Econometria II

Lecture 5: Processos Integrados

Prof.: Ricardo Masini

Graduação em Economia
2o Semestre de 2017
Motivação

I Até o momento nos concentramos exclusivamente em

processos estacionários (ou tendência-estacionários)
I Hoje, e nas próximas aulas, vamos nos lidar com algumas
classes de processos não estacionários
I A grosso modo, podemos dizer que a classe de processos não
estacionários é muito mais ampla que a classe de processoes
estacionários, em particular, os processos ARMA
I Na maior parte das vezes, vamos tentar ”estacionariezar”um
processo originalmente não estacionario através de um
transformação simples
Tópicos de Hoje

Introdução

Passeio Aleatório

Raiz Unitária

Tendência Determinı́stica vs. Estocástica

Processos Não Estacionários

Talvez o processo não estacionário mais famoso seja o passeio

aleatório (random walk) com drift definido por

Yt = Yt−1 + t , t ∼ wn(0, σ 2 )
Y0 = 0

Note que é um AR(1) com φ = 1 e, portanto, não estacionário.

Passeio Aleatório com e sem Drift

Um passeio aleatório com drift é dado por

Yt = δ + Yt−1 + t

Assim, o caso (δ = 0) é chamado de passeio aleatório sem drift ou

puro.
Além disso, nada nos impede que a condição inicial seja do tipo
Y0 = c 6= 0. Portanto, um passeio aleatório na forma mais
genérica é dado por

Yt = δ + Yt−1 + t , t ≥1
Y0 = c

Podemos também ter Y0 aleatório com uma distribuição qualquer

Passeio Aleatório
60

30
Serie

−30

0 250 500 750 1000

Periodo
Representação Recursiva do Passeio Aleatório
Partindo de um perı́odo t arbitrário podemos fazer substituições
recursivas até t = 0

Yt = δ + Yt−1 + t
= δ + δ + Yt−2 + t−1 + t
= δ + δ + δ + Yt−3 + t−2 + t−1 + t
..
.
= δ + δ + · · · + δ + Y0 + 1 + · · · + t−1 + t ,

o que nós dá uma representação alternativa para o passeio aleatório

t
X
Yt = c + δt + i
i=1

e fica evidente que a influência de inovações passadas não some

com o tempo, em contraste com os processos ARMA
Momentos de um Passeio Aleatório

Usando a representação alternativa

t
X
Yt = c + δt + i
i=1

é fácil expressar os momentos do passeio aleatório

µt ≡ E(Yt ) = c + δt
γj ,t ≡ C(Yt , Yt−j ) = (t − j )σ 2 , j ≥0
r r
γj ,t t −j t −j j
ρj ,t ≡ √ =p = = 1−
γ0,t γ0,t−j t(t − j ) t t

Assim, a medida que t cresce ρj ,t se aproxima de 1 para j fixo. Ou

para t fixo, a correlação cai aproximadamente linearmente com j
FAC tı́pico de um Passeio Aleatório

1.00

0.75
FAC

0.50

0.25

0.00

0 5 10 15 20
lags
Tópicos de Hoje

Introdução

Passeio Aleatório

Raiz Unitária

Tendência Determinı́stica vs. Estocástica

Processos com raiz unitária

O passeio aleatório é apenas o exemplo mais famoso da classe de

processos chamados processos com raiz unitária, definido por

Yt = c + δt + ut ,

onde c, δ ∈ R e ut tem uma representação ARMA(p,q)

Φp (L)ut = Θq (L)t , ; t ∼ wn(0, σ 2 )

Se todas as raı́zes de Φp (L) estão fora do cı́rculo unitário, então, ut

é fracamente estacionário. Agora, suponha que uma destas raı́zes
seja 1 (raiz unitária) e o restante esteja fora do cı́rculo unitário

