5
0
7
0
.
4
8
2
4
0
.
0
0
0
2
-
0
.
2
1
7
6
0
.
0
4
7
6
0
.
4
9
5
3
0
.
0
0
0
0
-
0
.
2
0
4
7
0
.
0
4
1
9
0
.
4
9
5
3
0
.
0
0
0
0
-
0
.
2
0
4
7
0
.
0
4
1
9
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
6
9
0
0
.
0
1
3
1
-
0
.
6
3
1
0
0
.
4
1
1
2
0
.
1
2
3
6
0
.
0
2
7
8
-
0
.
5
7
6
4
0
.
3
6
0
1
0
.
1
7
3
3
0
.
0
3
2
8
-
0
.
5
2
6
7
0
.
3
1
0
2
0
.
2
2
0
0
0
.
0
3
3
8
-
0
.
4
8
0
0
0
.
2
6
4
2
0
.
3
7
0
3
0
.
0
2
1
2
-
0
.
3
2
9
7
0
.
1
2
9
9
0
.
3
7
0
3
0
.
0
2
1
2
-
0
.
3
2
9
7
0
.
1
2
9
9
T
a
b
e
l
a

4
.
3
.
7
E
s
t
i
m
a
d
o
r
d
=
0
.7
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.7
0
-
0
.6
0
-
0
.5
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
7
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
0
.4
0
0
.4
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
7
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
227
d
=
0
.
7
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
2
9
7
0
0
.
0
4
7
0
-
0
.
5
0
3
0
0
.
3
0
0
1
0
.
3
4
4
3
0
.
0
2
4
6
-
0
.
4
5
5
7
0
.
2
3
2
3
0
.
3
6
4
7
0
.
0
1
6
9
-
0
.
4
3
5
3
0
.
2
0
6
4
0
.
3
7
7
8
0
.
0
1
4
3
-
0
.
4
2
2
2
0
.
1
9
2
5
0
.
4
0
6
5
0
.
0
0
7
0
-
0
.
3
9
3
5
0
.
1
6
1
9
0
.
4
0
6
5
0
.
0
0
7
0
-
0
.
3
9
3
5
0
.
1
6
1
9
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
0
.
9
4
7
8
0
.
2
5
2
6
0
.
1
4
7
8
0
.
2
7
4
5
0
.
9
7
8
3
0
.
0
8
5
3
0
.
1
7
8
3
0
.
1
1
7
1
0
.
9
6
5
4
0
.
0
5
8
4
0
.
1
6
5
4
0
.
0
8
5
7
0
.
9
8
8
3
0
.
0
4
8
2
0
.
1
8
8
3
0
.
0
8
3
6
0
.
9
5
7
6
0
.
0
1
9
4
0
.
1
5
7
6
0
.
0
4
4
3
0
.
9
5
7
6
0
.
0
1
9
4
0
.
1
5
7
6
0
.
0
4
4
3
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
4
5
0
3
0
.
0
4
2
4
-
0
.
3
4
9
7
0
.
1
6
4
7
0
.
4
5
7
8
0
.
0
2
2
5
-
0
.
3
4
2
2
0
.
1
3
9
6
0
.
4
5
7
8
0
.
0
1
5
8
-
0
.
3
4
2
2
0
.
1
3
2
9
0
.
4
6
2
4
0
.
0
1
3
4
-
0
.
3
3
7
6
0
.
1
2
7
4
0
.
4
6
3
7
0
.
0
0
6
9
-
0
.
3
3
6
3
0
.
1
2
0
0
0
.
4
6
3
7
0
.
0
0
6
9
-
0
.
3
3
6
3
0
.
1
2
0
0
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
3
1
5
2
0
.
0
2
8
2
-
0
.
4
8
4
8
0
.
2
6
3
2
0
.
3
6
0
1
0
.
0
1
7
3
-
0
.
4
3
9
9
0
.
2
1
0
8
0
.
3
7
4
2
0
.
0
1
3
5
-
0
.
4
2
5
8
0
.
1
9
4
7
0
.
3
8
9
0
0
.
0
0
9
7
-
0
.
4
1
1
0
0
.
1
7
8
6
0
.
4
2
6
2
0
.
0
0
2
7
-
0
.
3
7
3
8
0
.
1
4
2
4
0
.
4
2
6
2
0
.
0
0
2
7
-
0
.
3
7
3
8
0
.
1
4
2
4
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
6
5
0
2
0
.
0
2
5
3
-
0
.
1
4
9
8
0
.
0
4
7
7
0
.
6
9
0
5
0
.
0
1
3
7
-
0
.
1
0
9
5
0
.
0
2
5
7
0
.
7
0
7
9
0
.
0
1
0
1
-
0
.
0
9
2
1
0
.
0
1
8
6
0
.
7
1
6
9
0
.
0
0
8
0
-
0
.
0
8
3
1
0
.
0
1
4
9
0
.
7
4
0
7
0
.
0
0
4
0
-
0
.
0
5
9
3
0
.
0
0
7
6
0
.
7
4
0
7
0
.
0
0
4
0
-
0
.
0
5
9
3
0
.
0
0
7
6
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
4
2
7
3
0
.
0
2
9
5
-
0
.
3
7
2
7
0
.
1
6
8
3
0
.
4
3
6
9
0
.
0
1
4
9
-
0
.
3
6
3
1
0
.
1
4
6
8
0
.
4
5
3
0
0
.
0
1
0
6
-
0
.
3
4
7
0
0
.
1
3
1
1
0
.
4
5
6
6
0
.
0
0
9
5
-
0
.
3
4
3
4
0
.
1
2
7
4
0
.
4
6
8
5
0
.
0
0
5
2
-
0
.
3
3
1
5
0
.
1
1
5
1
0
.
4
6
8
5
0
.
0
0
5
2
-
0
.
3
3
1
5
0
.
1
1
5
1
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
1
.
0
8
5
2
0
.
1
7
1
0
0
.
2
8
5
1
0
.
2
5
2
3
1
.
0
0
0
2
0
.
0
5
4
1
0
.
2
0
0
2
0
.
0
9
4
2
0
.
9
4
8
8
0
.
0
3
0
6
0
.
1
4
8
8
0
.
0
5
2
7
0
.
9
2
8
8
0
.
0
2
1
1
0
.
1
2
8
8
0
.
0
3
7
7
0
.
8
7
7
2
0
.
0
0
7
4
0
.
0
7
7
2
0
.
0
1
3
4
0
.
8
7
7
2
0
.
0
0
7
4
0
.
0
7
7
2
0
.
0
1
3
4
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
6
6
4
4
0
.
0
3
3
6
-
0
.
1
3
5
6
0
.
0
5
2
0
0
.
6
4
7
9
0
.
0
1
6
0
-
0
.
1
5
2
1
0
.
0
3
9
1
0
.
6
5
4
6
0
.
0
0
9
1
-
0
.
1
4
5
4
0
.
0
3
0
2
0
.
6
6
3
0
0
.
0
0
5
7
-
0
.
1
3
7
0
0
.
0
2
4
5
0
.
6
9
0
3
0
.
0
0
2
6
-
0
.
1
0
9
7
0
.
0
1
4
7
0
.
6
9
0
3
0
.
0
0
2
6
-
0
.
1
0
9
7
0
.
0
1
4
7
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
6
4
8
5
0
.
0
0
7
9
-
0
.
1
5
1
5
0
.
0
3
0
8
0
.
6
7
0
1
0
.
0
0
4
1
-
0
.
1
2
9
9
0
.
0
2
0
9
0
.
6
7
3
5
0
.
0
0
2
7
-
0
.
1
2
6
5
0
.
0
1
8
7
0
.
6
7
8
2
0
.
0
0
2
2
-
0
.
1
2
1
8
0
.
0
1
7
0
0
.
6
8
0
2
0
.
0
0
1
1
-
0
.
1
1
9
8
0
.
0
1
5
5
0
.
6
8
0
2
0
.
0
0
1
1
-
0
.
1
1
9
8
0
.
0
1
5
5
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
7
8
6
3
0
.
0
1
8
1
-
0
.
0
1
3
7
0
.
0
1
8
3
0
.
7
6
1
8
0
.
0
0
8
2
-
0
.
0
3
8
2
0
.
0
0
9
6
0
.
7
4
7
5
0
.
0
0
5
9
-
0
.
0
5
2
5
0
.
0
0
8
7
0
.
7
4
4
0
0
.
0
0
4
4
-
0
.
0
5
6
0
0
.
0
0
7
5
0
.
7
3
2
2
0
.
0
0
2
0
-
0
.
0
6
7
8
0
.
0
0
6
6
0
.
7
3
2
2
0
.
0
0
2
0
-
0
.
0
6
7
8
0
.
0
0
6
6
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
8
7
0
1
0
.
0
6
0
1
0
.
0
7
0
1
0
.
0
6
5
0
0
.
8
3
0
9
0
.
0
2
2
6
0
.
0
3
0
9
0
.
0
2
3
5
0
.
8
0
3
7
0
.
0
1
6
0
0
.
0
0
3
7
0
.
0
1
6
0
0
.
7
9
6
8
0
.
0
1
2
0
-
0
.
0
0
3
2
0
.
0
1
2
0
0
.
7
8
3
7
0
.
0
0
4
7
-
0
.
0
1
6
3
0
.
0
0
5
0
0
.
7
8
3
7
0
.
0
0
4
7
-
0
.
0
1
6
3
0
.
0
0
5
0
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
4
8
3
4
0
.
0
0
0
2
-
0
.
3
1
6
6
0
.
1
0
0
5
0
.
4
9
6
0
0
.
0
0
0
0
-
0
.
3
0
4
0
0
.
0
9
2
5
0
.
4
9
7
5
0
.
0
0
0
0
-
0
.
3
0
2
5
0
.
0
9
1
5
0
.
4
9
8
2
0
.
0
0
0
0
-
0
.
3
0
1
8
0
.
0
9
1
1
0
.
4
9
9
4
0
.
0
0
0
0
-
0
.
3
0
0
6
0
.
0
9
0
4
0
.
4
9
9
4
0
.
0
0
0
0
-
0
.
3
0
0
6
0
.
0
9
0
4
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
1
4
2
7
0
.
0
3
6
9
-
0
.
6
5
7
3
0
.
4
6
9
0
0
.
2
7
3
6
0
.
0
5
3
4
-
0
.
5
2
6
4
0
.
3
3
0
5
0
.
3
2
4
4
0
.
0
5
0
0
-
0
.
4
7
5
6
0
.
2
7
6
2
0
.
3
4
3
3
0
.
0
4
8
8
-
0
.
4
5
6
7
0
.
2
5
7
4
0
.
3
5
5
3
0
.
0
5
0
1
-
0
.
4
4
4
7
0
.
2
4
7
9
0
.
3
5
5
3
0
.
0
5
0
1
-
0
.
4
4
4
7
0
.
2
4
7
9
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
4
4
6
6
0
.
0
0
1
8
-
0
.
3
5
3
4
0
.
1
2
6
7
0
.
4
8
5
2
0
.
0
0
0
3
-
0
.
3
1
4
8
0
.
0
9
9
3
0
.
4
9
0
5
0
.
0
0
0
1
-
0
.
3
0
9
5
0
.
0
9
5
9
0
.
4
9
3
7
0
.
0
0
0
0
-
0
.
3
0
6
3
0
.
0
9
3
9
0
.
4
9
8
3
0
.
0
0
0
0
-
0
.
3
0
1
7
0
.
0
9
1
0
0
.
4
9
8
3
0
.
0
0
0
0
-
0
.
3
0
1
7
0
.
0
9
1
0
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
5
1
9
0
.
0
0
9
6
-
0
.
7
4
8
1
0
.
5
6
9
2
0
.
1
0
8
5
0
.
0
2
8
0
-
0
.
6
9
1
5
0
.
5
0
6
2
0
.
1
3
1
6
0
.
0
3
4
9
-
0
.
6
6
8
4
0
.
4
8
1
7
0
.
1
5
2
0
0
.
0
4
0
8
-
0
.
6
4
8
0
0
.
4
6
0
7
0
.
2
6
9
7
0
.
0
5
5
1
-
0
.
5
3
0
3
0
.
3
3
6
3
0
.
2
6
9
7
0
.
0
5
5
1
-
0
.
5
3
0
3
0
.
3
3
6
3
T
a
b
e
l
a

