Você está na página 1de 4

Universidade Federal Rural de Pernambuco DECON Curso de Economia

1 V. A. Econometria II
09/10/2015 Profa. Ana Paula Amazonas Soares

Leia com ateno!!


A resoluo por hora apresentada leva em considerao a matria apresentada na
apostila. claro que esta no ser imposta como resposta necessria e sim como um
indicativo de resposta. Como a nota comparativa, quem mais se aproximar da
resposta por hora apresentada, ter a maior nota.
1. (1 ponto) Explique a metodologia de suavizao exponencial simples.
Nesta metodologia a nova srie suavizada uma combinao linear apenas dos valores passados da
srie. A nova srie tem como ponto de partida o ponto inicial da srie e a partir deste ponto aplicada uma
combinao linear entre os valores atuais da srie e o valor passado da suavizao. A combinao entre os
dois dada por uma constante 0 < < 1 que define a ponderao dada ao valor presente da srie e o eu
complemento (1-A) pondera o valor passado da suavizao.
Desta forma, temos que
=
+ (1 )
onde t=2, 3, ..., T e
=
pois o ponto de partida da
suavizao o ponto inicial da srie.
Substituindo-se iterativamente os valores passados da srie at o valor mais atual da srie no tempo, tem-se
que:

=
=
=
=
=

+ (1
+ (1
+ (1
+ (1

)
)
)
)

+ (1 )

=
=
=
=

+ (1
+ (1
+ (1
+ (1

)
)
)
)

= Ay + (1 A) Ay

+ (1 )
+ (1 )
+ (1 )

=
+ (1 )
+ (1 )
+ (1 )
+ (1 )
=
+ (1 )
+ (1 )
=

+ (1 A)Ay

+ + (1 A)

+ (1 )
+ (1 )

+ (1 )

+ (1 )
+ (1 )

+ (1 )

+ (1 )

+ + (1 )

+ (1 )

+ (1 )

Observe que a suavizao uma ponderao dos valores passados que decrescem exponencialmente a uma
razo de (1-A). Da a suavizao ser chamada de Suavizao Exponencial Linear. Para realizar previses com
esta metodologia temos que o valor imediatamente posterior a estimativa da suavizao no tempo
imediatamente anterior que leva em considerao todos os valores passados da srie = .
2. (1 ponto) Prove que o passeio aleatrio no estacionrio considerando que o erro normalmente
distribudo com mdia zero, varincia
e covarincia nula.
Este clssico processo no estacionrio chamado de Passeio Aleatrio. Este tem as seguintes
caractersticas: (i) h um ponto inicial, ou seja, partimos sempre de um local; (ii) a distncia entre um ponto
no caminho e outro ponto constante, ou seja, a varincia entre dois pontos consecutivos no tempo
constante; e (iii) A direo de um ponto no caminho para o prximo escolhido aleatoriamente, e nenhuma
direo mais provvel do que outra, ou seja, podemos ir em qualquer direo, todas tem a mesma chance
de acontecer. Em termos genricos, seria traar um caminho no qual necessitamos estar em um ponto inicial,
e prximo passo que vamos dar pode ser em qualquer direo e o passo que damos no pode ser maior nem
menor que nossa passada, temos que manter a passada constante.
Formalmente, o modelo a ser estimado ter apenas o ltimo passo como referncia (modelos
autorregressivos), onde o passeio aleatrio em que a determinao de hoje funo exata do que aconteceu
ontem mais um erro do tipo rudo branco. Ou seja, =
+ , no qual o erro iid e suas caractersticas
so: ( ) = = 0, !"#( ) = !"#( % ) = e &'(( , % ) = 0, > 0
O primeiro passo substituir iterativamente suas observaes passadas at o ponto inicial ( , ), desta feita,
encontramos que o termo atual funo de todos os erros passados mais o ponto inicial. Da seguinte forma:
=
+ , porm
=
+
=
+
+ , recursivamente
=
+
=
+
+
+ , da mesma forma
=
+
e assim por diante at que:
/
= , + + + + . Ou em termos de somatrio: = .0 . + ,
Para garantir que a srie seja estacionria necessrio que suas caractersticas, tais como mdia e varincia
sejam constantes ao longo do tempo bem como a covarincia entre 2 observaes dependa apenas da
distncia (s) entre elas. Supondo que a primeira observao nula (por simplicidade), e utilizando-se do
recurso acima, no qual a srie pode ser representada pela soma de todos os erros passados, pode-se provar
que sua mdia constante e nula porque a esperana da soma dos erros a soma das esperanas, e cada
esperana do erro nula e, portanto, a mdia constante e igual a zero ( ) = (.0 . ) = ( ) + +
( )=0

