Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
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.
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.
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)
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.
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.
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
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%
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.
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)
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.
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.