4
.
3
.
8
E
s
t
i
m
a
d
o
r
d
=
0
.8
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.8
0
-
0
.6
0
-
0
.4
0
-
0
.2
0
0
.0
0
0
.2
0
0
.4
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
8
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
8
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
228
d
=
0
.
8
0
V
. A
g
r
e
g
a
d
a
V
A
0
.
3
4
1
2
0
.
0
4
3
5
-
0
.
5
5
8
8
0
.
3
5
5
8
0
.
3
7
2
8
0
.
0
2
2
0
-
0
.
5
2
7
2
0
.
3
0
0
0
0
.
3
9
5
0
0
.
0
1
4
7
-
0
.
5
0
5
0
0
.
2
6
9
7
0
.
4
0
1
5
0
.
0
1
2
2
-
0
.
4
9
8
5
0
.
2
6
0
8
0
.
4
2
5
4
0
.
0
0
6
6
-
0
.
4
7
4
6
0
.
2
3
1
8
0
.
4
2
5
4
0
.
0
0
6
6
-
0
.
4
7
4
6
0
.
2
3
1
8
V
. A
. D
i
f
e
r
e
n
c
i
a
d
a
V
A
D
1
.
0
5
9
8
0
.
2
8
0
4
0
.
1
5
9
8
0
.
3
0
5
9
1
.
0
8
7
4
0
.
0
9
9
7
0
.
1
8
7
4
0
.
1
3
4
8
1
.
0
5
0
8
0
.
0
6
5
4
0
.
1
5
0
8
0
.
0
8
8
1
1
.
0
9
1
4
0
.
0
5
3
0
0
.
1
9
1
4
0
.
0
8
9
7
1
.
0
2
9
3
0
.
0
2
4
1
0
.
1
2
9
3
0
.
0
4
0
8
1
.
0
2
9
3
0
.
0
2
4
1
0
.
1
2
9
3
0
.
0
4
0
8
V
a
l
. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
0
.
4
9
0
4
0
.
0
3
8
1
-
0
.
4
0
9
6
0
.
2
0
5
9
0
.
4
8
3
2
0
.
0
2
0
0
-
0
.
4
1
6
8
0
.
1
9
3
7
0
.
4
8
4
7
0
.
0
1
3
5
-
0
.
4
1
5
3
0
.
1
8
6
0
0
.
4
8
3
6
0
.
0
1
1
2
-
0
.
4
1
6
4
0
.
1
8
4
6
0
.
4
8
1
1
0
.
0
0
6
3
-
0
.
4
1
8
9
0
.
1
8
1
7
0
.
4
8
1
1
0
.
0
0
6
3
-
0
.
4
1
8
9
0
.
1
8
1
7
D
i
m
. F
r
a
c
t
a
l
D
F
0
.
3
1
4
6
0
.
0
2
9
1
-
0
.
5
8
5
4
0
.
3
7
1
8
0
.
3
6
4
4
0
.
0
1
5
9
-
0
.
5
3
5
6
0
.
3
0
2
8
0
.
3
7
8
2
0
.
0
1
2
3
-
0
.
5
2
1
8
0
.
2
8
4
6
0
.
3
9
0
8
0
.
0
1
0
1
-
0
.
5
0
9
2
0
.
2
6
9
4
0
.
4
3
4
3
0
.
0
0
2
3
-
0
.
4
6
5
7
0
.
2
1
9
1
0
.
4
3
4
3
0
.
0
0
2
3
-
0
.
4
6
5
7
0
.
2
1
9
1
V
a
r
. R
e
s
d
u
o
s
V
R
0
.
7
8
4
6
0
.
0
2
9
2
-
0
.
1
1
5
4
0
.
0
4
2
5
0
.
8
1
1
8
0
.
0
1
3
8
-
0
.
0
8
8
2
0
.
0
2
1
5
0
.
8
2
4
4
0
.
0
1
0
3
-
0
.
0
7
5
6
0
.
0
1
6
0
0
.
8
3
4
5
0
.
0
0
8
2
-
0
.
0
6
5
5
0
.
0
1
2
5
0
.
8
5
1
0
0
.
0
0
4
1
-
0
.
0
4
9
0
0
.
0
0
6
5
0
.
8
5
1
0
0
.
0
0
4
1
-
0
.
0
4
9
0
0
.
0
0
6
5
R
e
s
c
a
l
e
d
R
a
n
g
e
R
/
S
0
.
4
4
9
5
0
.
0
2
4
8
-
0
.
4
5
0
5
0
.
2
2
7
7
0
.
4
5
9
9
0
.
0
1
2
1
-
0
.
4
4
0
1
0
.
2
0
5
8
0
.
4
6
7
9
0
.
0
0
8
7
-
0
.
4
3
2
1
0
.
1
9
5
5
0
.
4
7
4
5
0
.
0
0
6
9
-
0
.
4
2
5
5
0
.
1
8
8
0
0
.
4
8
2
9
0
.
0
0
3
9
-
0
.
4
1
7
1
0
.
1
7
7
8
0
.
4
8
2
9
0
.
0
0
3
9
-
0
.
4
1
7
1
0
.
1
7
7
8
P
e
r
i
o
d
o
g
r
a
m
a
P
E
R
1
.
2
2
1
6
0
.
1
7
1
5
0
.
3
2
1
6
0
.
2
7
4
9
1
.
1
2
2
6
0
.
0
5
1
3
0
.
2
2
2
6
0
.
1
0
0
9
1
.
0
7
2
2
0
.
0
2
6
9
0
.
1
7
2
2
0
.
0
5
6
5
1
.
0
5
0
0
0
.
0
1
9
6
0
.
1
5
0
0
0
.
0
4
2
1
0
.
9
9
2
0
0
.
0
0
6
1
0
.
0
9
2
0
0
.
0
1
4
6
0
.
9
9
2
0
0
.
0
0
6
1
0
.
0
9
2
0
0
.
0
1
4
6
P
e
r
. S
u
a
v
i
z
a
d
o
M
P
0
.
8
0
6
7
0
.
0
3
7
0
-
0
.
0
9
3
3
0
.
0
4
5
8
0
.
7
9
2
7
0
.
0
1
4
1
-
0
.
1
0
7
3
0
.
0
2
5
6
0
.
7
9
3
9
0
.
0
0
8
5
-
0
.
1
0
6
1
0
.
0
1
9
8
0
.
7
9
9
7
0
.
0
0
5
9
-
0
.
1
0
0
3
0
.
0
1
5
9
0
.
8
2
0
6
0
.
0
0
2
6
-
0
.
0
7
9
4
0
.
0
0
9
0
0
.
8
2
0
6
0
.
0
0
2
6
-
0
.
0
7
9
4
0
.
0
0
9
0
W
h
i
t
t
l
e
L
o
c
a
l
W
H
L
0
.
7
8
1
7
0
.
0
0
7
1
-
0
.
1
1
8
3
0
.
0
2
1
1
0
.
7
9
3
1
0
.
0
0
3
4
-
0
.
1
0
6
9
0
.
0
1
4
9
0
.
7
9
6
4
0
.
0
0
2
3
-
0
.
1
0
3
6
0
.
0
1
3
0
0
.
8
0
0
3
0
.
0
0
1
9
-
0
.
0
9
9
7
0
.
0
1
1
8
0
.
8
0
4
2
0
.
0
0
1
0
-
0
.
0
9
5
8
0
.
0
1
0
1
0
.
8
0
4
2
0
.
0
0
1
0
-
0
.
0
9
5
8
0
.
0
1
0
1
O
n
d
a
l
e
t
a
s
W
L
S
E
0
.
9
0
8
9
0
.
0
1
8
1
0
.
0
0
8
9
0
.
0
1
8
2
0
.
8
8
1
2
0
.
0
0
7
1
-
0
.
0
1
8
8
0
.
0
0
7
5
0
.
8
6
8
6
0
.
0
0
5
3
-
0
.
0
3
1
4
0
.
0
0
6
3
0
.
8
6
7
0
0
.
0
0
4
0
-
0
.
0
3
3
0
0
.
0
0
5
1
0
.
8
5
7
5
0
.
0
0
1
7
-
0
.
0
4
2
5
0
.
0
0
3
6
0
.
8
5
7
5
0
.
0
0
1
7
-
0
.
0
4
2
5
0
.
0
0
3
6
O
n
d
a
l
e
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
9
7
6
8
0
.
0
6
2
3
0
.
0
7
6
8
0
.
0
6
8
2
0
.
9
3
7
7
0
.
0
1
9
2
0
.
0
3
7
7
0
.
0
2
0
6
0
.
9
1
7
8
0
.
0
1
4
3
0
.
0
1
7
8
0
.
0
1
4
6
0
.
9
1
3
2
0
.
0
1
0
4
0
.
0
1
3
2
0
.
0
1
0
6
0
.
8
9
9
6
0
.
0
0
3
9
-
0
.
0
0
0
4
0
.
0
0
3
9
0
.
8
9
9
6
0
.
0
0
3
9
-
0
.
0
0
0
4
0
.
0
0
3
9
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
4
9
3
1
0
.
0
0
0
0
-
0
.
4
0
6
9
0
.
1
6
5
6
0
.
4
9
8
2
0
.
0
0
0
0
-
0
.
4
0
1
8
0
.
1
6
1
4
0
.
4
9
8
8
0
.
0
0
0
0
-
0
.
4
0
1
2
0
.
1
6
0
9
0
.
4
9
9
2
0
.
0
0
0
0
-
0
.
4
0
0
8
0
.
1
6
0
7
0
.
4
9
9
7
0
.
0
0
0
0
-
0
.
4
0
0
3
0
.
1
6
0
2
0
.
4
9
9
7
0
.
0
0
0
0
-
0
.
4
0
0
3
0
.
1
6
0
2
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
2
6
2
0
.
0
0
6
8
-
0
.
8
7
3
8
0
.
7
7
0
3
0
.
0
2
6
5
0
.
0
1
0
9
-
0
.
8
7
3
5
0
.
7
7
3
9
0
.
0
2
9
4
0
.
0
1
2
9
-
0
.
8
7
0
6
0
.
7
7
0
9
0
.
0
1
0
1
0
.
0
0
4
7
-
0
.
8
8
9
9
0
.
7
9
6
6
0
.
0
0
0
0
0
.
0
0
0
0
-
0
.
9
0
0
0
0
.
8
0
9
9
0
.
0
0
0
0
0
.
0
0
0
0
-
0
.
9
0
0
0
0
.
8
0
9
9
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
4
7
3
3
0
.
0
0
0
6
-
0
.
4
2
6
7
0
.
1
8
2
7
0
.
4
9
2
2
0
.
0
0
0
0
-
0
.
4
0
7
8
0
.
1
6
6
3
0
.
4
9
5
0
0
.
0
0
0
0
-
0
.
4
0
5
0
0
.
1
6
4
0
0
.
4
9
6
7
0
.
0
0
0
0
-
0
.
4
0
3
3
0
.
1
6
2
7
0
.
4
9
9
2
0
.
0
0
0
0
-
0
.
4
0
0
8
0
.
1
6
0
6
0
.
4
9
9
2
0
.
0
0
0
0
-
0
.
4
0
0
8
0
.
1
6
0
6
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
5
8
3
0
.
0
0
7
6
-
0
.
8
4
1
7
0
.
7
1
6
1
0
.
0
6
6
4
0
.
0
1
5
1
-
0
.
8
3
3
6
0
.
7
1
0
1
0
.
0
5
9
3
0
.
0
1
6
1
-
0
.
8
4
0
7
0
.
7
2
3
0
0
.
0
4
1
7
0
.
0
1
2
3
-
0
.
8
5
8
3
0
.
7
4
8
9
0
.
0
1
1
7
0
.
0
0
4
9
-
0
.
8
8
8
3
0
.
7
9
3
9
0
.
0
1
1
7
0
.
0
0
4
9
-
0
.
8
8
8
3
0
.
7
9
3
9
T
a
b
e
l
a

