Você está na página 1de 16

Universidade Federal do Esprito Santo UFES Centro Tecnolgico Programa de Ps-Graduao em Engenharia Eltrica - PPGEE

PROCESSOS ESTOCSTICOS
Anlise estatstica do PIB das 20 maiores economias mundiais

Autor Leonardo Ribas Martins Castor

VITRIA ES

Anlise de Sries Temporais Crescimento PIB Mundial

1. ESCOLHA DA SRIE
Para a realizao do Trabalho foi escolhido uma srie temporal discreta, com espao de estados tambm discretos, que mostra a evoluo do GDP (Gross Domestic Produce) ou PIB (Produto Interno Bruto) em bilhes de dlares e cujo perodo amostral vai do ano de 1969 at 2009, considerando Pases, Continente e Mundo. O processo estocstico em anlise considerado discreto por apresentar valores reais e finitos para os intervalos de tempo. Pelo fato da srie reunir os dados de vrios pases (processos amostrais), cuja contribuio dos pequenos pouco interfere no resultado global, foi assumido que os dados das 20 maiores economias do mundo (pases com maior PIB) reproduziriam a srie completa e, consequentemente, facilitaria o trabalho de manipulao dos dados. A figura a seguir mostra a evoluo do PIB das 20 maiores economias nos ltimos 30 anos:
Processos amostrais de Xt - (Grupo G20)
EUA - 1 Japo - 2 China - 3 Alemanha - 4 Frana - 5 Reino Unido - 6 Itlia - 7 Brazil - 8 Espanha - 9 Canad - 10 Rssia - 11 ndia - 12 Austrlia - 13 Mxico - 14 Coria do Sul - 15 Holanda - 16 Turquia - 17 Taiwan - 18 Suia - 19 Belgica - 20

10

10

$billion

10

10

10 1965

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 01: Processos amostrais da srie temporal discreta Xt

2. ANLISE DA SRIE
De acordo com o conceito de estacionariedade, um processo dito estritamente estacionrio se as suas caractersticas forem invariantes no t (tempo), ou seja, a sua mdia, varincia e autocorrelao se

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


mantiverem constantes ao longo do tempo (t). Um processo dito estacionrio no sentido amplo (fraco) se a sua mdia e varincia (primeiro e segundo momento) forem constantes e a sua autocorrelao depender apenas da defasagem de t. Alm dos conceitos mencionados anteriormente, tambm podemos afirmar que um processo estacionrio no apresenta tendncias ou sazonalidade em sua curva, o que no se pode dizer para a srie em estudo, pois se observa que a curva de Xt apresenta uma tendncia ascendente, logo a sua a mdia e varincia variam com o tempo (

). Assim conclumos que o processo estocstico em

anlise pode ser classificado como no-estacionrio, como pode ser visto nas figuras a seguir, onde a variao da mdia e varincia em torno de t mostrada:

Mdia da Srie temporal Xt


2500 Mdia do PIB - 1969 a 2009

1500

Xt - $billion

1.000

750

500 1965

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 02: srie temporal discreta Xt curva do valor mdio.

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


9 x 10
6

Variancia da Srie temporal Xt


Variancia do PIB Mundial - 1969 a 2009

Xt - $billion

0 1965

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 03: srie temporal discreta Xt curva da varincia.

Srie temporal Xt - Crescimento do PIB (Valor absoluto)


Crescimento do PIB Mundial de 1969 a 2009

10

4.6

10

4.5

Xt - $billion

10

4.4

10

4.3

10

4.2

10

4.1

1965

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 04: srie temporal discreta Xt curva dos valores absolutos. As figuras a seguir so trechos da curva acima (figura 04) com intervalos de 10 anos e 3 anos:

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial

(a)

(b)

(c)

(d)

Figura 05: Trechos da curva da srie temporal entre os anos: (a) 1988 a 1991, (b) 1988 a 1998, (c)1998 a 2001 e (d) 1983 a 1986.

2.1.

Decompondo a Srie

Pode-se notar que h pouqussima variao das curvas plotadas por trecho, se comparadas a curva plotada no intervalo N = 1 a 41. Isto mostra que a srie temporal analisada se mantm linear independente da resoluo das amostras. Para continuar com a anlise da srie faremos a sua decomposio da seguinte forma: onde: t = 1,2,...,T; = processo aleatrio; = componente de tendncia; = componente cclica e; = componente aleatria. Com esta decomposio fica mais claro a identificao da composio da srie e com isso aplicar os modelos matemticos apropriados para a sua predio. O aparecimento das componentes e numa

srie temporal faz com que as suas caractersticas no dependam to somente da mdia, varincia e

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


autocorrelao. necessria a estimao de seus parmetros para que a estimativa dos valores futuros seja mais prxima do valor real.

2.2.

