UNIVERSIDADE FEDERAL DO CEAR

FACULDADE DE ECONOMIA, ADMINISTRAO, ATURIAS, CONTABILIDADE E

SECRETARIADO EXECUTIVO
CURSO DE CINCIAS ECONMICAS - NOTURNO

DISCIPLINA DE ECONOMETRIA DE SRIES TEMPORAIS

PROF. ROBERTO TATIWA FERREIRA

DISCENTE: WALACY MACIEL DE OLIVEIRA 354585

ANLISE EMPRICA DE MODELOS ARMA

SRIE 31 2016.2

FORTALEZA, 13 DE OUTUBRO DE 2016

1. Faa
aa um grfico de sua evoluo temporal e responda: a srie tem tendncia? Sazonalidade? Justifique sua
resposta.

Por meio da anlise da srie acima, podemos inferir que esta ssrie
rie no apresenta tendncia, tampouco
sazonalidade. Apresenta intercepto, o que mais a frente no trabalho ser importante para a boa estimao e
anlise do melhor modelo.

Podemos, ainda, proceder com uum

m teste de raiz unitria para avaliar a estacionariedade da srie. E,
conforme vemos no resultado abaixo, rejeitamos a hiptese nula de que existe pelo menos uma raiz unitria a
5%. Pois a estatstica ADF apresentou
esentou um pp-valor abaixo de 5%, ou analogamente,, o valor da estatstica
calculada ( = - 4,2396) menor que os valores crticos da estatstica a 1%, 5% e 10% de significncia.
significncia

2. Faa
aa o correlograma (FAC e FACP) da srie e diga se a srie tem alta persistncia? Sazonalidade?
Justifique sua resposta.

A partir da anlise dos resultados acima, vemos que a funo de autocorrelao parcial truncada na
primeira e segunda defasagem e parece haver um decaimento exponencial da autocorrelao.
autocorrelao Esse decaimento
indica alguma persistncia em termos dde mdia mvel. E, aqui, o que chamou a ateno foi essa mistura de
exponenciais ou ondas senoides amortecidas na FAC,, que, em princpio, acreditei ser algum efeito sazonal. No
entanto, aps testes realizados no foi detectada sazonalizade.
3. Baseado no correlograma da srie estime o modelo ARMA adequado.

Com base no correlograma da segunda questo podemos verificar a possibilidade de 11 modelos

diferentes a serem testados, quais sejam:
AR(1); AR(2)

MA(1); MA(2); MA(3)

ARMA(1,1); ARMA(1,2); ARMA(1,3)

ARMA(2,1); ARMA(2,2); ARMA(2,3)

Baseando-se
se no correlograma, pode
pode-se supor que o modelo adequado seja um AR(2),
AR(2) pois a primeira e a
segunda defasagem da FACP truncam o nvel de confiana e parece haver um decaimento exponencial na FAC.

4. Baseado em critrios de informao responda se o modelo estimado em 3 o mais adequado.

Pois bem, por meio da tabela abaixo podemos observar que o melhor modelo, ou seja, aquele que
minimiza os critrios de informao o ARMA(1,1), que apresenta os menores critrios de informao
(combinados). V-se, tambm, que o A
AR(2),
R(2), da questo anterior, no foi o mais adequado, quando nos referimos
a critrio de informao, no entanto, era um potencial candidato.
Tabela 1 Resultados
Resultados dos critrios de informao.
MODELO

AR(1)
AR(2)
MA(1)
MA(2)
MA(3)
ARMA(1,1)
ARMA(1,2)
ARMA(1,3)
ARMA(2,1)
ARMA(2,2)
ARMA(2,3)

Akaike Info Criterion (AIC)

0,764041
0,739619
0,839545
0,754462
0,764927
0,726198
0,744738
0,761435
0,744681
0,699927
0,696464

Fonte: Formulao pr
prpria com base na srie 31.

Shwarz Criterion
0,842196
0,843826
0,917700
0,858669
0,895185
0,830405
0,874997
0,917745
0,874939
0,856237
0,878826

Os resultados do Eviews podem ser encontrados no fim do trabalho, para cada modelo.

5. Baseado em critrios de estatsticos sobre o comportamento dos resduos respo

responda
nda se o modelo estimado em
3 e 4 so os mais adequados.

