Escolar Documentos
Profissional Documentos
Cultura Documentos
Métodos de Análise
Econômica IV
Prof. Marcelo Justus
mjustus@unicamp.br
1 / 79
2 / 79
Um curso de introdução à
análise de séries temporais
3 / 79
Metodologia Box-Jenkins para
processos ARIMA não
sazonais
I Identificação do processo
I Estimação do modelo
I Diagnósticos nos resı́duos
I Previsão dos valores
4 / 79
Metodologia de Box-Jenkins
5 / 79
Metodologia de Box-Jenkins
6 / 79
Identificação
7 / 79
Identificação
8 / 79
Identificação
9 / 79
Identificação
10 / 79
Identificação
11 / 79
Identificação
12 / 79
Identificação
Lembrete:
Se a série {yt} é não estacionária mas a sua
primeira diferença ∆yt = yt − yt−1 é
estacionária, então {yt} é dita integrada
de ordem 1. Nesse caso, como d = 1,
segue que:
∆yt ∼ I(0)
13 / 79
Identificação
14 / 79
Identificação
Na prática, observamos o
comportamento da fac amostral e
quando necessário aplicamos testes de
raı́z unitária.
15 / 79
Identificação
Lembrete:
Quando uma série é não estacionária os
valores dos coeficientes de autocorrelação
decrescem muito lentamente com o aumento
de k.
16 / 79
Identificação
Lembrete:
Na prática, uma fac amostral com os
primeiros valores altos e que não declinam
rapidamente para um valor
estatisticamente nulo com o aumento
de k, indica que a série é não estacionária.
Portanto, a série original precisa ser
diferenciada.
17 / 79
Identificação
Lembrete:
A análise do comportamento da fac é
revelador para julgar a estacionariedade,
porém, em alguns casos convém realizar
testes de raiz unitária para uma
conclusão definitiva sobre a presença de
tendência estocástica na série.
18 / 79
Identificação
19 / 79
Aplicação no R
20 / 79
Aplicação no R
Use o R!
Script: CE442Aulas10-11.R
21 / 79
Identificação
22 / 79
Identificação
23 / 79
Identificação
24 / 79
Identificação
25 / 79
Identificação
26 / 79
Identificação
27 / 79
Identificação
28 / 79
Aplicação no R
O pacote TSA do R tem o comando
eacf() para estimar uma face amostral.
Aplicaremos essa metodologia de
identificação nos processos AR(p), MA(q) e
ARMA(p, q) simulados.
Use o R!
Script: CE442Aulas10-11.R
29 / 79
Estimação
30 / 79
Estimação
31 / 79
Estimação
32 / 79
Critérios de seleção
33 / 79
Critérios de seleção
34 / 79
Critérios de seleção
I Hannan-Quinn (HQ).
35 / 79
Critérios de seleção
2(p + q)
AIC(p, q) = ln(σε2) +
T
ln T (p + q)
BIC(p, q) = ln(σε2) +
T
ln{ln(T )}(p + q)
HQ(p, q) = ln(σε2) +
T
36 / 79
Critérios de seleção
37 / 79
Critérios de seleção
38 / 79
Critérios de seleção
39 / 79
Critérios de seleção
40 / 79
Critérios de seleção
41 / 79
Aplicação no R
Use o R!
Script: CE442Aulas10-11.R
42 / 79
Verificação
43 / 79
Verificação
44 / 79
Verificação
45 / 79
Verificação
46 / 79
Ordem do modelo
47 / 79
Ordem do modelo
48 / 79
Ordem do modelo
49 / 79
Ordem do modelo
50 / 79
Ordem do modelo
51 / 79
Ordem do modelo
52 / 79
Análise dos resı́duos
53 / 79
Análise dos resı́duos
54 / 79
Análise dos resı́duos
55 / 79
Análise dos resı́duos
k
X
H1 : ρj 6= 0.
j=1
56 / 79
Análise dos resı́duos
A estatı́stica do teste é
k
X ρ̂2j
Q(k) = T (T + 2) −→d χ2k
j=1
T −j
57 / 79
Análise dos resı́duos
58 / 79
Análise dos resı́duos
59 / 79
Análise dos resı́duos
60 / 79
Normalidade do resı́duos
61 / 79
Normalidade do resı́duos
62 / 79
Normalidade do resı́duos
I Shapiro-Wilk;
I Jarque-Bera.
63 / 79
Teste Jarque-Bera
e a hipótese alternativa,
H1 : os resı́duos não têm distribuição normal.
64 / 79
Teste Jarque-Bera
A estatı́stica do teste é
A2 (C − 3)2
JB = T + →d χ22
6 24
65 / 79
Teste Jarque-Bera
66 / 79
Normalidade do resı́duos
67 / 79
Normalidade do resı́duos
68 / 79
Aplicação no R
Use o R!
Script: CE442Aulas10-11.R
69 / 79
Previsão
70 / 79
Previsão
71 / 79
Previsão
72 / 79
Aplicação no R
Use o R!
Script: CE442Aulas10-11.R
73 / 79
Atualização das previsões
74 / 79
Atualização das previsões
75 / 79
Aplicação no R
Usaremos a ST do ı́ndice de Atividade
Econômica do Banco Central do Brasil
(IBC-BR) para aplicar a metodologia
Box-Jenkins. Por hora, ignorando os dados
discrepantes nas observações 72:73.
Use o R!
Script: CE442Aulas10-11.R
76 / 79
Seleção automática do “melhor” modelo
no R
A função auto.arima do pacote forecast
faz uma pesquisa, dentro das restrições de
ordem fornecidas, e retorna com os
ressutados do melhor modelo ARIMA de
acordo com o valor AIC, AICc ou BIC.
Use o R!
Script: CE442Aula10-11.R
77 / 79
Aplicação no R
Aplicaremos a função auto.arima na ST
do ı́ndice de Atividade Econômica do
Banco Central do Brasil (IBC-BR),
ignorando os dados discrepantes nas
observações 72:73.
Use o R!
Script: CE442Aulas10-11.R
78 / 79
Leitura indicada
79 / 79