Escolar Documentos
Profissional Documentos
Cultura Documentos
Luis A. F. Alvarez
8 de março de 2024
Espaço de probabilidade
- Formalmente, o conceito utilizado para se definir a noção de incerteza
associada a um problema é o de espaço de probabilidade.
- Um espaço de probabilidade é uma tripla (Ω, Σ, P), onde:
- Ω é um conjunto, denominado espaço amostral, contendo todos as
possíveis realizações da incerteza.
- Σ é uma coleção de subconjuntos de Ω, denominada σ-álgebra. A cada
subconjunto de Ω pertencente a Σ damos o nome de evento. Os
elementos de Σ são aqueles para os quais somos capazes de definir a
incerteza.
- uma lei de probabilidade P que atribui, a cada conjunto E ∈ Σ, um
número P[E ] entre 0 e 1. A lei de probabilidade satisfaz os axiomas de
Kolmogorov.
- Por que não definimos a probabilidade para todo subconjunto de Ω?
- Resposta: se Ω é “complexo” (por exemplo, [0, 1]), é impossível
definir uma probabilidade que satisfaça todos os axiomas de
Kolmogorov para todo subconjunto do espaço.
2 / 33
Exemplo
- Considere um lançamento de um dado não viciado.
- Nesse caso, espaço amostral é Ω = {1, 2, 3, 4, 5, 6}.
- Como lançamento é não viciado, sabemos que:
d
(Xt , Xt+1 , . . . , Xt+j ) = (Xt+h , Xt+1+h , . . . , Xt+j+h ) , ∀h ≥ 0 ,
d
onde = significa igualdade das distribuições conjuntas, isto é
5 / 33
Série de tempo fracamente estacionária
- Para modelos lineares de séries de tempo, vamos considerar o
conceito de processo (fracamente) estacionário.
- Uma série de tempo {Xt : t ∈ T } é dita (fracamente) estacionária se:
1. E[Xt ] = µ para todo t ∈ T .
2. V[Xt ] = σ 2 < ∞ para todo t ∈ T .
3. cov(Xt , Xs ) = ϕ|t−s| para todo t, s ∈ T .
- Processo é fracamente estacionário se sua média e variância
mantêm-se constantes no tempo e covariância entre duas observações
depende somente da distância entre as duas observações no tempo.
- Estacionariedade fraca impõe um mínimo de estabilidade no processo
ao longo do tempo para que análise estatística usual possa prosseguir.
- De modo geral, alguma noção de estacionariedade + dependência fraca
entre as observações (observações muito distantes no tempo
comportam-se “como” observações independentes) vai ser requerida
das séries de tempo para o funcionamento “padrão” de estimadores.
- Processo é dito não estacionário se não for fracamente estacionário.
6 / 33
Ruído branco
7 / 33
Ruído branco (gráfico)
3
2
1
rb
0
−1
−2
−3
Time
8 / 33
Processo MA(q)
9 / 33
Processo MA(2) com ψ1 = 1 e ψ2 = 0.5
4
2
ma2
0
−2
−4
Time
10 / 33
Processo AR(1) estacionário
- Um processo Zt , t ∈ Z, é dito autorregressivo de ordem um
estacionário, ou tão somente AR(1) estacionário, se:
Zt = α + ρZt−1 + ut
onde |ρ| < 1, {ut }t∈Z é ruído branco com V[ut ] = σu2 existem S ∈ Z,
C ∈ R tais que E[|Zt |] ≤ C para todo t ≤ S.
- Note que:
3. cor(Zt , Zs ) = ρ|t−s| .
12 / 33
AR(1) estacionário com ρ = 0.7 (gráfico)
4
2
ar1
0
−2
Time
13 / 33
Processo AR(p) estacionário
14 / 33
Operador defasagem
- Para a análise de séries de tempo, é conveniente definir uma função
L, denominada operador defasagem, que, para uma dada série de
tempo (Xt )t∈T , nos devolve a série de tempo que consiste em
(Xt )t∈T defasado em um período, i.e.
definição
LXt = L(Xt ) = Xt−1 , ∀t ∈ T
- A notação Ld será usada para denotar a aplicação do operador L d
vezes em sequência, i.e.
definição
Ld Xt = L
| .{z
. . L} Xt = Xt−d , ∀t ∈ T
d vezes
L0 Xt = 1Xt = Xt ∀t ∈ T
15 / 33
Propriedades do operador defasagem
Lema
Sejam (Xt )t∈T e (Yt )t∈T duas séries de tempo, e α ∈ C um número
complexo. Então
1. (Linearidade) L(Xt + αYt ) = LXt + αLYt .
2. (Existência de soma infinita) Se (Xt )t∈T é estacionário e |α| < 1, o
processo
∞
X ∞
X
Zt = αj Lj Xt = αj Xt−j ,
j=0 j=0
existe e é estacionário.
3. (Inversa) Se (Xt )t∈T é estacionário e |α| < 1:
∞
−1
X
(1 − αL) (Xt ) = αj Lj Xt
j=0
16 / 33
AR(p) em notação polinomial
- Usando a notação aprendida anteriormente, podemos reescrever o
AR(p) como:
ϕ(L)Zt = α + ut , (1)
onde ϕ(L) = 1 − β1 L − β2 L2 . . . − βp Lp , e {u}t∈Z é ruído branco.
Proposição
Existe um processo {Zt }t∈Z fracamente estacionário que satisfaz (1), se, e
somente se, as p raízes da equação ϕ(x ) = 0 se encontram fora do círculo
unitário, isto é:
ϕ(x ) = 0 =⇒ |x | > 1 .