Os modelos estimados em 3 e 4 apresentaram resduos estimados que se comportam como rudo branco.
Ou seja, a FAC e a FACP dos resduos estimados mostram-se
se sem qualquer memria.
memria A anlise dos
correlogramas dos resduos dos modelos AR(2) e ARMA(1,1), respectivamente
respectivamente,, nos permite ver que no se
rejeita a hiptese nula de no autocorrela
autocorrelao dos resduos via FAC, FACP e Ljung-Box,, os rudos se comportam
como rudo branco.
AR(2)

ARMA(1,1)

AR(2)

ARMA(1,1)

Ao ver as estatsticas calculadas de JB, observamos o seu pp-valor, e no rejeitamos a hiptese nula do
teste no normalidade. Embora essa no rejeio seja boa, ela no implica que os erros seguem uma distribuio
normal, de forma mais certa. Ela apenas implica que o terceiro e quarto momentos da distribuio emprica
coincidem com os da normal. Desta forma, no h ccomo
omo diferenciar o melhor modelo por anlise de resduos, j
que em ambos os casos, os resduos se comportam normalmente.
6. Baseado
aseado em uma medida de Erro de Previso re
responda
sponda se o modelo estimado em 3, 4 e 5 so os mais
adequados.
Vejamos o quadro abaixo.

Tabela 2: Medidas de desempenho para avaliar a previso

previso.
MODELO

AR(1)
AR(2)
MA(1)
MA(2)
MA(3)
ARMA(1,1)
ARMA(1,2)
ARMA(1,3)
ARMA(2,1)
ARMA(2,2)
ARMA(2,3)

RMSE

0.343188
0.333198
0.357476
0.339517
0.337839
0.333495
0.333234
0.332811
0.330673
0.320070
0.316272

Fonte: Formulao prpria com base na srie 31.

MAE

0.279471
0.272325
0.281975
0.271791
0.272976
0.271734
0.271453
0.268463
0.268885
0.258455
0.251581

MAPE

7.231390%
7.028831%
7.296807%
7.005296%
7.039264%
7.017067%
7.011100%
6.930027%
6.938512%
6.668022%
6.492779%

MSE root mean square (prediction) error

error; MAE mean absolute (prediction) error; MAPE mean absolute percentual
error.
Anlise apenas para a previso esttica. Os resultados feitos no programa Eviews 9 podem ser encontrados no fim do
trabalho.

A utilizao do modelo esttico fez

fez-se
se prefervel por gerar melhores resultados, por se tratar de um
modelo que prev um passo frente usando a ltima observao do perodo anterior. Vale notar que o modelo
mod
ARMA(2,3) apresentou os menores valores de erros quadrticos,, o que o faz, em termos de previso, um modelo
melhor que os outros. O modelo parcimonioso aquele que envolve o mnimo de parmetros
parmetro possveis a serem
estimados, de forma que a incerteza re
resultante da estimao tende a ser menor. No nosso caso, este foi tido como
o modelo mais parcimonioso, pois em alguns casos a varincia de previso tende a ser menor em termos de erro
quadrtico.
7. Qual sua concluso.

Aps a anlise da srie 31, pude concluir que o modelo ARMA(1,1) apresenta um menor Critrio
Bayesiano de Schwarz (ou melhores critrios quando combinados) indicando que, em se tratando de critrio de
informao esse um melhor modelo. No entanto, em se ttratando
ratando de previso, o modelo que se destacou
apresentando menores erros quadrticos foi o ARMA(2,3), que por ser mais parcimonioso, acaba gerando
resultados
os de previso melhor ajustados aos dados da srie temporal.

RESULTADOS EXTRADOS DO PROGRAMA EVIEWS 9

EM RELAO S ESTIMAES E ANLISE DOS RESDUOS DE CADA MODELO:

AR(1)

AR(2)

MA(1)

MA(2)

MA(3)

ARMA(1,1)

ARMA(1,2)

ARMA(1,3)

ARMA(2,1)

ARMA(2,2)

ARMA(2,3)

EM RELAO AOS RESULTADOS DE PREVISO DE CADA MODELO:

AR(1)

AR(2)

MA(1)

MA(2)

MA(3)

ARMA(1,1)

ARMA(1,2)

ARMA(1,3)

ARMA(2,1)

ARMA(2,2)

ARMA(2,3)

REFERENCIAL BIBLIOGRFICO

BUENO, Rodrigo de Losso da Silveira. Econometria de Sries Temporais. 2ed. So Paulo: Cencage
Learning, 2011.
HAMILTON, James D. Time series analysis. Princeton: Princeton, 1994.

Notas de aula do professor Roberto Tatiwa Ferreira, referente ao semestre 2016.2.

Slides de aula do professor Sabino da Silva Porto Jnior da disciplina de Econometria Aplicada.
Slides de aula do professor Jorge Caiado ISEG/UTL e Cemapre.