4
.
3
.
9
E
s
t
i
m
a
d
o
r
d
=
0
.0
9
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
1
.0
0
-
0
.8
0
-
0
.6
0
-
0
.4
0
-
0
.2
0
0
.0
0
0
.2
0
0
.4
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
9
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
0
.
9
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
229
d
=
0
.
9
0
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
2
2
5
1
0
.
0
6
7
2
-
0
.
1
2
5
1
0
.
0
8
2
8
-
0
.
1
9
6
1
0
.
0
3
2
8
-
0
.
0
9
6
1
0
.
0
4
2
0
-
0
.
1
7
3
1
0
.
0
2
2
1
-
0
.
0
7
3
1
0
.
0
2
7
4
-
0
.
1
6
3
8
0
.
0
1
8
6
-
0
.
0
6
3
8
0
.
0
2
2
7
-
0
.
1
4
4
8
0
.
0
0
9
4
-
0
.
0
4
4
8
0
.
0
1
1
4
-
0
.
1
4
4
8
0
.
0
0
9
4
-
0
.
0
4
4
8
0
.
0
1
1
4
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
0
.
0
3
7
1
0
.
1
5
8
1
0
.
1
3
7
1
0
.
1
7
6
9
0
.
0
9
7
0
0
.
0
5
2
9
0
.
1
9
7
0
0
.
0
9
1
7
0
.
0
9
3
6
0
.
0
3
1
2
0
.
1
9
3
6
0
.
0
6
8
6
0
.
1
0
3
8
0
.
0
2
7
1
0
.
2
0
3
8
0
.
0
6
8
6
0
.
0
7
4
8
0
.
0
1
0
7
0
.
1
7
4
8
0
.
0
4
1
3
0
.
0
7
4
8
0
.
0
1
0
7
0
.
1
7
4
8
0
.
0
4
1
3
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
0
5
6
3
0
.
0
6
9
7
0
.
0
4
3
7
0
.
0
7
1
7
-
0
.
0
7
1
8
0
.
0
3
3
6
0
.
0
2
8
2
0
.
0
3
4
4
-
0
.
0
7
0
1
0
.
0
2
2
2
0
.
0
2
9
9
0
.
0
2
3
1
-
0
.
0
6
9
9
0
.
0
1
8
7
0
.
0
3
0
1
0
.
0
1
9
6
-
0
.
0
8
1
4
0
.
0
0
9
4
0
.
0
1
8
6
0
.
0
0
9
7
-
0
.
0
8
1
4
0
.
0
0
9
4
0
.
0
1
8
6
0
.
0
0
9
7
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
1
7
3
3
0
.
0
2
3
6
-
0
.
0
7
3
3
0
.
0
2
9
0
-
0
.
1
5
6
0
0
.
0
1
3
5
-
0
.
0
5
6
0
0
.
0
1
6
6
-
0
.
1
5
1
9
0
.
0
0
9
9
-
0
.
0
5
1
9
0
.
0
1
2
6
-
0
.
1
4
4
8
0
.
0
0
8
1
-
0
.
0
4
4
8
0
.
0
1
0
1
-
0
.
1
2
8
8
0
.
0
0
3
1
-
0
.
0
2
8
8
0
.
0
0
3
9
-
0
.
1
2
8
8
0
.
0
0
3
1
-
0
.
0
2
8
8
0
.
0
0
3
9
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
1
1
8
7
0
.
0
0
8
1
-
0
.
0
1
8
7
0
.
0
0
8
4
-
0
.
1
1
6
3
0
.
0
0
4
1
-
0
.
0
1
6
3
0
.
0
0
4
4
-
0
.
1
1
4
0
0
.
0
0
2
8
-
0
.
0
1
4
0
0
.
0
0
3
0
-
0
.
1
1
3
0
0
.
0
0
2
3
-
0
.
0
1
3
0
0
.
0
0
2
4
-
0
.
1
1
0
9
0
.
0
0
1
2
-
0
.
0
1
0
9
0
.
0
0
1
3
-
0
.
1
1
0
9
0
.
0
0
1
2
-
0
.
0
1
0
9
0
.
0
0
1
3
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
0
.
0
4
1
3
0
.
0
2
6
5
0
.
1
4
1
3
0
.
0
4
6
5
0
.
0
1
8
4
0
.
0
1
5
0
0
.
1
1
8
4
0
.
0
2
9
0
0
.
0
1
6
5
0
.
0
1
1
4
0
.
1
1
6
5
0
.
0
2
4
9
0
.
0
0
4
7
0
.
0
0
9
4
0
.
1
0
4
7
0
.
0
2
0
4
-
0
.
0
0
7
1
0
.
0
0
6
0
0
.
0
9
2
9
0
.
0
1
4
6
-
0
.
0
0
7
1
0
.
0
0
6
0
0
.
0
9
2
9
0
.
0
1
4
6
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
1
4
8
7
0
.
1
7
5
7
-
0
.
0
4
8
7
0
.
1
7
8
1
-
0
.
1
3
3
0
0
.
0
4
8
4
-
0
.
0
3
3
0
0
.
0
4
9
5
-
0
.
1
1
4
7
0
.
0
2
7
1
-
0
.
0
1
4
7
0
.
0
2
7
3
-
0
.
1
1
5
1
0
.
0
1
9
3
-
0
.
0
1
5
1
0
.
0
1
9
5
-
0
.
1
1
4
4
0
.
0
0
6
4
-
0
.
0
1
4
4
0
.
0
0
6
6
-
0
.
1
1
4
4
0
.
0
0
6
4
-
0
.
0
1
4
4
0
.
0
0
6
6
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
2
1
7
3
0
.
0
3
5
1
-
0
.
1
1
7
3
0
.
0
4
8
8
-
0
.
2
3
3
5
0
.
0
1
4
5
-
0
.
1
3
3
5
0
.
0
3
2
4
-
0
.
2
2
7
4
0
.
0
0
7
2
-
0
.
1
2
7
4
0
.
0
2
3
4
-
0
.
2
2
7
0
0
.
0
0
4
7
-
0
.
1
2
7
0
0
.
0
2
0
8
-
0
.
2
1
4
7
0
.
0
0
1
8
-
0
.
1
1
4
7
0
.
0
1
4
9
-
0
.
2
1
4
7
0
.
0
0
1
8
-
0
.
1
1
4
7
0
.
0
1
4
9
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
1
2
5
8
0
.
0
0
6
6
-
0
.
0
2
5
8
0
.
0
0
7
2
-
0
.
1
2
1
3
0
.
0
0
2
9
-
0
.
0
2
1
3
0
.
0
0
3
4
-
0
.
1
1
7
6
0
.
0
0
2
0
-
0
.
0
1
7
6
0
.
0
0
2
3
-
0
.
1
1
6
8
0
.
0
0
1
4
-
0
.
0
1
6
8
0
.
0
0
1
7
-
0
.
1
1
8
5
0
.
0
0
0
6
-
0
.
0
1
8
5
0
.
0
0
0
9
-
0
.
1
1
8
5
0
.
0
0
0
6
-
0
.
0
1
8
5
0
.
0
0
0
9
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
0
3
3
5
0
.
0
1
0
7
0
.
0
6
6
5
0
.
0
1
5
1
-
0
.
0
8
3
1
0
.
0
0
5
3
0
.
0
1
6
9
0
.
0
0
5
6
-
0
.
0
9
0
4
0
.
0
0
3
5
0
.
0
0
9
6
0
.
0
0
3
6
-
0
.
0
9
4
5
0
.
0
0
2
8
0
.
0
0
5
5
0
.
0
0
2
8
-
0
.
1
0
6
6
0
.
0
0
1
2
-
0
.
0
0
6
6
0
.
0
0
1
2
-
0
.
1
0
6
6
0
.
0
0
1
2
-
0
.
0
0
6
6
0
.
0
0
1
2
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
0
.
0
3
3
2
0
.
0
3
9
7
0
.
1
3
3
2
0
.
0
5
7
5
-
0
.
0
6
6
3
0
.
0
1
9
2
0
.
0
3
3
7
0
.
0
2
0
3
-
0
.
0
7
7
8
0
.
0
1
1
8
0
.
0
2
2
2
0
.
0
1
2
3
-
0
.
0
8
4
6
0
.
0
0
8
8
0
.
0
1
5
4
0
.
0
0
9
0
-
0
.
1
0
0
2
0
.
0
0
3
7
-
0
.
0
0
0
2
0
.
0
0
3
7
-
0
.
1
0
0
2
0
.
0
0
3
7
-
0
.
0
0
0
2
0
.
0
0
3
7
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
8
0
.
0
0
0
1
0
.
1
0
0
8
0
.
0
1
0
2
0
.
0
0
0
1
0
.
0
0
0
0
0
.
1
0
0
1
0
.
0
1
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
5
8
0
.
0
0
0
5
0
.
1
0
5
8
0
.
0
1
1
7
0
.
0
0
1
2
0
.
0
0
0
1
0
.
1
0
1
2
0
.
0
1
0
3
0
.
0
0
0
7
0
.
0
0
0
0
0
.
1
0
0
7
0
.
0
1
0
2
0
.
0
0
0
3
0
.
0
0
0
0
0
.
1
0
0
3
0
.
0
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
1
0
0
0
0
.
0
1
0
0
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
1
0
2
0
.
0
0
1
7
0
.
1
1
0
2
0
.
0
1
3
8
0
.
0
0
4
5
0
.
0
0
0
9
0
.
1
0
4
5
0
.
0
1
1
8
0
.
0
0
1
9
0
.
0
0
0
1
0
.
1
0
1
9
0
.
0
1
0
5
0
.
0
0
1
3
0
.
0
0
0
2
0
.
1
0
1
3
0
.
0
1
0
4
0
.
0
0
0
1
0
.
0
0
0
0
0
.
1
0
0
1
0
.
0
1
0
0
0
.
0
0
0
1
0
.
0
0
0
0
0
.
1
0
0
1
0
.
0
1
0
0
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
2
4
3
0
.
0
0
4
3
0
.
1
2
4
3
0
.
0
1
9
7
0
.
0
1
9
2
0
.
0
0
3
3
0
.
1
1
9
2
0
.
0
1
7
5
0
.
0
1
0
6
0
.
0
0
1
1
0
.
1
1
0
6
0
.
0
1
3
4
0
.
0
0
8
6
0
.
0
0
0
9
0
.
1
0
8
6
0
.
0
1
2
7
0
.
0
0
3
0
0
.
0
0
0
2
0
.
1
0
3
0
0
.
0
1
0
8
0
.
0
0
3
0
0
.
0
0
0
2
0
.
1
0
3
0
0
.
0
1
0
8
T
a
b
e
l
a

4
.
3
.
1
0
E
s
t
i
m
a
d
o
r
d
=
-
0
.1
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.1
5
-
0
.1
0
-
0
.0
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(
0
,d
,0
)
(
1
,d
,0
)
(
0
,d
,1
)
(
1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
1
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(
0
,d
,0
)
(
1
,d
,0
)
(
0
,d
,1
)
(
1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
1
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
1
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
230
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
3
1
3
1
0
.
0
6
6
7
-
0
.
1
1
3
1
0
.
0
7
9
5
-
0
.
2
8
3
5
0
.
0
2
9
0
-
0
.
0
8
3
5
0
.
0
3
6
0
-
0
.
2
6
3
8
0
.
0
1
8
4
-
0
.
0
6
3
8
0
.
0
2
2
4
-
0
.
2
5
8
3
0
.
0
1
7
4
-
0
.
0
5
8
3
0
.
0
2
0
8
-
0
.
2
3
4
3
0
.
0
0
7
5
-
0
.
0
3
4
3
0
.
0
0
8
7
-
0
.
2
3
4
3
0
.
0
0
7
5
-
0
.
0
3
4
3
0
.
0
0
8
7
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
0
2
4
8
0
.
1
3
8
3
0
.
1
7
5
2
0
.
1
6
9
0
0
.
0
0
4
7
0
.
0
5
1
4
0
.
2
0
4
7
0
.
0
9
3
3
-
0
.
0
0
3
6
0
.
0
2
6
6
0
.
1
9
6
4
0
.
0
6
5
2
-
0
.
0
0
4
6
0
.
0
2
4
8
0
.
1
9
5
4
0
.
0
6
3
0
-
0
.
0
2
2
4
0
.
0
1
0
8
0
.
1
7
7
6
0
.
0
4
2
3
-
0
.
0
2
2
4
0
.
0
1
0
8
0
.
1
7
7
6
0
.
0
4
2
3
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
1
4
5
5
0
.
0
6
9
3
0
.
0
5
4
5
0
.
0
7
2
3
-
0
.
1
5
8
7
0
.
0
2
9
3
0
.
0
4
1
3
0
.
0
3
1
0
-
0
.
1
6
1
0
0
.
0
1
8
6
0
.
0
3
9
0
0
.
0
2
0
2
-
0
.
1
6
4
5
0
.
0
1
7
4
0
.
0
3
5
5
0
.
0
1
8
7
-
0
.
1
7
1
2
0
.
0
0
7
5
0
.
0
2
8
8
0
.
0
0
8
4
-
0
.
1
7
1
2
0
.
0
0
7
5
0
.
0
2
8
8
0
.
0
0
8
4
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
2
5
4
8
0
.
0
1
7
9
-
0
.
0
5
4
8
0
.
0
2
0
9
-
0
.
2
4
3
6
0
.
0
1
0
0
-
0
.
0
4
3
6
0
.
0
1
1
9
-
0
.
2
3
9
6
0
.
0
0
6
9
-
0
.
0
3
9
6
0
.
0
0
8
4
-
0
.
2
3
5
0
0
.
0
0
5
9
-
0
.
0
3
5
0
0
.
0
0
7
1
-
0
.
2
2
4
3
0
.
0
0
2
4
-
0
.
0
2
4
3
0
.
0
0
2
9
-
0
.
2
2
4
3
0
.
0
0
2
4
-
0
.
0
2
4
3
0
.
0
0
2
9
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
2
0
1
1
0
.
0
0
5
7
-
0
.
0
0
1
1
0
.
0
0
5
7
-
0
.
2
0
5
5
0
.
0
0
3
0
-
0
.
0
0
5
5
0
.
0
0
3
0
-
0
.
2
0
8
8
0
.
0
0
2
0
-
0
.
0
0
8
8
0
.
0
0
2
1
-
0
.
2
0
7
8
0
.
0
0
1
5
-
0
.
0
0
7
8
0
.
0
0
1
6
-
0
.
2
0
6
9
0
.
0
0
0
8
-
0
.
0
0
6
9
0
.
0
0
0
9
-
0
.
2
0
6
9
0
.
0
0
0
8
-
0
.
0
0
6
9
0
.
0
0
0
9
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
0
1
0
1
0
.
0
2
6
1
0
.
1
8
9
9
0
.
0
6
2
2
-
0
.
0
4
1
2
0
.
0
1
2
0
0
.
1
5
8
8
0
.
0
3
7
2
-
0
.
0
5
2
9
0
.
0
0
9
6
0
.
1
4
7
1
0
.
0
3
1
2
-
0
.
0
5
7
0
0
.
0
0
8
2
0
.
1
4
3
0
0
.
0
2
8
7
-
0
.
0
7
9
2
0
.
0
0
4
6
0
.
1
2
0
8
0
.
0
1
9
2
-
0
.
0
7
9
2
0
.
0
0
4
6
0
.
1
2
0
8
0
.
0
1
9
2
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
2
6
1
7
0
.
1
7
4
7
-
0
.
0
6
1
7
0
.
1
7
8
5
-
0
.
2
4
5
8
0
.
0
5
1
4
-
0
.
0
4
5
8
0
.
0
5
3
5
-
0
.
2
4
3
5
0
.
0
2
8
3
-
0
.
0
4
3
5
0
.
0
3
0
2
-
0
.
2
3
5
6
0
.
0
1
7
9
-
0
.
0
3
5
6
0
.
0
1
9
2
-
0
.
2
2
3
0
0
.
0
0
5
9
-
0
.
0
2
3
0
0
.
0
0
6
4
-
0
.
2
2
3
0
0
.
0
0
5
9
-
0
.
0
2
3
0
0
.
0
0
6
4
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
3
6
1
1
0
.
0
3
5
9
-
0
.
1
6
1
1
0
.
0
6
1
8
-
0
.
3
7
1
7
0
.
0
1
5
3
-
0
.
1
7
1
7
0
.
0
4
4
8
-
0
.
3
6
8
2
0
.
0
0
8
2
-
0
.
1
6
8
2
0
.
0
3
6
5
-
0
.
3
5
9
3
0
.
0
0
4
5
-
0
.
1
5
9
3
0
.
0
2
9
8
-
0
.
3
3
5
4
0
.
0
0
1
6
-
0
.
1
3
5
4
0
.
0
2
0
0
-
0
.
3
3
5
4
0
.
0
0
1
6
-
0
.
1
3
5
4
0
.
0
2
0
0
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
2
4
5
5
0
.
0
0
6
4
-
0
.
0
4
5
5
0
.
0
0
8
5
-
0
.
2
4
3
7
0
.
0
0
3
1
-
0
.
0
4
3
7
0
.
0
0
5
0
-
0
.
2
4
5
7
0
.
0
0
2
0
-
0
.
0
4
5
7
0
.
0
0
4
1
-
0
.
2
4
3
7
0
.
0
0
1
3
-
0
.
0
4
3
7
0
.
0
0
3
2
-
0
.
2
4
0
7
0
.
0
0
0
6
-
0
.
0
4
0
7
0
.
0
0
2
2
-
0
.
2
4
0
7
0
.
0
0
0
6
-
0
.
0
4
0
7
0
.
0
0
2
2
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
1
3
9
1
0
.
0
1
0
0
0
.
0
6
0
9
0
.
0
1
3
7
-
0
.
1
9
2
1
0
.
0
0
5
2
0
.
0
0
7
9
0
.
0
0
5
3
-
0
.
2
0
7
2
0
.
0
0
3
5
-
0
.
0
0
7
2
0
.
0
0
3
6
-
0
.
2
1
2
0
0
.
0
0
2
5
-
0
.
0
1
2
0
0
.
0
0
2
6
-
0
.
2
2
1
5
0
.
0
0
1
0
-
0
.
0
2
1
5
0
.
0
0
1
5
-
0
.
2
2
1
5
0
.
0
0
1
0
-
0
.
0
2
1
5
0
.
0
0
1
5
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
0
6
6
4
0
.
0
3
7
9
0
.
1
3
3
6
0
.
0
5
5
8
-
0
.
1
6
3
8
0
.
0
1
7
2
0
.
0
3
6
2
0
.
0
1
8
5
-
0
.
1
8
8
2
0
.
0
1
1
7
0
.
0
1
1
8
0
.
0
1
1
9
-
0
.
1
9
5
4
0
.
0
0
8
5
0
.
0
0
4
6
0
.
0
0
8
5
-
0
.
2
1
3
9
0
.
0
0
3
2
-
0
.
0
1
3
9
0
.
0
0
3
4
-
0
.
2
1
3
9
0
.
0
0
3
2
-
0
.
0
1
3
9
0
.
0
0
3
4
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
5
0
.
0
0
0
0
0
.
2
0
0
5
0
.
0
4
0
2
0
.
0
0
0
2
0
.
0
0
0
0
0
.
2
0
0
2
0
.
0
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
2
0
0
0
0
.
0
4
0
0
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
1
9
4
0
.
0
0
5
7
0
.
2
1
9
4
0
.
0
5
3
8
0
.
0
1
6
1
0
.
0
0
5
7
0
.
2
1
6
1
0
.
0
5
2
4
0
.
0
1
3
2
0
.
0
0
5
3
0
.
2
1
3
2
0
.
0
5
0
8
0
.
0
1
3
7
0
.
0
0
5
9
0
.
2
1
3
7
0
.
0
5
1
6
0
.
0
0
3
0
0
.
0
0
1
4
0
.
2
0
3
0
0
.
0
4
2
6
0
.
0
0
3
0
0
.
0
0
1
4
0
.
2
0
3
0
0
.
0
4
2
6
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
7
4
0
.
0
0
4
5
0
.
2
1
7
4
0
.
0
5
1
8
0
.
0
0
7
1
0
.
0
0
1
6
0
.
2
0
7
1
0
.
0
4
4
5
0
.
0
0
3
5
0
.
0
0
0
7
0
.
2
0
3
5
0
.
0
4
2
1
0
.
0
0
2
5
0
.
0
0
0
5
0
.
2
0
2
5
0
.
0
4
1
5
0
.
0
0
0
2
0
.
0
0
0
0
0
.
2
0
0
2
0
.
0
4
0
1
0
.
0
0
0
2
0
.
0
0
0
0
0
.
2
0
0
2
0
.
0
4
0
1
T
a
b
e
l
a

