Você está na página 1de 43

Econometria

Anlise de Series Temporais

ECONOMETRIA 1

Microsoft
Equation 3.0

Mtodos ingnuos de previso

Mtodo mais simples de previso de uma varivel aquele em que


usamos p/a previso justo o ultimo valor da varivel, ou seja, o
comportamento:

Yt Yt 1 t

(1)

O valor de Y em t o valor que ela possua em t-1 adicionado de um


componente de erro t. Tal processo conhecido como passeio aleatrio.
(randow walk)

possui as mesmas caractersticas do

var e i j 0, i j

da regresso linear

ECONOMETRIA 1

Microsoft
Equation 3.0

Logo a melhor forma de prever Yt por Yt-1. Aplicando o operador


de esperana em (1):

Yt Yt 1 t

Como

Yt 1 conhecido e t 0

Yt Yt 1

Portanto tal comportamento s serve p/o modelo do tipo randow


walk.

ECONOMETRIA 1

Estacionaridade das Sries

Uma srie dita estacionria se os valores em todos os instantes t tem


momentos de todas as ordens constantes, dentre eles, a mdia, isto , os
valores oscilam em torno da mdia.

Para o comportamento em (1), a srie dita no estacionria, pois se


em um dado t ocorre

t 0

, este valor fica eternamente incorporado

em Yt. Um processo estacionrio:

Yt 0.8Yt 1 t

(2)

ECONOMETRIA 1

Supondo que em (2) ocorra um choque:

t 20

em t e zero para perodo posteriores:

Yt 1 0.8Yt 2 t 1 0 0 0
Yt 0.8Yt 1 t 0 20 20
Yt 1 0.8Yt t 1 0.8 20 0 16
Yt 2 0.8Yt 1 t 2 0.8 16 0 12.8
Yt 3 0.8Yt 2 t 3 0.8 12.8 0 10.24
Yt 4 0.8Yt 3 t 4 0.8 10.24 0 8.192

ECONOMETRIA 1

Verificamos que Yt tende para seu valor histrico zero, o que no


acontece em (1). Logo, (2) chamada de srie estacionria.

Detalhadamente, uma srie dita (fracamente ou de 2ordem ou em


covarincia) estacionria se:

Yt constante para todo t. (momento de 1 ordem)

var Yt Yt Yt constante p/todo t e finita.

3 - Cov Yt , Yt k k 0. constante para o L last ou lag .

Qualquer que seja t. Esta cov tambm conhecida como auto


covarincia, j que mede a dependncia de Yt com Yt-1.

Microsoft
Equation 3.0

ECONOMETRIA 1

Fortemente estacionria: inclui sries com Y ou


t

com momentos de
em

todo

var Yt

qualquer ordem constante. Se os valores de Yt

tiverem

uma

distribuio

normal

multivariada

(conjuntamente gaussianos), a estacionaridade fraca implicar em


estacionaridade forte.

A partir de agora, toda srie ser denominada estacionria.

ECONOMETRIA 1

Como o modelo em (2) estacionrio e t 0

Yt 0.8 Yt 1 t

0.2 Yt 0

Yt 0

Mas no necessariamente precisa ser zero, basta ser constante.

ECONOMETRIA 1

Um processo com Yt 0 :

Yt y0 0.8 Yt 1 t

0.2 Yt y0

Yt 5y0

Sua varincia:

var Yt var 0.8Yt 1 var t


var Yt 0.64 var Yt 1
1
var Yt
2.77
0.36

ECONOMETRIA 1

Procedimento Box e Jenkins (1976) - ARIMA

Consiste em explicar uma varivel por meio de valores passados e/ou


choques (Modelo univariado)

Modelos AR(p) e MA(q)

Um modelo de classe AR(1):

Yt Yt 1 t

(3)

O intercepto pode ou no ser includo.