Estimando a Srie

A srie em estudo apresenta caractersticas que nos levam a utilizar Modelos Lineares para a estimativa de valores futuros para a srie em estudo e assim, podemos expressar a sua componente de tendncia por: , onde: = mdia linear da srie = coeficiente linear da srie = coeficiente angular da reta Para a srie em anlise foi simplificado que a componente cclica (sazonal) da mesma igual a zero e, portanto, 0. Assim a sua decomposio pode ser representada por: , temos: , onde o erro aleatrio da srie (conhecido como rudo branco). 698,39 e 10220. .

Substituindo

Utilizando a funo POLYFIT da ferramenta computacional Matlab, foi possvel estimar os parmetros lineares e da componente (tendncia), onde

A ferramenta utiliza o mtodo de regresso linear (com base nos mnimos quadrados) para se chegar aos parmetros e . Embora o uso da ferramenta tenha facilitado o trabalho braal, os clculos

tambm foram feitos manualmente para verificar se a afirmativa acima estava correta: , . Resolvendo as equaes acima, temos: .

24887

10220 = 698,39

Podemos verificar que a ferramenta utilizou o mtodo de regresso linear para a estimao dos parmetros lineares e .

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


De posse destes parmetros, foi possvel eliminar a tendncia da srie, subtraindo-se os valores reais dos valores estimados e assim obter o erro aleatrio (t) cuja caracterstica determinada pela presena de estacionariedade, como segue: 10220 698,39.

A figura 06 mostra a curva do erro aleatrio (t) da srie analisada:


Erro estacionrio da Srie temporal Xt
2500

2000

1500

1000

Xt - $billion

500

-500

-1000

-1500

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 06: Curva do erro aleatrio (t). A partir da estimativa do erro aleatrio (t), pde-se calcular a mdia e varincia do mesmo e comprovar que ambos se mantm constantes ao longo do tempo como seguem:

0,0000000000017303 1,1362 10

Em seguida, foi calculada a autocorrelao da parte estacionria da srie para verificar se a mesma representa um rudo branco. A figura 07 mostra a plotagem da autocorrelao:

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


AUTOCORRELAO DA PARTE ESTACIONRIA
1

0.8

0.6

0.4

Coeficiente de correlao

0.2

-0.2

-0.4

-0.6

-0.8

-1

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ano

Figura 07: Autocorrelao do t. Como pde ser visto no grfico da autocorrelao, a parte estacionria da srie, num primeiro momento, no representa um rudo branco, pois os ndices de correlao no so nulos a partir do tempo t0. Isto dificultaria a estimao da PDF da srie, uma vez que no podemos afirmar que o erro estacionrio t possui uma distribuio Normal (igual de um rudo branco). Diante deste fato, tentaremos o mtodo de diferenciao em cima do erro estacionrio ((t) - (t-1)) para verificar se os novos valores se aproximam aos de um rudo branco. Os resultados apresentados nas figuras 08 mostram que podemos aproximar a distribuio de probabilidade do erro estacionrio t para uma distribuio Gaussiana. Os novos valores da mdia e varincia so:

27,97 1,8806 10

A partir desta aproximao, seguiu-se para o prximo passo que foi estimar a PDF com base na distribuio Normal. Primeiro, foi plotado o histograma do erro aleatrio ((t) - (t-1)) e em seguida, atravs do recurso DFITTOOL da ferramenta Matlab, verificou-se que a distribuio de probabilidade NORMAL representa bem a aleatoriedade da srie temporal em anlise, conforme mostrado na figura 10.

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


AUTOCORRELAO DA PARTE ESTACIONRIA - 2 DIFERENA
1

0.8

0.6

Coeficiente de correlao

0.4

0.2

-0.2

-0.4

1970

1975

1980

1985

1990

1995

2000

2005

2010

ANO

Figura 08: Autocorrelao do t 2 diferena.


Erro estacionrio da Srie temporal Xt - 2 diferena
1000 erro(t) - erro(t-1) 500

Xt - $billion

-500

-1000

VAR = 1.8806e+005 MDIA =


-1500

-27,97

-2000

10

15

20

25

30

35

40

ANO

Figura 09: Erro estacionrio (t) (t-1).

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


x 10 1.6
-3

HISTOGRAMA DO ERRO ESTACIONRIO - E(t) - E(t-1)


E(t) - E(t-1) distribuio NORMAL

1.4

1.2

DENSIDADE

0.8

0.6

0.4

0.2

0 -2000

-1500

-1000

-500

500

DADOS

Figura 10: PDF do Erro aleatrio ((t) - (t-1)).


CDF da Srie Xt
1

0.9

CDF de Xt Distribuio Normal

0.8

Probabilidade Acumulativa

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 -2000

-1500

-1000

-500

500

PIB

Figura 11: CDF do Erro aleatrio ((t) - (t-1)).