4
.
3
.
1
1
E
s
t
i
m
a
d
o
r
d
=
-
0
.2
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
0
-
0
.1
5
-
0
.1
0
-
0
.0
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
2
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
2
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
2
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
231
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
4
1
3
1
0
.
0
5
7
2
-
0
.
1
1
3
1
0
.
0
7
0
0
-
0
.
3
6
5
1
0
.
0
2
5
1
-
0
.
0
6
5
1
0
.
0
2
9
4
-
0
.
3
5
6
6
0
.
0
1
5
3
-
0
.
0
5
6
6
0
.
0
1
8
5
-
0
.
3
4
3
7
0
.
0
1
3
7
-
0
.
0
4
3
7
0
.
0
1
5
6
-
0
.
3
3
1
0
0
.
0
0
5
8
-
0
.
0
3
1
0
0
.
0
0
6
8
-
0
.
3
3
1
0
0
.
0
0
5
8
-
0
.
0
3
1
0
0
.
0
0
6
8
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
1
2
9
9
0
.
1
2
4
3
0
.
1
7
0
1
0
.
1
5
3
2
-
0
.
0
9
3
0
0
.
0
5
0
1
0
.
2
0
7
0
0
.
0
9
3
0
-
0
.
0
9
8
4
0
.
0
3
1
0
0
.
2
0
1
6
0
.
0
7
1
7
-
0
.
0
9
8
1
0
.
0
2
2
7
0
.
2
0
1
9
0
.
0
6
3
5
-
0
.
1
2
0
3
0
.
0
0
8
8
0
.
1
7
9
7
0
.
0
4
1
1
-
0
.
1
2
0
3
0
.
0
0
8
8
0
.
1
7
9
7
0
.
0
4
1
1
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
2
4
5
4
0
.
0
5
9
7
0
.
0
5
4
6
0
.
0
6
2
6
-
0
.
2
4
0
7
0
.
0
2
5
3
0
.
0
5
9
3
0
.
0
2
8
8
-
0
.
2
5
4
9
0
.
0
1
5
4
0
.
0
4
5
1
0
.
0
1
7
4
-
0
.
2
4
9
6
0
.
0
1
3
9
0
.
0
5
0
4
0
.
0
1
6
4
-
0
.
2
6
6
8
0
.
0
0
5
9
0
.
0
3
3
2
0
.
0
0
7
0
-
0
.
2
6
6
8
0
.
0
0
5
9
0
.
0
3
3
2
0
.
0
0
7
0
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
3
4
3
9
0
.
0
1
3
1
-
0
.
0
4
3
9
0
.
0
1
5
0
-
0
.
3
4
0
8
0
.
0
0
6
4
-
0
.
0
4
0
8
0
.
0
0
8
1
-
0
.
3
3
6
5
0
.
0
0
4
5
-
0
.
0
3
6
5
0
.
0
0
5
8
-
0
.
3
2
9
9
0
.
0
0
3
9
-
0
.
0
2
9
9
0
.
0
0
4
8
-
0
.
3
1
8
0
0
.
0
0
1
6
-
0
.
0
1
8
0
0
.
0
0
1
9
-
0
.
3
1
8
0
0
.
0
0
1
6
-
0
.
0
1
8
0
0
.
0
0
1
9
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
2
8
5
5
0
.
0
0
4
0
0
.
0
1
4
5
0
.
0
0
4
2
-
0
.
2
9
3
7
0
.
0
0
1
7
0
.
0
0
6
3
0
.
0
0
1
8
-
0
.
2
9
6
1
0
.
0
0
1
2
0
.
0
0
3
9
0
.
0
0
1
3
-
0
.
2
9
8
4
0
.
0
0
1
0
0
.
0
0
1
6
0
.
0
0
1
0
-
0
.
2
9
9
2
0
.
0
0
0
5
0
.
0
0
0
8
0
.
0
0
0
5
-
0
.
2
9
9
2
0
.
0
0
0
5
0
.
0
0
0
8
0
.
0
0
0
5
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
0
7
7
0
0
.
0
2
2
8
0
.
2
2
3
0
0
.
0
7
2
5
-
0
.
1
1
2
2
0
.
0
1
0
9
0
.
1
8
7
8
0
.
0
4
6
2
-
0
.
1
2
5
7
0
.
0
0
8
0
0
.
1
7
4
3
0
.
0
3
8
4
-
0
.
1
3
0
7
0
.
0
0
7
0
0
.
1
6
9
3
0
.
0
3
5
7
-
0
.
1
5
4
6
0
.
0
0
3
8
0
.
1
4
5
4
0
.
0
2
4
9
-
0
.
1
5
4
6
0
.
0
0
3
8
0
.
1
4
5
4
0
.
0
2
4
9
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
4
1
6
8
0
.
1
8
9
5
-
0
.
1
1
6
8
0
.
2
0
3
2
-
0
.
3
8
3
2
0
.
0
5
2
9
-
0
.
0
8
3
2
0
.
0
5
9
9
-
0
.
3
7
0
3
0
.
0
2
7
9
-
0
.
0
7
0
3
0
.
0
3
2
8
-
0
.
3
6
6
9
0
.
0
1
8
8
-
0
.
0
6
6
9
0
.
0
2
3
3
-
0
.
3
4
4
7
0
.
0
0
6
0
-
0
.
0
4
4
7
0
.
0
0
8
0
-
0
.
3
4
4
7
0
.
0
0
6
0
-
0
.
0
4
4
7
0
.
0
0
8
0
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
5
2
5
6
0
.
0
3
5
7
-
0
.
2
2
5
6
0
.
0
8
6
6
-
0
.
5
1
7
7
0
.
0
1
3
8
-
0
.
2
1
7
7
0
.
0
6
1
2
-
0
.
5
1
5
4
0
.
0
0
7
7
-
0
.
2
1
5
4
0
.
0
5
4
1
-
0
.
5
0
5
5
0
.
0
0
5
1
-
0
.
2
0
5
5
0
.
0
4
7
3
-
0
.
4
6
9
0
0
.
0
0
1
6
-
0
.
1
6
9
0
0
.
0
3
0
2
-
0
.
4
6
9
0
0
.
0
0
1
6
-
0
.
1
6
9
0
0
.
0
3
0
2
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
3
8
2
5
0
.
0
0
7
1
-
0
.
0
8
2
5
0
.
0
1
3
9
-
0
.
3
8
0
5
0
.
0
0
3
3
-
0
.
0
8
0
5
0
.
0
0
9
8
-
0
.
3
7
8
9
0
.
0
0
2
2
-
0
.
0
7
8
9
0
.
0
0
8
4
-
0
.
3
7
8
3
0
.
0
0
1
5
-
0
.
0
7
8
3
0
.
0
0
7
6
-
0
.
3
7
4
7
0
.
0
0
0
5
-
0
.
0
7
4
7
0
.
0
0
6
1
-
0
.
3
7
4
7
0
.
0
0
0
5
-
0
.
0
7
4
7
0
.
0
0
6
1
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
2
6
0
7
0
.
0
0
9
6
0
.
0
3
9
3
0
.
0
1
1
2
-
0
.
3
1
6
0
0
.
0
0
4
8
-
0
.
0
1
6
0
0
.
0
0
5
1
-
0
.
3
2
8
3
0
.
0
0
3
2
-
0
.
0
2
8
3
0
.
0
0
4
0
-
0
.
3
3
6
7
0
.
0
0
2
3
-
0
.
0
3
6
7
0
.
0
0
3
6
-
0
.
3
4
6
1
0
.
0
0
0
9
-
0
.
0
4
6
1
0
.
0
0
3
1
-
0
.
3
4
6
1
0
.
0
0
0
9
-
0
.
0
4
6
1
0
.
0
0
3
1
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
1
8
2
3
0
.
0
3
5
8
0
.
1
1
7
7
0
.
0
4
9
6
-
0
.
2
8
6
4
0
.
0
1
6
4
0
.
0
1
3
6
0
.
0
1
6
6
-
0
.
3
0
4
1
0
.
0
1
0
1
-
0
.
0
0
4
1
0
.
0
1
0
1
-
0
.
3
1
7
3
0
.
0
0
7
7
-
0
.
0
1
7
3
0
.
0
0
8
0
-
0
.
3
3
3
4
0
.
0
0
2
9
-
0
.
0
3
3
4
0
.
0
0
4
1
-
0
.
3
3
3
4
0
.
0
0
2
9
-
0
.
0
3
3
4
0
.
0
0
4
1
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
3
0
0
0
0
.
0
9
0
0
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
4
5
1
0
.
0
1
1
1
0
.
3
4
5
1
0
.
1
3
0
2
0
.
0
7
8
4
0
.
0
2
0
1
0
.
3
7
8
4
0
.
1
6
3
4
0
.
1
0
4
3
0
.
0
2
7
2
0
.
4
0
4
3
0
.
1
9
0
6
0
.
1
2
8
5
0
.
0
3
2
8
0
.
4
2
8
5
0
.
2
1
6
4
0
.
2
2
3
0
0
.
0
4
5
3
0
.
5
2
3
0
0
.
3
1
8
8
0
.
2
2
3
0
0
.
0
4
5
3
0
.
5
2
3
0
0
.
3
1
8
8
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
5
7
0
.
0
0
4
0
0
.
3
1
5
7
0
.
1
0
3
6
0
.
0
1
1
1
0
.
0
0
3
0
0
.
3
1
1
1
0
.
0
9
9
8
0
.
0
1
5
4
0
.
0
0
4
8
0
.
3
1
5
4
0
.
1
0
4
2
0
.
0
1
0
6
0
.
0
0
3
7
0
.
3
1
0
6
0
.
1
0
0
2
0
.
0
2
5
4
0
.
0
1
0
0
0
.
3
2
5
4
0
.
1
1
6
0
0
.
0
2
5
4
0
.
0
1
0
0
0
.
3
2
5
4
0
.
1
1
6
0
T
a
b
e
l
a