Denominamos esse processo de AUTO REGRESSIVO DE


ORDEM 1 OU AR(1).Constituindo a regresso de Yt por Yt-1.

= apresenta as mesmas condies do modelo da regresso


t

linear, estacionrio e chamado de RUDO BRANCO.

ECONOMETRIA 1

Determinando mdia e varincia para AR(1):

Yt 0 1 Yt 1 t
Yt 0 1 Yt 1

Por ser estacionrio:

0
Yt
1 1

ECONOMETRIA 1

Para var Y :
t

var Yt var 0 1 var Yt 1 var t

Sendo estacionrio:


var Yt
1 1

Para um processo de qualquer ordem AR(p)

Yt 1Yt 1 2Yt 2 ...... pYt p t

ECONOMETRIA 1

Reescrevendo, resumidamente, podemos utilizar o operador


L(defasagem):

LYt Yt 1
L2Yt Yt 2
LnYt Yt n

Para AR(p):

t Yt 1 LYt 1 2 L2Yt 2 ...... p LpYt p

ECONOMETRIA 1

Embora L no seja um nmero, pode ser tratado como tal. Colocando Yt


em evidncia:

t Yt (1 1 L 2 L2 ...... p Lp )

Temos um polinmio de ordem p na varivel L que em suma chamamos


de L
p

p L 1 1 L 2 L2 ...... p Lp

De maneira sinttica:

p L Yt t

(4)

ECONOMETRIA 1

Microsoft
Equation 3.0

Processo MA(q)

quando Yt depende de uma combinao de choques t, de t a t q. A


combinao de ordem 1 ou MA(1):

Yt t t 1

(5)

Um processo MA(q)

Yt t 1 t 1 2 t 2 ..... q t q

Refazendo o uso do operador L:

Yt t 1 L t 2 L t ..... q L t
q

ECONOMETRIA 1

Colocando t em evidncia:

Yt t 1 1 L 2 L ..... q Lq

Em sntese teremos:

q L

Para MA(q) pode ser escrito:

Yt q L t

(6)

ECONOMETRIA 1

Combinando os dois processos, por Box e Jenkins para ARMA(1,1) e


reordenando em termos de L:

Yt (1 1 L 2 L2 ...... p Lp ) t 1 1 L 2 L ..... q Lq

Sinteticamente:

p L Yt q L t

ECONOMETRIA 1

Estacionaridade e Invertibilidade

So as garantias de que AR(p) e MA(q) so suficientemente


estacionrios.

Estacionaridade

Para AR(1):

Yt 1Yt 1 t

Para AR(1) ser estacionrio necessrio que 1 . Se 1 , os


1
1
choques no so amortecidos e a srie se torna EXPLOSIVA.

Observando que:

1 L 1 1 L

ECONOMETRIA 1

Calculando a raiz de L, ou seja,

Microsoft
Equation 3.0

1 L 1 1 L 0

obtemos L 1
1

1 1

L 1

Isto , temos que ter

ou

, para estacionaridade.

Assim, dizemos: Para AR(1) ser estacionrio necessrio que a raiz de

1 L 0 caia fora do circulo unitrio.

1 1

Em(1), a srie no estacionria pois

, logo

var Yt

a medida que t aumenta.

Para que as razes de L caiam fora do circulo unitrio, os coeficientes


em AR(2):

1 2 1 ; 2 1 1 ;

-1 2 1

ECONOMETRIA 1

Condio de No Estacionaridade

Para a srie ser estacionria condio necessria e suficiente que


todas as razes de L caiam fora do circulo unitrio. Ento para ser
no estacionria basta que haja uma raiz dentro do circulo
unitrio. Tais razes so chamadas de RAIZES UNITRIAS.

Considerando AR(p)

Yt q L t

Para haver raiz unitria, ou seja,

1 2 3 ......... p 1

L 1

surge:

ECONOMETRIA 1
p

Assim, se

Se

i 1

i 1

1 A srie no estacionria.

1 no afirmamos que a srie estacionria, pois

apenas uma condio necessria.