A varincia da srie ser, ento, a esperana da soma de todos os erros elevada ao quadrado, da seguinte
maneira:
!"#( ) = ( + + + ) = ( + + + )( + + + ) = ( +
+ +
).
O que significa que existem termos desta esperana em que os erros do mesmo tempo esto ao quadrado e
vrios termos em que temos multiplicaes de erros em tempos distintos, como pode ser visto abaixo:
)++ (
)+ (
)+ ( )++ (
)+ ( )
!"#( ) = ( ) + (
Como os erros so independentes e identicamente distribudos (iid) e so rudo branco, ou seja, a covarincia
para tempos distintos nula (&'(( , % ) = (
% ) = 0, > 0) e sua varincia comum a todos os
tempos (!"#( ) = !"#( % ) = ). Ento, a varincia da srie ser a soma das esperanas dos termos de
erros quadrados (que so de mesmo tempo) e que representam a varincia do erro. Tal soma dever ser igual
soma do nmero de vezes em que a varincia ocorre. O que implica que a varincia do PE igual ao
nmero de vezes que a varincia do erro ocorre, ou seja, quantas vezes (nmero de observaes)
multiplicado pela varincia do erro:
!"#( ) =
+ 0 + + 0 +
+ + 0 +
=1
Como se pode observar, a varincia da srie depende do nmero t de observaes, portanto, no constante,
a disperso ir depender da longevidade da srie.
Para calcular a covarincia entre dois pontos da srie, necessrio realizar a esperana entre os dois pontos,
e esta dever depender apenas da distncia entre estes dois pontos.
( )( % ) substituindo, tem-se:
&'(( ,
% ) = 2(3) =
%
(.0 . , .0 . ) = ( + + + 5 + )( + + +
%)
%
( ++
= 6.0 . + 17#8'3 .9 ':;7 < >? +
%)
Por fim, &'(( ,
% ) = 2(3) = (t s)
3. (1 ponto) Considerando que uma srie determinstica foi estimada atravs da metodologia de Winter,
qual seria a frmula para determinar a suavizao no tempo t+1?
Inicialmente o aluno deve apresentar a metodologia, pois nela que esto as bases para definir o prximo
passo. Ento, abaixo est a metodologia.
A obteno da suavizao nesta metodologia prev que a srie apresenta, alm da tendncia, sazonalidade,
ou seja, a srie demonstra um processo repetitivo ao longo de um determinado intervalo de tempo
(amplitude L). Esta amplitude deve indicar quantas observaes devem compor a base de referncia para
que o movimento esteja se repetindo, porque as estimativas da suavizao s podem ser estimadas aps uma
amplitude inteira. Portanto, sua ordem : = C + 1, da mesma forma que a ltima ser de ordem : = 1, ou
seja, sero perdidas L observaes. Por exemplo, se a srie apresenta uma amplitude de um ano, ou seja,
doze meses, doze observaes sero perdidas.
As equaes que determinam a suavizao e a tendncia aditiva so semelhantes ao processo de suavizao
exponencial linear simples. Entretanto, a ponderao da suavizao deve considerar no apenas a
observao atual, mas sim seu valor atual corrigido os efeitos da sazonalidade. Neste caso, a sazonalidade
considerada um processo multiplicativo e, sendo assim, descontar seus efeitos significa dividir o valor atual
pela passada ltima sazonalidade para este mesmo tempo. A sazonalidade (SE ) descrita tambm como um
processo ponderativo entre o valor atual (yE ) corrigido pela sazonalidade (FE G ) e o valor da passada ltima
suavizao e tendncia, respectivamente (SE + TDE ). Suas equaes para determinao da suavizao,
tendncia e sazonalidade so respectivamente:
y
SE = A J EKF L + (1 A)(SE + TDE ) (1)
E G

(2).
TDE = B(SE SE ) + (1 B)TDE
yE
(3)
FE = C J KS L + (1 C)FE G
E
Os pontos iniciais para as determinaes so: (i) suavizao SE = yE , (ii) tendncia TDE = 0 e (iii)
sazonalidade F = F = = FG = 1. Para realizar estimativas futuras (n+m), o que de fato, est sendo
solicitado na questo o ltimo ponto da suavizao adicionando-se a tendncia e corrigindo pela
sazonalidade: yR
E Q = (SE + mTDE )FE G Q .
4. (1 ponto) Descreva o teste de Dickey e Fuller Aumentado.
Considerando apenas as trs hipteses apresentadas abaixo, estas podem ser, em termo de equao o
seguinte:

Passeio aleatrio simples:


Passeio aleatrio com constante:
Passeio aleatrio com constante e tendncia:

=U

=X+U
=X+U

+ .0 V.
W

+ W.0 V.
+ W.0 V.

+
.
.

