Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA DE SÉRIES TEMPORAIS AULA 11 – A FUNÇÃO DE IMPULSO RESPOSTA E A DECOMPOSIÇÃO DA VARIÂNCIA Prof. Ricardo Chaves Lima 1 O Modelo VAR 2 A Função de Impulso Resposta • Da mesma forma que um modelo do tipo autoregressivo pode ser representado na forma de média móvel, um modelo do tipo VAR também pode ser representado na forma de vetor de média móvel (VMA); • A representação na forma de VMA permite traçar uma trajetória temporal dos vários choques a que são submetidas as variáveis no modelo VAR; • Considere o modelo VAR na forma reduzida: O Modelo VAR 3 A Função de Impulso Resposta • Transformando O VAR em VMA, após infinitas iterações, temos: onde • Em forma de matriz, temos: it it i i A t t e e aa aa z y z y i ,2 ,1 0 2221 1211 O Modelo VAR 4 A Função de Impulso Resposta • Escrevendo-se as sequência dos erros da forma reduzida em termos dos erros da forma primitiva, temos: • O VMA fica: O Modelo VAR 5 A Função de Impulso Resposta • O VMA pode ser reescrito da seguinte forma: • Ou, de forma simplificada: • A representação do modelo VAR na forma VMA é especialmente útil para examinar as interações entre as sequências {yt} e {zt}; O Modelo VAR 6 A Função de Impulso Resposta • Os coeficientes ϕi podem ser utilizados para gerar os impactos dos choques εyt e εyt na trajetória das variáveis {yt} e {zt}; • Em um modelo var com duas variáveis, o coeficiente ϕ12(0), por exemplo, significa o impacto instantâneo (tempo t = 0), de uma unidade de variação do erro da segunda variável (εzt) na primeira sequência {yt}; • Da mesma forma, o coeficiente ϕ11(1) significa o impacto retardado de um período, de uma unidade de variação do erro da primeira variável (εyt) nela mesma {yt}, e assim por diante; • O impacto acumulado dos choques unitários em εyt e εzt podem ser obtidos pela soma dos coeficientes da função de impulso resposta; O Modelo VAR 7 A Função de Impulso Resposta • Por exemplo, depois de n períodos, o efeito de εzt no valor de yt+n é ϕ12(n). O impacto acumulado após n períodos é: • Os quatro conjuntos de coeficientes ϕ11(1), ϕ12(1), ϕ21(1), e ϕ22(1) são chamados função de impulso resposta; • Para que se observe os impactos dos choques nos erros do sistema primitivo nas sequências {yt} e {zt}, é preciso identificar o modelo VAR usando-se decomposição de Cholesky (no nosso exemplo b21 = 0), como apresentado abaixo; O Modelo VAR 8 A Função de Impulso Resposta • Ou seja, e1t = εyt – b12 εzt e2t = εzt • Portanto, todo os erros observados da sequência e2t são atribuídos a choques em εzt ; • Dado que conhecemos os valores de εzt por e2t, conhecemos e1t e o coeficiente de correlação entre e1t e e1t (b12), podemos calcular a sequência εyt; O Modelo VAR 9 A Função de Impulso Resposta: Exemplo • Seja o modelo VAR abaixo, )(7,02,0 )8,0(2,07,0 Portanto, 8,0 onde 7,02,0 2,07,0 11 11 2 1 2 1 1 1 ztttt ytztttt ztt ytztt t t t t t t zyz zyy e e e e z y z y O Modelo VAR 1 0 A Função de Impulso Resposta: Exemplo • Dando-se um choque εzt=1 e mantendo-se εyt=0, no tempo t = 0, os impactos em yt e zt são dados pela FIR. Para 20 períodos à frente, tem-se; tempo yt zt t 0,80 1,00 t+1 0,76 0,86 t+2 0,70 0,75 t+3 0,64 0,67 t+4 0,58 0,60 t+5 0,53 0,53 t+6 0,48 0,48 t+7 0,43 0,43 t+8 0,39 0,39 t+9 0,35 0,35 t+10 0,31 0,31 t+11 0,28 0,28 t+12 0,25 0,25 0,000 0,200 0,400 0,600 0,800 1,000 1,200 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 yt zt O Modelo VAR 1 1 A Decomposição da Variância • Considerando que o modelo VAR é superparametrizado, esses não são úteis para a realização de previsão de longo prazo; • No entanto, o entendimento das propriedades dos erros de previsão é de grande utilidade para examinar inter-relações entre variáveis no sistema; • A decomposição da variância indica quanto da variação em uma série é devido a choques da própria série (auto- choques), ou devido a choques de outras sequências; • Supondo que conhecemos A0 e A1, e queremos prever valores de xt+i condicional aos valores observados de xt; O Modelo VAR 1 2 A Decomposição da Variância • Considere o modelo em forma de VMA; • Para previsão n-passos à frente temos; • O erro de previsão n-passos à frente é dado por; O Modelo VAR 1 3 A Decomposição da Variância • Desenvolvendo somente para a sequência yt, temos, • A variância do erro é dada por, • Lembrando que E(ε2) = σ2 e E(εiεj)=0 para todo i ≠ j, temos, + O Modelo VAR 1 4 A Decomposição da Variância • Note que é possível decompor o erro da previsão n-passos à frente em proporções devido a cada choque; • As proporções de devido a choques em {εyt} e {εzt} são, • A mesma decomposição pode ser feita para a sequência {zt}; O Modelo VAR 1 5 A Decomposição da Variância • Portanto, a decomposição da variância é: a proporção dos movimentos nas variáveis em um modelo VAR devido a auto choques e choques em outras variáveis.
Compartilhar