4
.
3
.
1
2
E
s
t
i
m
a
d
o
r
d
=
-
0
.3
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
3
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
3
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
3
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
232
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
4
9
4
6
0
.
0
4
7
1
-
0
.
0
9
4
6
0
.
0
5
6
0
-
0
.
4
6
3
9
0
.
0
1
7
6
-
0
.
0
6
3
9
0
.
0
2
1
7
-
0
.
4
4
5
2
0
.
0
1
1
0
-
0
.
0
4
5
2
0
.
0
1
3
0
-
0
.
4
4
8
0
0
.
0
0
9
6
-
0
.
0
4
8
0
0
.
0
1
2
0
-
0
.
4
2
5
8
0
.
0
0
4
2
-
0
.
0
2
5
8
0
.
0
0
4
8
-
0
.
4
2
5
8
0
.
0
0
4
2
-
0
.
0
2
5
8
0
.
0
0
4
8
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
1
1
7
0
.
1
4
1
0
0
.
1
8
8
3
0
.
1
7
6
4
-
0
.
1
8
8
5
0
.
0
4
8
0
0
.
2
1
1
5
0
.
0
9
2
7
-
0
.
2
0
4
6
0
.
0
2
7
0
0
.
1
9
5
4
0
.
0
6
5
2
-
0
.
2
0
0
1
0
.
0
2
1
4
0
.
1
9
9
9
0
.
0
6
1
3
-
0
.
2
2
6
6
0
.
0
0
9
1
0
.
1
7
3
4
0
.
0
3
9
2
-
0
.
2
2
6
6
0
.
0
0
9
1
0
.
1
7
3
4
0
.
0
3
9
2
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
3
2
9
8
0
.
0
4
8
2
0
.
0
7
0
2
0
.
0
5
3
2
-
0
.
3
4
0
7
0
.
0
1
7
8
0
.
0
5
9
3
0
.
0
2
1
3
-
0
.
3
4
2
2
0
.
0
1
1
2
0
.
0
5
7
8
0
.
0
1
4
5
-
0
.
3
5
3
9
0
.
0
0
9
7
0
.
0
4
6
1
0
.
0
1
1
8
-
0
.
3
6
1
6
0
.
0
0
4
2
0
.
0
3
8
4
0
.
0
0
5
7
-
0
.
3
6
1
6
0
.
0
0
4
2
0
.
0
3
8
4
0
.
0
0
5
7
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
4
3
1
4
0
.
0
0
7
1
-
0
.
0
3
1
4
0
.
0
0
8
1
-
0
.
4
2
3
8
0
.
0
0
3
5
-
0
.
0
2
3
8
0
.
0
0
4
1
-
0
.
4
2
3
3
0
.
0
0
2
5
-
0
.
0
2
3
3
0
.
0
0
3
0
-
0
.
4
1
9
4
0
.
0
0
2
0
-
0
.
0
1
9
4
0
.
0
0
2
3
-
0
.
4
1
1
7
0
.
0
0
0
9
-
0
.
0
1
1
7
0
.
0
0
1
0
-
0
.
4
1
1
7
0
.
0
0
0
9
-
0
.
0
1
1
7
0
.
0
0
1
0
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
3
6
9
0
0
.
0
0
1
8
0
.
0
3
1
0
0
.
0
0
2
8
-
0
.
3
8
0
0
0
.
0
0
0
8
0
.
0
2
0
0
0
.
0
0
1
2
-
0
.
3
8
3
2
0
.
0
0
0
6
0
.
0
1
6
8
0
.
0
0
0
8
-
0
.
3
8
6
7
0
.
0
0
0
4
0
.
0
1
3
3
0
.
0
0
0
6
-
0
.
3
9
0
6
0
.
0
0
0
2
0
.
0
0
9
4
0
.
0
0
0
3
-
0
.
3
9
0
6
0
.
0
0
0
2
0
.
0
0
9
4
0
.
0
0
0
3
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
4
6
2
0
.
0
1
8
6
0
.
2
5
3
8
0
.
0
8
3
0
-
0
.
1
8
4
0
0
.
0
0
8
2
0
.
2
1
6
0
0
.
0
5
4
8
-
0
.
1
9
2
6
0
.
0
0
6
2
0
.
2
0
7
4
0
.
0
4
9
2
-
0
.
2
0
6
0
0
.
0
0
5
1
0
.
1
9
4
0
0
.
0
4
2
7
-
0
.
2
2
9
8
0
.
0
0
3
3
0
.
1
7
0
2
0
.
0
3
2
2
-
0
.
2
2
9
8
0
.
0
0
3
3
0
.
1
7
0
2
0
.
0
3
2
2
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
6
1
8
4
0
.
1
9
2
0
-
0
.
2
1
8
4
0
.
2
3
9
7
-
0
.
5
5
5
0
0
.
0
5
5
9
-
0
.
1
5
5
0
0
.
0
8
0
0
-
0
.
5
2
6
2
0
.
0
3
2
9
-
0
.
1
2
6
2
0
.
0
4
8
8
-
0
.
5
2
1
3
0
.
0
2
0
3
-
0
.
1
2
1
3
0
.
0
3
5
0
-
0
.
4
9
3
6
0
.
0
0
6
3
-
0
.
0
9
3
6
0
.
0
1
5
0
-
0
.
4
9
3
6
0
.
0
0
6
3
-
0
.
0
9
3
6
0
.
0
1
5
0
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
7
0
8
6
0
.
0
3
5
0
-
0
.
3
0
8
6
0
.
1
3
0
3
-
0
.
7
1
3
5
0
.
0
1
4
2
-
0
.
3
1
3
5
0
.
1
1
2
5
-
0
.
6
9
7
9
0
.
0
0
8
3
-
0
.
2
9
7
9
0
.
0
9
7
1
-
0
.
6
8
4
9
0
.
0
0
5
1
-
0
.
2
8
4
9
0
.
0
8
6
3
-
0
.
6
3
5
9
0
.
0
0
1
8
-
0
.
2
3
5
9
0
.
0
5
7
5
-
0
.
6
3
5
9
0
.
0
0
1
8
-
0
.
2
3
5
9
0
.
0
5
7
5
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
5
4
8
0
0
.
0
0
7
7
-
0
.
1
4
8
0
0
.
0
2
9
7
-
0
.
5
4
2
8
0
.
0
0
3
3
-
0
.
1
4
2
8
0
.
0
2
3
7
-
0
.
5
3
9
9
0
.
0
0
2
3
-
0
.
1
3
9
9
0
.
0
2
1
9
-
0
.
5
3
8
9
0
.
0
0
1
7
-
0
.
1
3
8
9
0
.
0
2
1
0
-
0
.
5
3
6
6
0
.
0
0
0
7
-
0
.
1
3
6
6
0
.
0
1
9
4
-
0
.
5
3
6
6
0
.
0
0
0
7
-
0
.
1
3
6
6
0
.
0
1
9
4
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
3
9
9
8
0
.
0
0
8
3
0
.
0
0
0
2
0
.
0
0
8
3
-
0
.
4
6
1
6
0
.
0
0
4
1
-
0
.
0
6
1
6
0
.
0
0
7
9
-
0
.
4
7
8
6
0
.
0
0
3
0
-
0
.
0
7
8
6
0
.
0
0
9
2
-
0
.
4
8
5
8
0
.
0
0
2
0
-
0
.
0
8
5
8
0
.
0
0
9
4
-
0
.
4
9
9
8
0
.
0
0
0
9
-
0
.
0
9
9
8
0
.
0
1
0
8
-
0
.
4
9
9
8
0
.
0
0
0
9
-
0
.
0
9
9
8
0
.
0
1
0
8
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
3
1
1
6
0
.
0
3
1
4
0
.
0
8
8
4
0
.
0
3
9
2
-
0
.
4
2
7
0
0
.
0
1
4
0
-
0
.
0
2
7
0
0
.
0
1
4
7
-
0
.
4
5
5
0
0
.
0
0
9
7
-
0
.
0
5
5
0
0
.
0
1
2
7
-
0
.
4
6
7
4
0
.
0
0
6
1
-
0
.
0
6
7
4
0
.
0
1
0
6
-
0
.
4
8
8
5
0
.
0
0
2
7
-
0
.
0
8
8
5
0
.
0
1
0
5
-
0
.
4
8
8
5
0
.
0
0
2
7
-
0
.
0
8
8
5
0
.
0
1
0
5
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
0
0
0
0
.
1
6
0
0
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
4
8
9
0
.
0
0
8
0
0
.
4
4
8
9
0
.
2
0
9
5
0
.
0
8
2
8
0
.
0
1
1
8
0
.
4
8
2
8
0
.
2
4
4
9
0
.
1
0
8
9
0
.
0
1
2
8
0
.
5
0
8
9
0
.
2
7
1
9
0
.
1
3
0
1
0
.
0
1
4
5
0
.
5
3
0
1
0
.
2
9
5
4
0
.
2
0
7
0
0
.
0
1
3
3
0
.
6
0
7
0
0
.
3
8
1
8
0
.
2
0
7
0
0
.
0
1
3
3
0
.
6
0
7
0
0
.
3
8
1
8
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
2
2
0
0
.
0
0
5
0
0
.
4
2
2
0
0
.
1
8
3
1
0
.
0
2
3
3
0
.
0
0
5
3
0
.
4
2
3
3
0
.
1
8
4
5
0
.
0
3
0
6
0
.
0
0
6
6
0
.
4
3
0
6
0
.
1
9
2
0
0
.
0
3
9
6
0
.
0
0
9
0
0
.
4
3
9
6
0
.
2
0
2
2
0
.
1
0
5
6
0
.
0
2
2
3
0
.
5
0
5
6
0
.
2
7
7
8
0
.
1
0
5
6
0
.
0
2
2
3
0
.
5
0
5
6
0
.
2
7
7
8
T
a
b
e
l
a

4
.
3
.
1
3
E
s
t
i
m
a
d
o
r
d
=
-
0
.4
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
0
.4
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
233
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
5
4
1
0
0
.
0
3
5
4
-
0
.
0
9
1
0
0
.
0
4
3
7
-
0
.
5
0
9
4
0
.
0
1
6
1
-
0
.
0
5
9
4
0
.
0
1
9
6
-
0
.
4
9
5
2
0
.
0
0
9
2
-
0
.
0
4
5
2
0
.
0
1
1
2
-
0
.
4
9
3
5
0
.
0
0
7
9
-
0
.
0
4
3
5
0
.
0
0
9
7
-
0
.
4
7
6
3
0
.
0
0
3
7
-
0
.
0
2
6
3
0
.
0
0
4
4
-
0
.
4
7
6
3
0
.
0
0
3
7
-
0
.
0
2
6
3
0
.
0
0
4
4
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
4
5
2
0
.
1
2
2
1
0
.
2
0
4
8
0
.
1
6
4
0
-
0
.
2
2
7
7
0
.
0
4
5
5
0
.
2
2
2
3
0
.
0
9
4
9
-
0
.
2
5
3
9
0
.
0
2
8
5
0
.
1
9
6
1
0
.
0
6
6
9
-
0
.
2
5
1
2
0
.
0
2
0
4
0
.
1
9
8
8
0
.
0
6
0
0
-
0
.
2
7
1
7
0
.
0
0
8
2
0
.
1
7
8
3
0
.
0
4
0
0
-
0
.
2
7
1
7
0
.
0
0
8
2
0
.
1
7
8
3
0
.
0
4
0
0
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
3
7
4
3
0
.
0
3
6
4
0
.
0
7
5
7
0
.
0
4
2
1
-
0
.
3
8
6
2
0
.
0
1
6
5
0
.
0
6
3
8
0
.
0
2
0
6
-
0
.
3
9
3
1
0
.
0
0
9
4
0
.
0
5
6
9
0
.
0
1
2
6
-
0
.
3
9
9
2
0
.
0
0
7
9
0
.
0
5
0
8
0
.
0
1
0
5
-
0
.
4
1
1
9
0
.
0
0
3
8
0
.
0
3
8
1
0
.
0
0
5
3
-
0
.
4
1
1
9
0
.
0
0
3
8
0
.
0
3
8
1
0
.
0
0
5
3
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
4
7
6
2
0
.
0
0
4
7
-
0
.
0
2
6
2
0
.
0
0
5
3
-
0
.
4
7
0
2
0
.
0
0
2
4
-
0
.
0
2
0
2
0
.
0
0
2
8
-
0
.
4
6
7
0
0
.
0
0
1
5
-
0
.
0
1
7
0
0
.
0
0
1
7
-
0
.
4
6
5
4
0
.
0
0
1
2
-
0
.
0
1
5
4
0
.
0
0
1
5
-
0
.
4
5
8
8
0
.
0
0
0
6
-
0
.
0
0
8
8
0
.
0
0
0
6
-
0
.
4
5
8
8
0
.
0
0
0
6
-
0
.
0
0
8
8
0
.
0
0
0
6
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
4
0
7
0
0
.
0
0
1
3
0
.
0
4
3
0
0
.
0
0
3
2
-
0
.
4
2
0
8
0
.
0
0
0
4
0
.
0
2
9
2
0
.
0
0
1
3
-
0
.
4
2
6
3
0
.
0
0
0
2
0
.
0
2
3
7
0
.
0
0
0
8
-
0
.
4
2
9
4
0
.
0
0
0
2
0
.
0
2
0
6
0
.
0
0
0
6
-
0
.
4
3
5
6
0
.
0
0
0
1
0
.
0
1
4
4
0
.
0
0
0
3
-
0
.
4
3
5
6
0
.
0
0
0
1
0
.
0
1
4
4
0
.
0
0
0
3
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
7
9
8
0
.
0
1
7
9
0
.
2
7
0
2
0
.
0
9
0
9
-
0
.
2
1
7
8
0
.
0
0
8
0
0
.
2
3
2
2
0
.
0
6
1
9
-
0
.
2
3
2
5
0
.
0
0
5
5
0
.
2
1
7
5
0
.
0
5
2
8
-
0
.
2
4
6
4
0
.
0
0
4
7
0
.
2
0
3
6
0
.
0
4
6
2
-
0
.
2
6
9
1
0
.
0
0
2
5
0
.
1
8
0
9
0
.
0
3
5
3
-
0
.
2
6
9
1
0
.
0
0
2
5
0
.
1
8
0
9
0
.
0
3
5
3
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
7
1
1
1
0
.
1
8
7
3
-
0
.
2
6
1
1
0
.
2
5
5
5
-
0
.
6
6
1
1
0
.
0
6
5
1
-
0
.
2
1
1
1
0
.
1
0
9
6
-
0
.
6
4
4
0
0
.
0
3
5
9
-
0
.
1
9
4
0
0
.
0
7
3
5
-
0
.
6
2
0
2
0
.
0
2
3
5
-
0
.
1
7
0
2
0
.
0
5
2
5
-
0
.
6
0
2
5
0
.
0
0
7
2
-
0
.
1
5
2
5
0
.
0
3
0
5
-
0
.
6
0
2
5
0
.
0
0
7
2
-
0
.
1
5
2
5
0
.
0
3
0
5
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
8
3
6
1
0
.
0
3
9
1
-
0
.
3
8
6
1
0
.
1
8
8
2
-
0
.
8
3
1
4
0
.
0
1
5
5
-
0
.
3
8
1
4
0
.
1
6
0
9
-
0
.
8
1
8
1
0
.
0
0
8
6
-
0
.
3
6
8
1
0
.
1
4
4
1
-
0
.
8
0
1
7
0
.
0
0
6
0
-
0
.
3
5
1
7
0
.
1
2
9
7
-
0
.
7
5
3
2
0
.
0
0
2
2
-
0
.
3
0
3
2
0
.
0
9
4
1
-
0
.
7
5
3
2
0
.
0
0
2
2
-
0
.
3
0
3
2
0
.
0
9
4
1
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
6
4
9
7
0
.
0
0
8
5
-
0
.
1
9
9
7
0
.
0
4
8
4
-
0
.
6
4
5
7
0
.
0
0
4
4
-
0
.
1
9
5
7
0
.
0
4
2
7
-
0
.
6
4
2
9
0
.
0
0
2
8
-
0
.
1
9
2
9
0
.
0
4
0
0
-
0
.
6
4
5
0
0
.
0
0
2
4
-
0
.
1
9
5
0
0
.
0
4
0
4
-
0
.
6
4
3
5
0
.
0
0
1
0
-
0
.
1
9
3
5
0
.
0
3
8
4
-
0
.
6
4
3
5
0
.
0
0
1
0
-
0
.
1
9
3
5
0
.
0
3
8
4
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
4
8
4
6
0
.
0
0
7
8
-
0
.
0
3
4
6
0
.
0
0
9
0
-
0
.
5
5
3
6
0
.
0
0
4
0
-
0
.
1
0
3
6
0
.
0
1
4
8
-
0
.
5
7
2
9
0
.
0
0
2
6
-
0
.
1
2
2
9
0
.
0
1
7
7
-
0
.
5
8
2
5
0
.
0
0
2
0
-
0
.
1
3
2
5
0
.
0
1
9
6
-
0
.
6
0
1
1
0
.
0
0
0
7
-
0
.
1
5
1
1
0
.
0
2
3
5
-
0
.
6
0
1
1
0
.
0
0
0
7
-
0
.
1
5
1
1
0
.
0
2
3
5
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
3
9
9
1
0
.
0
2
5
6
0
.
0
5
0
9
0
.
0
2
8
2
-
0
.
5
2
1
5
0
.
0
1
2
6
-
0
.
0
7
1
5
0
.
0
1
7
7
-
0
.
5
5
3
0
0
.
0
0
8
9
-
0
.
1
0
3
0
0
.
0
1
9
5
-
0
.
5
6
8
9
0
.
0
0
6
1
-
0
.
1
1
8
9
0
.
0
2
0
2
-
0
.
5
9
7
0
0
.
0
0
2
1
-
0
.
1
4
7
0
0
.
0
2
3
7
-
0
.
5
9
7
0
0
.
0
0
2
1
-
0
.
1
4
7
0
0
.
0
2
3
7
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
0
.
0
0
0
0
0
.
0
0
0
0
0
.
4
5
0
0
0
.
2
0
2
5
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
3
1
2
0
.
0
0
4
7
0
.
4
8
1
2
0
.
2
3
6
3
0
.
0
4
3
5
0
.
0
0
4
6
0
.
4
9
3
5
0
.
2
4
8
2
0
.
0
6
0
6
0
.
0
0
5
0
0
.
5
1
0
6
0
.
2
6
5
7
0
.
0
7
5
2
0
.
0
0
5
6
0
.
5
2
5
2
0
.
2
8
1
4
0
.
1
1
9
4
0
.
0
0
4
7
0
.
5
6
9
4
0
.
3
2
8
9
0
.
1
1
9
4
0
.
0
0
4
7
0
.
5
6
9
4
0
.
3
2
8
9
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
9
6
0
.
0
0
4
6
0
.
4
6
9
6
0
.
2
2
5
1
0
.
0
1
9
0
0
.
0
0
3
3
0
.
4
6
9
0
0
.
2
2
3
3
0
.
0
2
7
7
0
.
0
0
4
5
0
.
4
7
7
7
0
.
2
3
2
6
0
.
0
3
9
7
0
.
0
0
5
9
0
.
4
8
9
7
0
.
2
4
5
8
0
.
0
7
9
8
0
.
0
0
9
7
0
.
5
2
9
8
0
.
2
9
0
4
0
.
0
7
9
8
0
.
0
0
9
7
0
.
5
2
9
8
0
.
2
9
0
4
T
a
b
e
l
a