+ Y1 +

O teste aplicado para todos os parmetros simultaneamente, que so a constante, os coeficientes dos
termos autorregressivos e o coeficiente da tendncia. A estatstica do teste para o conjunto dos parmetros :
( [ \ [ ]\ ) (_ `)
Z. =
.
#
[ ]\
SQE a soma dos quadrados dos erros cujo sobrescrito determina se a equao restrita (r), ou seja,
retiradas as variveis em questo, ou no (nr); T o nmero de observaes teis; k nmero de parmetros
estimados; r o nmero de restries acerca dos parmetros a serem testados.
As hipteses nulas dos testes e as estatsticas do teste Z. so respectivamente:
a, : U = 0
Z
a, : U = X = 0
Z
a, : U = X = Y = 0
Z
A estatstica limite obtida na tabela F de Snedecor. A hiptese nula ser aceita para pequenos valores da
estatstica do teste:. Z. d(\,/ e,]ghi jh %.k].l.m]m.o)
5. (1 ponto) Considere as duas sries temporais exibidas no Grfico1 ao lado. Como voc diferenciaria
uma da outra no que diz respeito a escolher entre as metodologias de extrapolao simples e os mtodos
de suavizao exponencial linear. Justifique sua resposta.
Esta questo pode, aparentemente, levantar dvidas sobre qual dos grficos deveriam ser analisados.
Entretanto, este est em destaque abaixo. Ainda, se dvidas ainda perdurarem quanto referncia entre os
dois grficos apresentados, o aluno deveria apresentar uma referncia, como esquerdo e direito, 1 e 2, A e
B. Ou seja, faz parte de resoluo a compreenso e a soluo dos dilemas.
Assim, farei referncia ao primeiro/esquerdo grfico como gA e o segundo/direito com gB.
O gB apresenta nitidamente sazonalidade e tendncia, portanto, deveria se utilizar a metodologia de SEL. J
o gA apresenta tendncia e facilmente se ajustaria uma equao exponencial para melhor descrever seu
caminho, ou seja, extrapolao simples.
6. (1 ponto) Considerando a srie do Grfico 2, qual metodologia determinstica voc escolheria?
Justifique sua resposta.
Neste, a sazonalidade e a tendncia so claramente observveis. Ainda, h um nmero grande de
observaes, o que caracteriza ainda mais a sazonalidade. Portanto, no se deve utilizar a extrapolao
simples. H, claramente, uma tendncia crescente. Ainda, h uma grande queda na srie o que indica uma
quebra estrutural, mas seu crescimento no foi abalado.
O aluno poder escolher entre a Decomposio da srie se justificar a presena de ciclos econmicos, que
seriam os pequenos desvios de seu caminho de longo prazo (tendncia). Ou pode simplesmente afirmar que
a melhor metodologia a de Winter, pois apresenta tendncia e sazonalidade.
7. Considerando a mesma srie do Grfico 2, qual seria a melhor abordagem para determinar se a mesma
estacionria (1 ponto)?
Determinar se a srie estacionria quando se tem a presena de sazonalidade e tendncia no se enquadra
facilmente em um teste de raiz unitria, o mais sensato a fazer aplicar o teste para diferena entre mdiase
o teste para diferena entre varincias, tendo como referncia a srie completa e calculando a amostra com
parte dela.
Porm, o aluno deveria expor o teste de Dickey e Fuller Aumentado, j explicado na questo anterior, e
afirmar que no h sazonalidade e que a srie segue um passeio aleatrio com constante e tendncia
W
=X+U
+ .0 V. . + Y1 + . Cuja hiptese nula neste caso a de que a, : U = X = Y = 0 a
e
a
estatstica
do
teste

estatstica
limite

Z d( ,/ , %)
Z =

. qrs . A hiptese nula ser aceita para pequenos valores da estatstica do teste.

(qrst qrsut ) (/

ut

8. (1,5 ponto) Qual a varincia e qual a correlao &'##( , % ) para s=1,2 e 3, de um processo
estocstico estacionrio de mdias mveis de ordem 1, ou simplesmente um MA(1) do tipo:
= v
, onde um rudo branco?
O aluno dever apresentar os clculos para varincia e covarincia para o processo e em seguida
e que sua mdia nula,
apresentar a covarincia para s=1, 2 e 3. Considerando a srie = v
porque a esperana do erro (rudo branco) nula. A varincia dada por:
Var(y ) = (0) = E(y ) = E ( ) = E( 2 + ) =
= E( ) 2E( ) + E( ) = 2. 0 + = (1 + )
! }( ) = (1 + v )
Covarincia dada por:
( )( % ) = ( v )( % v % )
&'(( ,
%) =
= ( % v % v % + v % ) =
= ( % ) v ( % ) v ( % ) + v ( % )
Considerando que > 0, pois = 0 varincia, pode-se calcular a covarincia para:
&'(( ,
% ) + v ( % )
% ) = ( % ) v ( % ) v (

= ( ) v ( ) v ( ) + v ( )

3=1
= 000 +0

) = v
&'(( ,

&'(( ,
% ) + v ( % )
% ) = ( % ) v ( % ) v (

) = ( ) v ( ) v ( ) + v ( )
&'(( ,
=2
.
000+0

)=0

&'(( ,
v 37 = 1
= 3 tambm ser nula. Portanto, pode-se afirmar que
&'(( ,
%) =
0 37 > 1
9. (1 ponto) Considerando o consumo de combustvel em PE, Grfico 3, qual metodologia que voc
utilizaria para realizar previso e descreva sua metodologia.
O aluno pode escolher a metodologia que desejar, contanto que a descreva em detalhes. Importante lembrar
que no se observa sazonalidade, mas ela tbm pode existir, dado que a srie longeva. Que h tendncia no
final da srie e no comeo, portanto, no deve utilizar a extrapolao simples porque h uma rea com
tendncia nula que no se enquadraria bem na equao matemtica.