ECONOMETRIA 1

Invertibilidade

Para MA(1) implica 1


1
unitrio.

Para MA(q) as razes


inversvel.

1 L 0 , caia fora do circulo

q L t 0 para que o modelo possa ser

ECONOMETRIA 1

Processo de Integrao I(d)

Quando

Yt no-estacionrio podemos definir uma Zt como sendo

a primeira diferena de Yt

Z t Yt Yt 1 Yt
Se

(7)

Yt no estacionria, mas Zt , diz se que Yt Integrada

de Ordem (1) ou I(1). Para a d sima diferena de Yt :

Z t d Yt

ECONOMETRIA 1

Se Zt segue um ARIMA(p, d, q)

Z t 1Z t 1 2 Z t 2 .... p Z t p t 1 t 1 .... q t q

Ento Yt segue:

d Yt 1d Yt 1 2 d Yt 2 ... p d Yt p t 1 t 1 .... q t q

ECONOMETRIA 1

Identificando um ARIMA

feito por meio das funes de Autocorrelao(FAC) e Autocorrelao


Parcial (FACP).

Para AR(1) sendo Yt estacionria, a COV (leia-se coeficiente de


correlao) entre Yt e Yt-k constante. Portanto:

1 Corr Yt , Yt 1

Cov Yt , Yt k
k Corr Yt , Yt k
var Yt

Como

ECONOMETRIA 1

var t

k Cov Yt , Yt k
0 var Yt
var Yt 0

k
k
0

Sendo

Para sabermos o comportamento da FAC, basta vermos a autocovarincia de

1, 2 , k

e etc.

k Cov Yt , Yt k

Como processo tem mdia zero.

k E Yt Yt k

Microsoft
Equation 3.0

ECONOMETRIA 1

Dado que:

Yt Yt 1 t
Yt 1 Yt 2 t 1

Ento:

1 Yt Yt 1

Yt 1 t Yt 1

1 Yt 1 tYt 1
Assim:

Para 2:

2 2

Yt 1 0

Yt 1 tYt 1

1 var Yt 1 0

ECONOMETRIA 1

Microsoft
Equation 3.0

Como 1 , logo
e assim em diante, de
2 3 2
modo que a FAC de AR(1) declinante necessariamente, mas no
o suficiente p/identificar AR(1).

O conceito da FACP se refere a correlao entre duas variveis,


eliminando o efeito de outras. De fato, a FACP dada pelos
coeficientes , e etc. encontrado:
1
2
1

Yt 1Yt 1 t

2 :

Yt 1Yt 1 2Yt 2 t

ECONOMETRIA 1

Se o processo AR(1), logo

no existe. Assim, AR(p) apresenta

declnio em FAC e truncamento da ordem do processo em FACP.

AR(p)

AR(1)

ECONOMETRIA 1

Para FAC e FACP no processo MA(1):

Yt t 1 t 1

A varincia:

Var (Yt ) (1 1 ) 2 2

Para a autocovariancia de ordem 1:

1 t t 1 t 1 t 2

1 t 1

1 2

Logo:

1 2

Microsoft
Equation 3.0

ECONOMETRIA 1

Assim, o ponto de truncamento em FAC determina a ordem do processo


MA(q):

Para FAC teremos:

t Yt t 1

Mas

t 1 Yt 1 t 2

Substituindo e repetindo o processo indefinidamente:

t Yt Yt 1 Yt 2 Yt 3 .....
2

Que representa um AR(). Portanto, a FACP de MA(1) equivalente a um


processo AR ().

ECONOMETRIA 1

Para o processo MA:

MA(p)

MA(1)

ECONOMETRIA 1

Identificao dos processos ARMA

Processo

FAC

FACP

AR(p)

Declinante

Truncada em p

MA(q)

Truncada em q

Declinante

ARMA(p,q)

Declinante

Declinante

ECONOMETRIA 1

Teste de Razes Unitrias

Vimos as condies para que AR(p) seja estacionria. Mas caso o


polinmio L = 1, suas razes so chamadas de RAZES UNITRIAS.