Φp (L) = (1 − L)(1 − λ2 L)(1 − λ3 L) . . . (1 − λp L)

onde λi é o inverso da raiz

Processos com raiz unitária

Assim temos

(1 − L)ut = (1 − λ2 L)−1 . . . (1 − λp L)−1 Θq (L) ≡ Ψ(L)t

Finalmente ficamos com

(1 − L)Yt = (1 − L)c + (1 − L)δt + (1 − L)ut

= 0 + δ + (1 − L)ut
= δ + Ψ(L)t

Ou, equivalentemente, podemos escrever um com raiz unitária

como
∆Yt ≡ (1 − L)Yt = Yt − Yt−1 = c + Ψ(L)t
Processos Integrados de ordem 1

A última representação deu origem a uma nomenclatura muito

usada. Um processo integrado de ordem 1, I(1), é um processo
cuja a diferença é estacionária (ou que possui uma raiz unitária)
Por esta razão, processos estacionários são chamados de integrados
de ordem zero, I(0).
Um processo pode ter mais de uma raiz unitária. Para d raı́zes
unitárias temos

∆d Yt = (1 − L)d Yt = ut , ut ∼ I (0)

A nomenclatura segue

Yt ∼ I (d ) ⇒ ∆d Yt ∼ I (0)
Processos ARIMA(p,d,q)

Intuitivamente um processo auto-regressivo integrado de média

móvel, ARIMA(p,d,q), é um processo que tomado d diferenças se
torna um ARMA(p,q) estacionário, ou seja

Φp (L)(1 − L)d Yt = c + Θq (L)t ; t ∼ wn(0, σ 2 ),

onde p é a ordem autoregressiva (sem contar as raı́zes unitárias), q

é a ordem da média móvel e as raı́zes de Φp (L) estão fora do
cı́rculo unitário.
Podemos interpretar ARIMA(p,d,q) com um ARMA(p+d,q) não
estacionário. Claramente ARIMA(p,0,q)=ARMA(p,q)
Tópicos de Hoje

Introdução

Passeio Aleatório

Raiz Unitária

Tendência Determinı́stica vs. Estocástica

Tendência Determinı́stica ou Estocástica

Considere a seguinte especificação

Yt = c + δt + ut

Se ut ∼ I (0) então Yt é tendência-estacionário. mas se ut ∼ I (1)

então ∆Yt é estacionário.
Isto deu a definição de um processo com tendência (linear)
determinı́stica

Yt = c + δt + ut , ut ∼ I (0)

em contraste com um processo de tendência (linear) estocástica

Zt = δ + Zt−1 + ut , t ≥1
Z0 = c
Afinal, qual a diferença?

Do ponto de vista observacional (econométrico) ambos os

processos tem tendência linear, já que em ambos os casos

E(Yt ) = E(Zt ) = c + δt

Entretanto, a variância desses processos é bem distinta. Um é

estacionário e o outro a variância cresce arbitrariamente

V(Yt ) = σ 2
V(Zt ) = tσ 2

Do ponto de vista econômico (teórico) a diferença é se o impacto

de uma inovação (choque) é permanente ou transitório no nı́vel da
variável observada
Removendo a Tendência por Primeira Diferença

Se a tendência é estocástica o correto é tirarmos a primeira

diferença da série para obtermos um processo estacionário já que

∆Zt = Zt − Zt−1 = δ + ut

Se tirarmos a primeira diferença de um processo com tendência

determinı́stica, teremos

∆Yt = δ + ut − ut−1 = δ + (1 − L)ut

o que também resulta em um processo estacionário, entretanto

induzimos uma raiz unitária na parte MA do processo o que
dificultaria a estimação
Removendo a Tendência por Decomposição Paramétrica

Se a tendência é determinı́stica, o correto é ajustarmos uma

tendência linear parametricamente, já que

Yt − c − δt = ut

Se ajustarmos uma tendência linear em um processo com tendência

estocástica não obteremos estacionariedade, uma vez que
t
X
Zt − c − δt = ut
i=1

e o processo tem variância crescendo com t.

Como discernir uma tendência determinı́stica de uma
estocástica?

I É um problema importante saber se uma não-estacionariedade

observada é devido a um tendência linear determinı́stica, ou a
presença de uma raiz unitária
I Entretanto, na prática é um problema complicado pois não é
simples discernir um passeio aleatório puro e um AR(1) com
coeficiente 0,99
I A grande maioria dos testes para detectar raı́zes unitárias
sofrem de baixo poder
I Além disso, os testes tem distribuição não convencional e não
pivotal, dependem de como você formula a hipótese
alternativa