4
.
3
.
1
4
E
s
t
i
m
a
d
o
r
d
=
-
0
.4
5
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.4
0
-
0
.3
0
-
0
.2
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
5
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
5
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
4
5
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
234
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
5
1
0
2
0
.
0
4
0
4
0
.
0
8
9
8
0
.
0
4
8
5
-
0
.
4
8
9
6
0
.
0
1
6
4
0
.
1
1
0
4
0
.
0
2
8
6
-
0
.
4
7
5
1
0
.
0
0
9
2
0
.
1
2
4
9
0
.
0
2
4
9
-
0
.
4
8
2
4
0
.
0
0
8
0
0
.
1
1
7
6
0
.
0
2
1
9
-
0
.
4
6
9
5
0
.
0
0
3
6
0
.
1
3
0
5
0
.
0
2
0
7
-
0
.
4
6
9
5
0
.
0
0
3
6
0
.
1
3
0
5
0
.
0
2
0
7
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
1
2
9
0
.
1
1
7
7
0
.
3
8
7
1
0
.
2
6
7
6
-
0
.
1
9
8
4
0
.
0
4
4
0
0
.
4
0
1
6
0
.
2
0
5
3
-
0
.
2
2
2
7
0
.
0
2
7
4
0
.
3
7
7
3
0
.
1
6
9
7
-
0
.
2
2
1
8
0
.
0
1
9
8
0
.
3
7
8
2
0
.
1
6
2
8
-
0
.
2
6
0
1
0
.
0
0
7
6
0
.
3
3
9
9
0
.
1
2
3
1
-
0
.
2
6
0
1
0
.
0
0
7
6
0
.
3
3
9
9
0
.
1
2
3
1
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
3
4
4
2
0
.
0
4
1
1
0
.
2
5
5
8
0
.
1
0
6
5
-
0
.
3
6
5
5
0
.
0
1
6
8
0
.
2
3
4
5
0
.
0
7
1
8
-
0
.
3
7
2
4
0
.
0
0
9
5
0
.
2
2
7
6
0
.
0
6
1
3
-
0
.
3
8
8
3
0
.
0
0
8
1
0
.
2
1
1
7
0
.
0
5
3
0
-
0
.
4
0
4
8
0
.
0
0
3
7
0
.
1
9
5
2
0
.
0
4
1
8
-
0
.
4
0
4
8
0
.
0
0
3
7
0
.
1
9
5
2
0
.
0
4
1
8
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
4
3
3
6
0
.
0
0
7
2
0
.
1
6
6
4
0
.
0
3
4
9
-
0
.
4
3
5
9
0
.
0
0
3
0
0
.
1
6
4
1
0
.
0
2
9
9
-
0
.
4
3
5
2
0
.
0
0
2
0
0
.
1
6
4
8
0
.
0
2
9
2
-
0
.
4
3
6
8
0
.
0
0
1
5
0
.
1
6
3
2
0
.
0
2
8
1
-
0
.
4
3
6
1
0
.
0
0
0
5
0
.
1
6
3
9
0
.
0
2
7
4
-
0
.
4
3
6
1
0
.
0
0
0
5
0
.
1
6
3
9
0
.
0
2
7
4
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
3
1
5
4
0
.
0
0
2
6
0
.
2
8
4
6
0
.
0
8
3
6
-
0
.
3
4
0
0
0
.
0
0
1
1
0
.
2
6
0
0
0
.
0
6
8
8
-
0
.
3
5
1
9
0
.
0
0
0
6
0
.
2
4
8
1
0
.
0
6
2
1
-
0
.
3
6
1
5
0
.
0
0
0
4
0
.
2
3
8
5
0
.
0
5
7
3
-
0
.
3
8
0
4
0
.
0
0
0
2
0
.
2
1
9
6
0
.
0
4
8
4
-
0
.
3
8
0
4
0
.
0
0
0
2
0
.
2
1
9
6
0
.
0
4
8
4
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
0
2
0
0
.
0
1
9
7
0
.
4
9
8
0
0
.
2
6
7
7
-
0
.
1
4
2
9
0
.
0
0
9
8
0
.
4
5
7
1
0
.
2
1
8
8
-
0
.
1
6
4
6
0
.
0
0
7
0
0
.
4
3
5
4
0
.
1
9
6
6
-
0
.
1
8
4
4
0
.
0
0
5
5
0
.
4
1
5
6
0
.
1
7
8
2
-
0
.
2
1
6
2
0
.
0
0
3
5
0
.
3
8
3
8
0
.
1
5
0
8
-
0
.
2
1
6
2
0
.
0
0
3
5
0
.
3
8
3
8
0
.
1
5
0
8
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
6
8
6
1
0
.
1
9
1
9
-
0
.
0
8
6
1
0
.
1
9
9
3
-
0
.
6
3
5
0
0
.
0
5
3
7
-
0
.
0
3
5
0
0
.
0
5
5
0
-
0
.
6
3
0
5
0
.
0
3
3
6
-
0
.
0
3
0
5
0
.
0
3
4
5
-
0
.
6
2
5
0
0
.
0
2
0
7
-
0
.
0
2
5
0
0
.
0
2
1
4
-
0
.
6
1
0
6
0
.
0
0
6
4
-
0
.
0
1
0
6
0
.
0
0
6
5
-
0
.
6
1
0
6
0
.
0
0
6
4
-
0
.
0
1
0
6
0
.
0
0
6
5
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
5
7
8
0
0
.
0
3
6
2
0
.
0
2
2
0
0
.
0
3
6
7
-
0
.
6
0
5
7
0
.
0
1
4
4
-
0
.
0
0
5
7
0
.
0
1
4
4
-
0
.
6
1
9
8
0
.
0
0
7
8
-
0
.
0
1
9
8
0
.
0
0
8
2
-
0
.
6
2
8
3
0
.
0
0
5
2
-
0
.
0
2
8
3
0
.
0
0
6
0
-
0
.
6
4
4
7
0
.
0
0
2
0
-
0
.
0
4
4
7
0
.
0
0
4
0
-
0
.
6
4
4
7
0
.
0
0
2
0
-
0
.
0
4
4
7
0
.
0
0
4
0
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
4
2
7
4
0
.
0
0
6
9
0
.
1
7
2
6
0
.
0
3
6
7
-
0
.
4
3
3
1
0
.
0
0
3
4
0
.
1
6
6
9
0
.
0
3
1
2
-
0
.
4
3
6
0
0
.
0
0
2
1
0
.
1
6
4
0
0
.
0
2
9
0
-
0
.
4
4
2
7
0
.
0
0
1
7
0
.
1
5
7
3
0
.
0
2
6
4
-
0
.
4
5
0
4
0
.
0
0
0
6
0
.
1
4
9
6
0
.
0
2
3
0
-
0
.
4
5
0
4
0
.
0
0
0
6
0
.
1
4
9
6
0
.
0
2
3
0
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
3
5
0
3
0
.
0
0
7
2
0
.
2
4
9
7
0
.
0
6
9
5
-
0
.
4
0
8
9
0
.
0
0
3
9
0
.
1
9
1
1
0
.
0
4
0
4
-
0
.
4
2
5
2
0
.
0
0
2
6
0
.
1
7
4
8
0
.
0
3
3
1
-
0
.
4
3
5
8
0
.
0
0
1
9
0
.
1
6
4
2
0
.
0
2
8
9
-
0
.
4
5
1
4
0
.
0
0
0
7
0
.
1
4
8
6
0
.
0
2
2
8
-
0
.
4
5
1
4
0
.
0
0
0
7
0
.
1
4
8
6
0
.
0
2
2
8
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
3
2
0
9
0
.
0
2
3
4
0
.
2
7
9
1
0
.
1
0
1
3
-
0
.
4
3
0
6
0
.
0
1
2
9
0
.
1
6
9
4
0
.
0
4
1
6
-
0
.
4
6
0
2
0
.
0
0
8
7
0
.
1
3
9
8
0
.
0
2
8
3
-
0
.
4
7
6
6
0
.
0
0
6
3
0
.
1
2
3
4
0
.
0
2
1
5
-
0
.
5
0
1
9
0
.
0
0
2
1
0
.
0
9
8
1
0
.
0
1
1
8
-
0
.
5
0
1
9
0
.
0
0
2
1
0
.
0
9
8
1
0
.
0
1
1
8
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
6
0
0
0
0
.
3
6
0
1
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
9
2
7
0
.
0
1
6
8
0
.
6
9
2
7
0
.
4
9
6
5
0
.
1
8
1
8
0
.
0
2
4
5
0
.
7
8
1
8
0
.
6
3
5
7
0
.
2
4
2
8
0
.
0
2
3
5
0
.
8
4
2
8
0
.
7
3
3
7
0
.
2
8
0
5
0
.
0
1
9
6
0
.
8
8
0
5
0
.
7
9
4
8
0
.
3
6
8
7
0
.
0
0
5
7
0
.
9
6
8
7
0
.
9
4
4
0
0
.
3
6
8
7
0
.
0
0
5
7
0
.
9
6
8
7
0
.
9
4
4
0
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
4
5
0
.
0
0
3
8
0
.
6
1
4
5
0
.
3
8
1
4
0
.
0
1
3
0
0
.
0
0
3
1
0
.
6
1
3
0
0
.
3
7
8
9
0
.
0
1
5
3
0
.
0
0
3
2
0
.
6
1
5
3
0
.
3
8
1
9
0
.
0
1
9
5
0
.
0
0
4
4
0
.
6
1
9
5
0
.
3
8
8
1
0
.
0
6
0
2
0
.
0
1
2
0
0
.
6
6
0
2
0
.
4
4
7
9
0
.
0
6
0
2
0
.
0
1
2
0
0
.
6
6
0
2
0
.
4
4
7
9
T
a
b
e
l
a