Em AR(1) O teste para verificar se a raiz unitria chamado de


Dickey e Fuller DF.

Em AR(p) Onde p > 1, usa se o Dickey e Fuller Aumentado


DFA.

ECONOMETRIA 1

Microsoft
Equation 3.0

Teste DF em AR(1):

Yt Yt 1 t

Se 1 L 1 . Logo, Var (Y )
t

quando t se eleva Y t altamente

persistente

O teste DF no feito diretamente sobre AR(1) mas sobre uma


transformada de AR(1) onde se subtrai Yt-1 do modelo acima:

Yt Yt 1 Yt 1 Yt 1 t
Yt 1Yt 1 t
Yt Yt 1 t

ECONOMETRIA 1

Assim montamos:
H0: 0 O processo no estacionrio pois 1 L
H1: 1 O processo estacionrio pois 1 L 1
Ou seja, aceitar a hiptese bsica significa que o processo no
estacionrio. Para este teste usa se a estatstica que tem a
mesma sistemtica da t de student.

0
t

ECONOMETRIA 1

Porem
calculada com os valores limites de uma tabela
elaborada por Dickey e Fuller, que fornece os valores crticos para os
seguintes modelos:
AR puro: Y Y
t

t 1

AR com intercepto:

Yt 1Yt 1 t

AR com tendncia:

Yt t Yt 1 t

ECONOMETRIA 1

Para DFA:
p

Yt Yt 1 wi Yt i 1 t

- s/ intercepto.

i 1

Yt 1Yt 1 wi Yt i 1 t
i 1

- c/intercepto.

Yt t Yt 1 wi Yt i 1 t
i 1

- c/ tendncia.

ECONOMETRIA 1

Co integrao (COINT)

Tomando duas sries no estacionrias Z1 e Z2, respectivamente


I(d1) e I(d2) so ditas cointegradas se tiverem o mesmo grau de
integrao, d1 = d2, de tal forma que a combinao linear destas
seja uma srie estacionria, ou seja, se existirem constantes a e
b:

W aZ1 bZ 2

A combinao com W estacionrio equivalente a regresso


entre as variveis Z Z
1,t
2 ,t
t

. Onde os t formem uma

srie estacionria, pois so um rudo branco.

ECONOMETRIA 1

Engle e Granger (1987)

Se Z1 e Z2 formarem um vetor de coeficientes que gerem t


estacionrios, diz se que as sries cointegram. Logo, possvel afirmar
uma relao estvel e constante de longo prazo. Isto , uma regresso
do tipo:

Yt 0 1Z t t

Devendo gerar resduos I(0).

A correlao mede a interdependncia de curto prazo e a COINT a de


longo prazo.

ECONOMETRIA 1

EX:

(A)

(B)

ECONOMETRIA 1

Tanto em (A) como em (B) os pares tem elevado grau de correlao, porem,
em (B), a velocidade de crescimento discrepantes, isto , forma se uma
srie no estacionaria. Em (A), as variveis caminham juntas.

ECONOMETRIA 1

RAZES UNITRIAS E ENGLE E GRANGER.

Se duas sries so COINT:

Yt 0 1Z t t

Os resduos da regresso de Yt sobre Zt devem formar I(0)

Portanto, para testar duas sries de I(d) so COINT, testamos se h raiz


unitria nos resduos. No havendo raiz unitria, a srie de resduos ser
estacionria e, logo as sries sero COINT.

OBS:Outros testes.

Philips Ouliaris (1990): Assim como em Engle/Granger, verifica


somente se as variveis so ou no COINT.

Johansen Juselius (1990): Determina o nmero de vetores de COINT


existente entre as variveis.