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial

Com a estimao da PDF, foi possvel reescrever a funo da srie

da seguinte forma:

10220
onde,

698,39

433,66

1,8806 10

De posse da funo que descreve a srie temporal sob anlise, foi possvel realizar a sua predio com incio em 2010 e trmino em 2048, conforme mostrado na figura 12. Dando continuidade na anlise da srie, foram calculados os ndices de correlao cruzada da

srie analisada, comparando os valores mdios do PIB Mundial com os valores mdio de cada Pas pertencente ao grupo G20. Pde-se perceber que os ndices apresentaram valores muito prximos da unidade, o que de fato consistente, pois os processos amostrais (pases do G20) apresentaram uma mesma tendncia linear, com parmetros e semelhantes, como pode ser visto na figura 01.

Isto significa que suas variveis aleatrias so fortemente correlacionadas.

10

x 10

Srie temporal Xt - Crescimento do PIB Mundial (valores reais e estimados)


valores reais de 1969 a 2009 valores estimados de 2010 a 2048

Xt - $billion

1970

1980

1990

2000

2010

2020

2030

2040

Ano

Figura 12: Plotagem da Srie Temporal Xt com predio a partir de 2010

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


Matriz de correlao cruzada Mundo x Pases

1.5

Coef. de correlao
0.5 0 0

EUA JAP

CHI

ALE FRA

ING

ITA

BRA ESP CAN RUS

IND

AUS MEX COR HOL TUR

TAI

SUI

BEL

Pas

Figura 13: Correlao cruzada de Xt A seguir, sero mostrados os valores de correlao cruzada entre os pases:
EUA - 1 1

Matriz de correlao por pas


1

Japo - 2

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

China - 3 1 1

Alemanha - 4

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


Frana - 5 1

Matriz de correlao por pas


1

Reino Unido - 6

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Itlia - 7 1 1

Brazil - 8

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Espanha - 9 1

Matriz de correlao por pas


1

Canad - 10

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Rssia - 11 1 1

ndia - 12

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


Austrlia - 13 1

Matriz de correlao por pas


1

Mxico - 14

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Coria do Sul - 15 1 1

Holanda - 16

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Turquia - 17 1

Matriz de correlao por pas


1

Taiwan - 18

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Suia - 19 1 1

Belgica - 20

Coef. de correlao

Coef. de correlao 0 2 4 6 8 10 12 Pas 14 16 18 20 22

0.5

0.5

-0.5

-0.5

-1

-1

10 12 Pas

14

16

18

20

22

Figura 14: Correlao cruzada entre os pases Nota-se que h uma baixa correlao entre os outros pases pertencentes ao G20 e o pas 13 (Rssia). Isto se explica pelo fato de que o registro do PIB deste pas s teve incio a partir de 1991 (quando a Unio Sovitica foi desmembrada) o que refletiu nos resultados registrados nos anos anteriores.

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial


Isto fica claro no grfico, pois nota-se o baixo valor indicado no coeficiente de correlao cruzada (aprox. 0,44).

2.3.

Estimando a PSD da Srie

Para finalizar a anlise da srie temporal, foi feita a estimativa da PSD (Densidade Espectral de Potncia) baseando-se nos sistemas paramtricos, considerando que h uma relao linear entre as amostras. Nota-se que h uma maior concentrao de potncia nas frequncias baixas, diminuindo exponencialmente, mas estabilizando-se a partir da metade do espectro. A figura abaixo mostra os resultados desta estimativa:

DENSIDADE ESPECTRAL DE POTNCIA DA SRIE Xt


4 x 10
5

3.5

2.5

Sx(f)

1.5

0.5

0 0

10

15

20

25

30

35

40

Figura 15: PSD estimada para a srie Xt

3. CONCLUSO
Com a realizao deste trabalho foi possvel comprovar alguns mtodos matemticos apresentados em sala de aula, bem como aprender outros para a estimao de srie. Nota-se que h diversos mtodos para modelar uma srie temporal e, por isso, a sua escolha se torna no to trivial devido a grande diversidade de tipos de sries para estudo.

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010

Anlise de Sries Temporais Crescimento PIB Mundial

4. BIBLIOGRAFIA
[1] BARROS, Mnica. Processos Estocsticos. 1 Ed. Rio de Janeiro. Papel Vitual, 2004 [2] MARQUES, Guilherme de Oliveira Lima Cagliari. Estruturas de memrias longas em variveis econmicas: da anlise de integrao e co-integrao fracionrias a anlise de ondaletas. So Paulo, 2007 [3] MORETTIN, Pedro Alberto. Anlise de Sries Temporais. 2 Ed. So Paulo. Editora Edgard Blcher Ltda., 2006 [4] CASTOR, Leonardo. Apontamentos em salas de aula.

Trabalho de Estocsticos

Elaborado por: Leonardo Ribas Martins Castor, em 24/08/2010