4
.
3
.
1
5
E
s
t
i
m
a
d
o
r
d
=
-
0
.6
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
0
0
.0
0
0
.2
0
0
.4
0
0
.6
0
0
.8
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
6
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
6
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
235
d
=
-
0
.
6
0
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
5
4
7
4
0
.
0
3
7
5
0
.
1
5
2
6
0
.
0
6
0
8
-
0
.
5
2
1
2
0
.
0
1
5
4
0
.
1
7
8
8
0
.
0
4
7
4
-
0
.
5
1
2
9
0
.
0
0
9
3
0
.
1
8
7
1
0
.
0
4
4
3
-
0
.
5
0
9
5
0
.
0
0
7
0
0
.
1
9
0
5
0
.
0
4
3
3
-
0
.
5
0
0
5
0
.
0
0
3
2
0
.
1
9
9
5
0
.
0
4
3
0
-
0
.
5
0
0
5
0
.
0
0
3
2
0
.
1
9
9
5
0
.
0
4
3
0
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
5
4
7
0
.
1
3
3
9
0
.
4
4
5
3
0
.
3
3
2
2
-
0
.
2
3
9
9
0
.
0
4
5
8
0
.
4
6
0
1
0
.
2
5
7
5
-
0
.
2
5
5
1
0
.
0
2
6
7
0
.
4
4
4
9
0
.
2
2
4
6
-
0
.
2
6
7
3
0
.
0
1
9
7
0
.
4
3
2
7
0
.
2
0
6
9
-
0
.
2
9
5
2
0
.
0
0
8
3
0
.
4
0
4
8
0
.
1
7
2
2
-
0
.
2
9
5
2
0
.
0
0
8
3
0
.
4
0
4
8
0
.
1
7
2
2
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
3
8
2
7
0
.
0
3
8
8
0
.
3
1
7
3
0
.
1
3
9
5
-
0
.
3
9
6
7
0
.
0
1
5
8
0
.
3
0
3
3
0
.
1
0
7
8
-
0
.
4
1
0
5
0
.
0
0
9
6
0
.
2
8
9
5
0
.
0
9
3
4
-
0
.
4
1
5
2
0
.
0
0
7
1
0
.
2
8
4
8
0
.
0
8
8
2
-
0
.
4
3
5
9
0
.
0
0
3
3
0
.
2
6
4
1
0
.
0
7
3
0
-
0
.
4
3
5
9
0
.
0
0
3
3
0
.
2
6
4
1
0
.
0
7
3
0
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
4
6
3
9
0
.
0
0
4
7
0
.
2
3
6
1
0
.
0
6
0
5
-
0
.
4
6
4
5
0
.
0
0
2
2
0
.
2
3
5
5
0
.
0
5
7
7
-
0
.
4
7
0
8
0
.
0
0
1
6
0
.
2
2
9
2
0
.
0
5
4
2
-
0
.
4
6
7
0
0
.
0
0
1
1
0
.
2
3
3
0
0
.
0
5
5
4
-
0
.
4
6
6
3
0
.
0
0
0
4
0
.
2
3
3
7
0
.
0
5
5
1
-
0
.
4
6
6
3
0
.
0
0
0
4
0
.
2
3
3
7
0
.
0
5
5
1
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
3
5
9
0
0
.
0
0
2
0
0
.
3
4
1
0
0
.
1
1
8
3
-
0
.
3
8
1
3
0
.
0
0
0
7
0
.
3
1
8
7
0
.
1
0
2
2
-
0
.
3
9
2
7
0
.
0
0
0
4
0
.
3
0
7
3
0
.
0
9
4
8
-
0
.
3
9
8
7
0
.
0
0
0
3
0
.
3
0
1
3
0
.
0
9
1
0
-
0
.
4
1
6
2
0
.
0
0
0
1
0
.
2
8
3
8
0
.
0
8
0
6
-
0
.
4
1
6
2
0
.
0
0
0
1
0
.
2
8
3
8
0
.
0
8
0
6
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
3
6
8
0
.
0
1
8
2
0
.
5
6
3
2
0
.
3
3
5
4
-
0
.
1
8
3
2
0
.
0
0
8
5
0
.
5
1
6
8
0
.
2
7
5
5
-
0
.
2
0
3
6
0
.
0
0
6
0
0
.
4
9
6
4
0
.
2
5
2
4
-
0
.
2
1
2
9
0
.
0
0
5
1
0
.
4
8
7
1
0
.
2
4
2
4
-
0
.
2
4
8
1
0
.
0
0
2
8
0
.
4
5
1
9
0
.
2
0
6
9
-
0
.
2
4
8
1
0
.
0
0
2
8
0
.
4
5
1
9
0
.
2
0
6
9
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
7
8
7
8
0
.
1
9
3
2
-
0
.
0
8
7
8
0
.
2
0
0
9
-
0
.
7
3
5
7
0
.
0
6
7
4
-
0
.
0
3
5
7
0
.
0
6
8
7
-
0
.
7
1
3
1
0
.
0
3
5
5
-
0
.
0
1
3
1
0
.
0
3
5
6
-
0
.
7
1
3
9
0
.
0
2
5
0
-
0
.
0
1
3
9
0
.
0
2
5
2
-
0
.
6
9
1
0
0
.
0
0
8
6
0
.
0
0
9
0
0
.
0
0
8
7
-
0
.
6
9
1
0
0
.
0
0
8
6
0
.
0
0
9
0
0
.
0
0
8
7
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
6
8
2
3
0
.
0
3
9
1
0
.
0
1
7
7
0
.
0
3
9
4
-
0
.
7
1
0
8
0
.
0
1
4
9
-
0
.
0
1
0
8
0
.
0
1
5
0
-
0
.
7
2
3
8
0
.
0
0
9
2
-
0
.
0
2
3
8
0
.
0
0
9
7
-
0
.
7
2
5
7
0
.
0
0
5
8
-
0
.
0
2
5
7
0
.
0
0
6
4
-
0
.
7
3
5
1
0
.
0
0
2
6
-
0
.
0
3
5
1
0
.
0
0
3
8
-
0
.
7
3
5
1
0
.
0
0
2
6
-
0
.
0
3
5
1
0
.
0
0
3
8
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
5
2
2
9
0
.
0
0
8
8
0
.
1
7
7
1
0
.
0
4
0
1
-
0
.
5
3
1
5
0
.
0
0
3
8
0
.
1
6
8
5
0
.
0
3
2
2
-
0
.
5
3
8
0
0
.
0
0
2
6
0
.
1
6
2
0
0
.
0
2
8
9
-
0
.
5
4
0
5
0
.
0
0
1
8
0
.
1
5
9
5
0
.
0
2
7
3
-
0
.
5
5
0
8
0
.
0
0
0
8
0
.
1
4
9
2
0
.
0
2
3
0
-
0
.
5
5
0
8
0
.
0
0
0
8
0
.
1
4
9
2
0
.
0
2
3
0
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
4
2
3
3
0
.
0
0
8
0
0
.
2
7
6
7
0
.
0
8
4
5
-
0
.
4
8
7
5
0
.
0
0
3
9
0
.
2
1
2
5
0
.
0
4
9
1
-
0
.
5
0
8
4
0
.
0
0
2
7
0
.
1
9
1
6
0
.
0
3
9
4
-
0
.
5
1
4
6
0
.
0
0
1
7
0
.
1
8
5
4
0
.
0
3
6
1
-
0
.
5
3
3
1
0
.
0
0
0
7
0
.
1
6
6
9
0
.
0
2
8
5
-
0
.
5
3
3
1
0
.
0
0
0
7
0
.
1
6
6
9
0
.
0
2
8
5
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
3
8
8
8
0
.
0
2
2
8
0
.
3
1
1
2
0
.
1
1
9
6
-
0
.
5
0
5
2
0
.
0
1
3
0
0
.
1
9
4
8
0
.
0
5
0
9
-
0
.
5
4
1
2
0
.
0
0
8
2
0
.
1
5
8
8
0
.
0
3
3
4
-
0
.
5
5
2
9
0
.
0
0
5
5
0
.
1
4
7
1
0
.
0
2
7
2
-
0
.
5
8
1
2
0
.
0
0
2
1
0
.
1
1
8
8
0
.
0
1
6
2
-
0
.
5
8
1
2
0
.
0
0
2
1
0
.
1
1
8
8
0
.
0
1
6
2
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
7
0
0
0
0
.
4
9
0
1
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
8
7
4
0
.
0
1
2
5
0
.
7
8
7
4
0
.
6
3
2
5
0
.
1
5
5
4
0
.
0
1
3
0
0
.
8
5
5
4
0
.
7
4
4
7
0
.
2
0
2
4
0
.
0
1
0
9
0
.
9
0
2
4
0
.
8
2
5
2
0
.
2
2
1
3
0
.
0
0
9
4
0
.
9
2
1
3
0
.
8
5
8
1
0
.
2
7
7
1
0
.
0
0
3
7
0
.
9
7
7
1
0
.
9
5
8
3
0
.
2
7
7
1
0
.
0
0
3
7
0
.
9
7
7
1
0
.
9
5
8
3
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
5
5
0
.
0
0
3
5
0
.
7
1
5
5
0
.
5
1
5
5
0
.
0
1
5
1
0
.
0
0
3
0
0
.
7
1
5
1
0
.
5
1
4
3
0
.
0
2
5
7
0
.
0
0
5
2
0
.
7
2
5
7
0
.
5
3
1
8
0
.
0
2
7
3
0
.
0
0
4
8
0
.
7
2
7
3
0
.
5
3
3
8
0
.
0
6
8
5
0
.
0
0
8
9
0
.
7
6
8
5
0
.
5
9
9
5
0
.
0
6
8
5
0
.
0
0
8
9
0
.
7
6
8
5
0
.
5
9
9
5
T
a
b
e
l
a

4
.
3
.
1
6
E
s
t
i
m
a
d
o
r
d
=
-
0
.7
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
0
0
.0
0
0
.2
0
0
.4
0
0
.6
0
0
.8
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
7
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
7
0
0
.0
0
0
.0
2
0
.0
4
0
.0
6
0
.0
8
0
.1
0
0
.1
2
0
.1
4
0
.1
6
0
.1
8
0
.2
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
7
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
236
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
5
6
4
1
0
.
0
3
5
7
0
.
2
3
5
9
0
.
0
9
1
4
-
0
.
5
3
5
9
0
.
0
1
3
1
0
.
2
6
4
1
0
.
0
8
2
9
-
0
.
5
3
0
2
0
.
0
0
9
5
0
.
2
6
9
8
0
.
0
8
2
2
-
0
.
5
2
6
1
0
.
0
0
6
4
0
.
2
7
3
9
0
.
0
8
1
5
-
0
.
5
1
5
6
0
.
0
0
3
3
0
.
2
8
4
4
0
.
0
8
4
1
-
0
.
5
1
5
6
0
.
0
0
3
3
0
.
2
8
4
4
0
.
0
8
4
1
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
6
0
2
0
.
1
2
9
4
0
.
5
3
9
8
0
.
4
2
0
8
-
0
.
2
5
9
5
0
.
0
4
5
3
0
.
5
4
0
5
0
.
3
3
7
4
-
0
.
2
8
5
5
0
.
0
2
7
3
0
.
5
1
4
5
0
.
2
9
2
0
-
0
.
2
8
1
2
0
.
0
1
8
8
0
.
5
1
8
8
0
.
2
8
7
9
-
0
.
3
1
3
8
0
.
0
0
7
8
0
.
4
8
6
2
0
.
2
4
4
1
-
0
.
3
1
3
8
0
.
0
0
7
8
0
.
4
8
6
2
0
.
2
4
4
1
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
3
9
8
6
0
.
0
3
6
8
0
.
4
0
1
4
0
.
1
9
7
9
-
0
.
4
1
2
1
0
.
0
1
3
2
0
.
3
8
7
9
0
.
1
6
3
7
-
0
.
4
2
7
9
0
.
0
0
9
7
0
.
3
7
2
1
0
.
1
4
8
2
-
0
.
4
3
2
2
0
.
0
0
6
6
0
.
3
6
7
8
0
.
1
4
1
9
-
0
.
4
5
1
1
0
.
0
0
3
4
0
.
3
4
8
9
0
.
1
2
5
1
-
0
.
4
5
1
1
0
.
0
0
3
4
0
.
3
4
8
9
0
.
1
2
5
1
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
4
9
0
5
0
.
0
0
3
8
0
.
3
0
9
5
0
.
0
9
9
6
-
0
.
4
8
8
4
0
.
0
0
1
9
0
.
3
1
1
6
0
.
0
9
9
0
-
0
.
4
8
8
2
0
.
0
0
1
3
0
.
3
1
1
8
0
.
0
9
8
5
-
0
.
4
8
9
9
0
.
0
0
0
9
0
.
3
1
0
1
0
.
0
9
7
1
-
0
.
4
8
5
5
0
.
0
0
0
4
0
.
3
1
4
5
0
.
0
9
9
3
-
0
.
4
8
5
5
0
.
0
0
0
4
0
.
3
1
4
5
0
.
0
9
9
3
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
3
9
2
9
0
.
0
0
1
5
0
.
4
0
7
1
0
.
1
6
7
2
-
0
.
4
1
3
1
0
.
0
0
0
5
0
.
3
8
6
9
0
.
1
5
0
2
-
0
.
4
2
3
6
0
.
0
0
0
2
0
.
3
7
6
4
0
.
1
4
1
9
-
0
.
4
3
0
3
0
.
0
0
0
2
0
.
3
6
9
7
0
.
1
3
6
8
-
0
.
4
4
3
7
0
.
0
0
0
0
0
.
3
5
6
3
0
.
1
2
7
0
-
0
.
4
4
3
7
0
.
0
0
0
0
0
.
3
5
6
3
0
.
1
2
7
0
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
7
6
2
0
.
0
1
7
0
0
.
6
2
3
8
0
.
4
0
6
2
-
0
.
2
0
8
0
0
.
0
0
8
4
0
.
5
9
2
0
0
.
3
5
8
8
-
0
.
2
3
0
7
0
.
0
0
5
5
0
.
5
6
9
3
0
.
3
2
9
6
-
0
.
2
4
5
8
0
.
0
0
4
7
0
.
5
5
4
2
0
.
3
1
1
8
-
0
.
2
7
5
4
0
.
0
0
2
5
0
.
5
2
4
6
0
.
2
7
7
8
-
0
.
2
7
5
4
0
.
0
0
2
5
0
.
5
2
4
6
0
.
2
7
7
8
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
8
4
4
9
0
.
2
2
0
7
-
0
.
0
4
4
9
0
.
2
2
2
7
-
0
.
7
8
5
5
0
.
0
7
4
5
0
.
0
1
4
5
0
.
0
7
4
7
-
0
.
7
8
5
9
0
.
0
4
3
3
0
.
0
1
4
1
0
.
0
4
3
5
-
0
.
7
6
7
6
0
.
0
3
1
3
0
.
0
3
2
4
0
.
0
3
2
4
-
0
.
7
6
5
2
0
.
0
1
2
0
0
.
0
3
4
8
0
.
0
1
3
2
-
0
.
7
6
5
2
0
.
0
1
2
0
0
.
0
3
4
8
0
.
0
1
3
2
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
7
9
3
3
0
.
0
3
6
8
0
.
0
0
6
7
0
.
0
3
6
8
-
0
.
8
0
6
4
0
.
0
1
7
8
-
0
.
0
0
6
4
0
.
0
1
7
8
-
0
.
8
1
5
2
0
.
0
0
9
3
-
0
.
0
1
5
2
0
.
0
0
9
6
-
0
.
8
1
9
7
0
.
0
0
7
2
-
0
.
0
1
9
7
0
.
0
0
7
6
-
0
.
8
2
4
4
0
.
0
0
3
8
-
0
.
0
2
4
4
0
.
0
0
4
4
-
0
.
8
2
4
4
0
.
0
0
3
8
-
0
.
0
2
4
4
0
.
0
0
4
4
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
6
1
4
1
0
.
0
0
9
5
0
.
1
8
5
9
0
.
0
4
4
0
-
0
.
6
2
2
0
0
.
0
0
4
6
0
.
1
7
8
0
0
.
0
3
6
3
-
0
.
6
3
3
4
0
.
0
0
3
2
0
.
1
6
6
6
0
.
0
3
1
0
-
0
.
6
3
5
6
0
.
0
0
2
5
0
.
1
6
4
4
0
.
0
2
9
5
-
0
.
6
4
7
1
0
.
0
0
1
2
0
.
1
5
2
9
0
.
0
2
4
5
-
0
.
6
4
7
1
0
.
0
0
1
2
0
.
1
5
2
9
0
.
0
2
4
5
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
4
8
4
7
0
.
0
0
8
3
0
.
3
1
5
3
0
.
1
0
7
7
-
0
.
5
5
6
3
0
.
0
0
3
7
0
.
2
4
3
7
0
.
0
6
3
1
-
0
.
5
8
1
3
0
.
0
0
2
5
0
.
2
1
8
7
0
.
0
5
0
4
-
0
.
5
9
0
4
0
.
0
0
1
8
0
.
2
0
9
6
0
.
0
4
5
7
-
0
.
6
1
1
9
0
.
0
0
0
6
0
.
1
8
8
1
0
.
0
3
6
0
-
0
.
6
1
1
9
0
.
0
0
0
6
0
.
1
8
8
1
0
.
0
3
6
0
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
4
3
6
3
0
.
0
2
4
3
0
.
3
6
3
7
0
.
1
5
6
6
-
0
.
5
6
7
3
0
.
0
1
1
7
0
.
2
3
2
7
0
.
0
6
5
8
-
0
.
6
0
7
3
0
.
0
0
7
4
0
.
1
9
2
7
0
.
0
4
4
5
-
0
.
6
2
2
6
0
.
0
0
5
6
0
.
1
7
7
4
0
.
0
3
7
1
-
0
.
6
5
8
2
0
.
0
0
1
8
0
.
1
4
1
8
0
.
0
2
1
9
-
0
.
6
5
8
2
0
.
0
0
1
8
0
.
1
4
1
8
0
.
0
2
1
9
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
8
0
0
0
0
.
6
4
0
1
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
5
6
8
0
.
0
0
7
4
0
.
8
5
6
8
0
.
7
4
1
6
0
.
0
9
6
4
0
.
0
0
7
5
0
.
8
9
6
4
0
.
8
1
0
9
0
.
1
1
6
4
0
.
0
0
6
2
0
.
9
1
6
4
0
.
8
4
5
9
0
.
1
3
1
8
0
.
0
0
5
2
0
.
9
3
1
8
0
.
8
7
3
5
0
.
1
7
2
1
0
.
0
0
2
5
0
.
9
7
2
1
0
.
9
4
7
4
0
.
1
7
2
1
0
.
0
0
2
5
0
.
9
7
2
1
0
.
9
4
7
4
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
7
2
0
.
0
0
3
7
0
.
8
1
7
2
0
.
6
7
1
5
0
.
0
2
0
3
0
.
0
0
4
0
0
.
8
2
0
3
0
.
6
7
6
9
0
.
0
2
1
1
0
.
0
0
3
4
0
.
8
2
1
1
0
.
6
7
7
6
0
.
0
2
1
3
0
.
0
0
2
9
0
.
8
2
1
3
0
.
6
7
7
4
0
.
0
4
1
5
0
.
0
0
3
8
0
.
8
4
1
5
0
.
7
1
2
0
0
.
0
4
1
5
0
.
0
0
3
8
0
.
8
4
1
5
0
.
7
1
2
0
T
a
b
e
l
a