Neste caso, o processo fracamente estacionário que satisfaz (1) é único, e
pode ser escrito como:
∞
−1
X
Zt = ϕ (L)(α + ut ) = τ + ωj ut−j
j=0
17 / 33
Estacionariedade do AR(p)
- A proposição anterior nos provê uma caracterização para a existência
de um {Zt }t estacionário que satisfaz (1), em termos das raízes do
polinômio característico ϕ(x ).
- Note que a proposição fala de existência de uma solução. Por quê?
- Isso se deve ao fato de que também podem existir processos {Zt }t∈Z
não estacionários que satisfazem (1), mesmo quando as raízes estão
todas fora do círculo.
- Mas o teorema nos diz que, se ao menos uma das raízes está dentro do
círculo, com certeza não há nenhuma solução estacionária.
- A restrição que fazíamos, na definição de AR(p) estacionário, de que o
passado não explodia, justamente descartava as soluções não
estacionárias, garantindo que selecionássemos a solução estacionária.
- No curso e na vida, vamos seguir como tradicionalmente feito na
literatura econométrica e implicitamente sempre descartar as
soluções não estacionárias (explosivas) que existem mesmo quando
todas as raízes estão fora do círculo.
- Dessa forma, diremos que um AR(p) é fracamente estacionário se, e
somente se, todas as raízes de ϕ(x ) estão fora do círculo.
18 / 33
Encontrando os coeficientes da
representação MA(∞)
- As propriedades do operador defasagem podem ser utilizadas para
encontrar a representação MA(∞) de um AR(p) estacionário.
- De fato, considere um AR(2) estacionário:
(1 − β1 L − β2 L2 )yt = α + ut
19 / 33
Encontrando os coeficientes da
representação MA(∞)
- Mas então
yt = (1 − β1 L − β2 L2 )−1 (α + ut ) =
−1 −1
1 1
1− L 1− L (α + ut ) =
λ2 λ1
∞
! ∞
X 1 i X 1
j (2)
L
j L (α + ut ) =
λi
i=0 2 j=0 λ1
∞
1 X
α + ωk ut−k
(1 − λ−1 −1
1 )(1 − λ2 ) k=0
1
onde ωk é a soma de termos tais que i + j = k, i.e.
λi1 λj2
Pk 1
ωk = i=0 λi λk−i .
2 2
20 / 33
ARMA(p,q)
- Um processo {Yt }t∈Z é dito ARMA(p,q) se:
p
X q
X
Yt = α + γj Yt−j + ϵt + πl ϵt−l ,
j=1 l=1
onde {ϵt }t∈Z é ruído branco.
- Processo ARMA(p,q) tem notação polinomial:
Γ(L)Yt = α + Π(L)ϵt ,
onde Γ(L) = (1 − γ1 L − γ2 L2 . . . − γp Lp ) e
Π(L) = (1 + π1 L + π2 L2 . . . + πq Lq ).
- Um ARMA(p,q) é dito em forma simplificada se Γ e Π não possuem
raízes em comum, i.e. Γ(x ) = 0 =⇒ Π(x ) ̸= 0 e
Π(x ) = 0 =⇒ Γ(x ) ̸= 0.
- Sempre é possível colocar um ARMA em forma simplificada, fatorando
os dois polinômios em termos das raízes comuns e cortando-os dos dois
lados.
21 / 33
Estacionariedade do ARMA(p,q)
Proposição
Considere um processo ARMA(p,q). Se, as p raízes da equação
característica Γ(x ) = 0 estão todas fora do círculo unitário, então o
ARMA(p,q) é estacionário. Por outro lado, se o ARMA(p,q) está em
forma simplificada e uma das raízes de Γ(x ) está dentro do círculo (i.e.
existe Γ(x ∗ ) = 0 com |x ∗ | ≤ 1), o ARMA(p,q) não é estacionário.
22 / 33
Processo ARMA(p,q) invertível
- Um ARMA(p,q) estacionário é dito invertível se admite representação
AR(∞), i.e. se pode ser escrito como:
∞
X
Yt = ω + κj Yt−j + ϵt .
j=1
Proposição
Considere um processo ARMA(p,q) estacionário. Se, as q raízes da
equação característica Π(x ) = 0 estão todas fora do círculo unitário, então
o ARMA(p,q) é invertível. Por outro lado, se o ARMA(p,q) está em forma
simplificada e uma das raízes de Π(x ) está dentro do círculo (i.e. existe
Π(x ∗ ) = 0 com |x ∗ | ≤ 1), o ARMA(p,q) não é invertível.
10
5
arma12
0
−5
Time
25 / 33
Processo não estacionário: tendência
determinística
- Considere, agora, o processo:
Z t = α + β · t + ut (3)
E[Zt ] = α + β · t
varia no tempo.
2
0
Time
27 / 33
Processo não estacionário: tendência
estocástica
- Considere agora um passeio aleatório simples, definido como:
V[Zt ] = t · σu2
−5
−10
Time
29 / 33
Processo não estacionário: quebra estrutural
30 / 33
Processo não estacionário: quebra
estrutural (gráfico)
4
4
mean_break
2
sd_break
2
0
0
−2
−4
−2
0 100 200 300 400 500 0 100 200 300 400 500
Time Time
31 / 33
Removendo não estacionariedades
32 / 33
Os diferentes tipos de não estacionariedade
33 / 33