4
.
3
.
1
7
E
s
t
i
m
a
d
o
r
d
=
-
0
.8
0
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.2
0
0
.0
0
0
.2
0
0
.4
0
0
.6
0
0
.8
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
8
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
8
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
8
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
237
V
. A
g
r
e
g
a
d
a
V
A
-
0
.
5
6
9
0
0
.
0
3
3
0
0
.
3
3
1
0
0
.
1
4
2
6
-
0
.
5
5
5
2
0
.
0
1
3
7
0
.
3
4
4
8
0
.
1
3
2
5
-
0
.
5
4
0
2
0
.
0
0
8
3
0
.
3
5
9
8
0
.
1
3
7
7
-
0
.
5
4
0
1
0
.
0
0
6
8
0
.
3
5
9
9
0
.
1
3
6
4
-
0
.
5
2
3
8
0
.
0
0
3
1
0
.
3
7
6
2
0
.
1
4
4
6
-
0
.
5
2
3
8
0
.
0
0
3
1
0
.
3
7
6
2
0
.
1
4
4
6
V
. A
. D
if
e
r
e
n
c
ia
d
a
V
A
D
-
0
.
2
7
0
9
0
.
1
3
4
1
0
.
6
2
9
1
0
.
5
2
9
9
-
0
.
2
8
4
8
0
.
0
4
5
7
0
.
6
1
5
2
0
.
4
2
4
1
-
0
.
2
8
8
3
0
.
0
2
3
7
0
.
6
1
1
7
0
.
3
9
7
8
-
0
.
2
9
5
3
0
.
0
2
0
0
0
.
6
0
4
7
0
.
3
8
5
7
-
0
.
3
2
0
4
0
.
0
0
7
7
0
.
5
7
9
6
0
.
3
4
3
7
-
0
.
3
2
0
4
0
.
0
0
7
7
0
.
5
7
9
6
0
.
3
4
3
7
V
a
l. A
b
s
. A
g
r
e
g
a
d
o
V
A
A
-
0
.
4
0
4
5
0
.
0
3
4
4
0
.
4
9
5
5
0
.
2
7
9
9
-
0
.
4
3
0
6
0
.
0
1
3
9
0
.
4
6
9
4
0
.
2
3
4
2
-
0
.
4
3
8
0
0
.
0
0
8
5
0
.
4
6
2
0
0
.
2
2
1
9
-
0
.
4
4
6
1
0
.
0
0
6
9
0
.
4
5
3
9
0
.
2
1
3
0
-
0
.
4
5
9
3
0
.
0
0
3
2
0
.
4
4
0
7
0
.
1
9
7
4
-
0
.
4
5
9
3
0
.
0
0
3
2
0
.
4
4
0
7
0
.
1
9
7
4
D
im
. F
r
a
c
t
a
l
D
F
-
0
.
5
0
4
7
0
.
0
0
3
8
0
.
3
9
5
3
0
.
1
6
0
0
-
0
.
5
0
5
6
0
.
0
0
1
8
0
.
3
9
4
4
0
.
1
5
7
3
-
0
.
5
0
1
6
0
.
0
0
1
1
0
.
3
9
8
4
0
.
1
5
9
9
-
0
.
5
0
2
8
0
.
0
0
0
8
0
.
3
9
7
2
0
.
1
5
8
6
-
0
.
4
9
8
0
0
.
0
0
0
3
0
.
4
0
2
0
0
.
1
6
2
0
-
0
.
4
9
8
0
0
.
0
0
0
3
0
.
4
0
2
0
0
.
1
6
2
0
V
a
r
. R
e
s
d
u
o
s
V
R
-
0
.
4
2
0
5
0
.
0
0
1
0
0
.
4
7
9
5
0
.
2
3
0
8
-
0
.
4
4
0
7
0
.
0
0
0
3
0
.
4
5
9
3
0
.
2
1
1
3
-
0
.
4
4
8
0
0
.
0
0
0
1
0
.
4
5
2
0
0
.
2
0
4
5
-
0
.
4
5
3
9
0
.
0
0
0
1
0
.
4
4
6
1
0
.
1
9
9
1
-
0
.
4
6
4
3
0
.
0
0
0
0
0
.
4
3
5
7
0
.
1
8
9
8
-
0
.
4
6
4
3
0
.
0
0
0
0
0
.
4
3
5
7
0
.
1
8
9
8
R
e
s
c
a
le
d
R
a
n
g
e
R
/
S
-
0
.
1
9
6
0
0
.
0
1
5
9
0
.
7
0
4
0
0
.
5
1
1
5
-
0
.
2
3
7
3
0
.
0
0
7
7
0
.
6
6
2
7
0
.
4
4
6
8
-
0
.
2
5
4
0
0
.
0
0
4
8
0
.
6
4
6
0
0
.
4
2
2
1
-
0
.
2
6
7
2
0
.
0
0
4
3
0
.
6
3
2
8
0
.
4
0
4
8
-
0
.
2
9
7
0
0
.
0
0
2
4
0
.
6
0
3
0
0
.
3
6
6
0
-
0
.
2
9
7
0
0
.
0
0
2
4
0
.
6
0
3
0
0
.
3
6
6
0
P
e
r
io
d
o
g
r
a
m
a
P
E
R
-
0
.
8
9
3
8
0
.
2
0
5
4
0
.
0
0
6
2
0
.
2
0
5
5
-
0
.
8
5
1
0
0
.
0
7
9
6
0
.
0
4
9
0
0
.
0
8
2
0
-
0
.
8
2
9
3
0
.
0
5
9
6
0
.
0
7
0
7
0
.
0
6
4
6
-
0
.
8
3
3
7
0
.
0
4
2
0
0
.
0
6
6
3
0
.
0
4
6
4
-
0
.
8
2
9
7
0
.
0
1
7
1
0
.
0
7
0
3
0
.
0
2
2
1
-
0
.
8
2
9
7
0
.
0
1
7
1
0
.
0
7
0
3
0
.
0
2
2
1
P
e
r
. S
u
a
v
iz
a
d
o
M
P
-
0
.
8
9
1
6
0
.
0
4
1
3
0
.
0
0
8
4
0
.
0
4
1
4
-
0
.
9
0
7
5
0
.
0
1
6
2
-
0
.
0
0
7
5
0
.
0
1
6
2
-
0
.
9
1
4
1
0
.
0
1
1
8
-
0
.
0
1
4
1
0
.
0
1
2
0
-
0
.
9
1
5
1
0
.
0
0
8
7
-
0
.
0
1
5
1
0
.
0
0
8
9
-
0
.
9
1
0
2
0
.
0
0
5
5
-
0
.
0
1
0
2
0
.
0
0
5
6
-
0
.
9
1
0
2
0
.
0
0
5
5
-
0
.
0
1
0
2
0
.
0
0
5
6
W
h
it
t
le
L
o
c
a
l
W
H
L
-
0
.
6
9
7
4
0
.
0
1
0
4
0
.
2
0
2
6
0
.
0
5
1
4
-
0
.
7
1
6
9
0
.
0
0
5
8
0
.
1
8
3
1
0
.
0
3
9
3
-
0
.
7
2
1
1
0
.
0
0
4
9
0
.
1
7
8
9
0
.
0
3
6
9
-
0
.
7
2
8
0
0
.
0
0
3
6
0
.
1
7
2
0
0
.
0
3
3
2
-
0
.
7
3
9
9
0
.
0
0
2
1
0
.
1
6
0
1
0
.
0
2
7
7
-
0
.
7
3
9
9
0
.
0
0
2
1
0
.
1
6
0
1
0
.
0
2
7
7
O
n
d
a
le
t
a
s
W
L
S
E
-
0
.
5
3
8
1
0
.
0
0
8
5
0
.
3
6
1
9
0
.
1
3
9
5
-
0
.
6
2
5
0
0
.
0
0
3
9
0
.
2
7
5
0
0
.
0
7
9
5
-
0
.
6
4
8
2
0
.
0
0
2
7
0
.
2
5
1
8
0
.
0
6
6
1
-
0
.
6
6
0
6
0
.
0
0
1
8
0
.
2
3
9
4
0
.
0
5
9
1
-
0
.
6
8
5
7
0
.
0
0
0
6
0
.
2
1
4
3
0
.
0
4
6
5
-
0
.
6
8
5
7
0
.
0
0
0
6
0
.
2
1
4
3
0
.
0
4
6
5
O
n
d
a
le
t
a
s
P
o
n
d
.
W
W
L
S
E
-
0
.
4
7
3
9
0
.
0
2
4
4
0
.
4
2
6
1
0
.
2
0
6
0
-
0
.
6
2
6
0
0
.
0
1
1
5
0
.
2
7
4
0
0
.
0
8
6
6
-
0
.
6
6
5
8
0
.
0
0
7
7
0
.
2
3
4
2
0
.
0
6
2
5
-
0
.
6
8
5
8
0
.
0
0
5
4
0
.
2
1
4
2
0
.
0
5
1
3
-
0
.
7
2
8
0
0
.
0
0
1
6
0
.
1
7
2
0
0
.
0
3
1
2
-
0
.
7
2
8
0
0
.
0
0
1
6
0
.
1
7
2
0
0
.
0
3
1
2
A
R
F
I
M
A
(
0
,d
,0
)
(
0
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
A
R
F
I
M
A
(
1
,d
,0
)
(
1
,
d
,
0
)
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
0
.
0
0
0
0
0
.
0
0
0
0
0
.
9
0
0
0
0
.
8
1
0
1
A
R
F
I
M
A
(
0
,d
,1
)
(
0
,
d
,
1
)
0
.
0
2
9
8
0
.
0
0
3
6
0
.
9
2
9
8
0
.
8
6
8
1
0
.
0
3
4
3
0
.
0
0
2
8
0
.
9
3
4
3
0
.
8
7
5
6
0
.
0
3
8
7
0
.
0
0
2
6
0
.
9
3
8
7
0
.
8
8
3
7
0
.
0
4
5
2
0
.
0
0
2
2
0
.
9
4
5
2
0
.
8
9
5
6
0
.
0
6
7
5
0
.
0
0
1
6
0
.
9
6
7
5
0
.
9
3
7
6
0
.
0
6
7
5
0
.
0
0
1
6
0
.
9
6
7
5
0
.
9
3
7
6
A
R
F
I
M
A
(
1
,d
,1
)
(
1
,
d
,
1
)
0
.
0
1
7
6
0
.
0
0
3
3
0
.
9
1
7
6
0
.
8
4
5
2
0
.
0
1
4
9
0
.
0
0
2
5
0
.
9
1
4
9
0
.
8
3
9
6
0
.
0
1
3
2
0
.
0
0
1
9
0
.
9
1
3
2
0
.
8
3
5
7
0
.
0
1
3
5
0
.
0
0
1
5
0
.
9
1
3
5
0
.
8
3
6
0
0
.
0
1
7
1
0
.
0
0
1
2
0
.
9
1
7
1
0
.
8
4
2
2
0
.
0
1
7
1
0
.
0
0
1
2
0
.
9
1
7
1
0
.
8
4
2
2
T
a
b
e
l
a

4
.
3
.
1
8
E
s
t
i
m
a
d
o
r
d
=
-
0
.9
N
=
5
0
0
N
=
1
0
0
0
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
-
0
.1
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
i
s

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
9
0
0
.0
0
0
.1
0
0
.2
0
0
.3
0
0
.4
0
0
.5
0
0
.6
0
0
.7
0
0
.8
0
0
.9
0
1
.0
0
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
E
r
r
o

Q
u
a
d
r
t
i
c
o

M
d
i
o

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
9
0
0
.0
0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
V
A
V
A
D
V
A
A
D
F
V
R
R
/S
P
E
R
M
P
W
H
L
W
L
S
E
W
W
L
S
E
(0
,d
,0
)
(1
,d
,0
)
(0
,d
,1
)
(1
,d
,1
)
N
=
1
0
0
N
=
2
0
0
N
=
3
0
0
N
=
4
0
0
N
=
5
0
0
N
=
1
0
0
0
V
a
r
i
n
c
i
a

d
o
s

E
s
t
i
m
a
d
o
r
e
s
d
=
-
0
.
9
0
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
{
}
E
d
{
}
V
a
r
d
{
}
B
d
{
}
E
Q
M
d
238

T Ese Guilherme

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

T Ese Guilherme

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DE SO PAULO

FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

- Maior Valor Inteiro

Z de sries econmicas sejam possveis, elas so

= < < (3.51)

= , ento (3.51) ir comportar-se na

=, se 0 d . O processo Rudo Branco Fracionrio visto na Definio 3

= < < , para expressar a equao da

. Ento, tomando-se 0 = em (3.40), pode-se escrever:

= . Explicam os autores que:

que sobrepem os efeitos da memria longa (e

d , a srie residual reamostrada M vezes com reposio,

Razes do Polinmio: AR(1.006133, 8.544289); MA(1.123064)

-354.55 8.2232 (0.7675) 7.4340 (0.8277) 13.8767 (0.8367) -

Razes do Polinmio AR: (1.192055 1.370715 1.370715 1.192055 1.260472 1.260472)

Razes do Polinmio: (1.1888, 1.1429, 1.1429, 1.0677, 1.1024, 1.1888)

Baseado na no observao de autocorrelaes significantes na FAC do VEC de ordem (p-1)

Você também pode gostar