Baixe o app para aproveitar ainda mais
Prévia do material em texto
* Econometria de Séries Temporais UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF) FACULDADE DE ECONOMIA (FE) Econometria 3 Rogério Silva de Mattos, D.Sc. * O COMEÇO Box e Jenkins (1970) – processos estocásticos não-estacionários/integrados (Modelos ARIMA) Granger e Newbold (1974) – Econometria clássica não vale se variáveis do modelo são séries temporais não-estacionárias (Regressões Espúrias) * CORRELAÇÃO ESPÚRIA Venda de azeite de dendê em Salvador Consumo de Chimarrão em Porto Alegre Mera Coincidência Fator Comum Y X N Causalidade X Y X Y * REGRESSÃO ESPÚRIA Experimento de Granger e Newbold (1974) Se = = 1 Yt e Xt NÃO estacionárias R2 altos e DW baixos Alta chance de rejeitar H0: b = 0 Razão t não segue t de Student Estatística F não segue distrib. F Quero estimar : Assumindo que: * MENSAGEM FUNDAMENTAL Econometria Clássica Econometria Clássica OK ESTACIONARIEDADE NÃO ESTACIONARIEDADE * COMO PROCEDER ? Remover tendência (Detrending)? Pode não resolver !!! Tendência estocática Diferenciar até estacionariedade? Perda de informação de longo prazo (t. econômica) !!! O que fazer ? * ECONOMETRIA DE ST Teoria da Cointegração Verificar Estacionariedade (Testes de Raízes Unitárias) Séries Estacionarias, usar econometria clássica Séries Não estacionárias, verificar Cointegração Séries Cointegradas – modelo de correção de erros Séries Não cointegradas – modelo sem correção de erros * ESTACIONARIEDADE X NÃO-ESTACIONARIEDADE * DEFINIÇÃO Processo NÃO Estacionário Yt Processo Estacionário Fraco Yt Alguém depende do tempo (Média e/ou Variância e/ou Autocovariância) Média, Variância e Autocovariância constantes * EXEMPLOS Estacionário Não Estacionário * Exemplos MAIS DEFINIÇÕES Processo integrado de ordem d ou I(d) – precisa ser diferenciado “d” vezes para ficar estacionário Processo estacionário é I(0) ( “Não Integrado”) * RAÍZES UNITÁRIAS Processo I(1) Yt = (1-B)Yt ~I(0) 1 raiz unitária Processo I(2) 2Yt = (1-B)2Yt=(1-B)(1-B)Yt ~I(0) 2 raízes unitárias Processo I(d) dYt = (1-B)dYt=(1-B)(1-B)…(1-B)Yt ~I(0) d raízes unitárias * POR QUE “RAÍZES UNITÁRIAS”? Onde: Polinômio expandido AR para Yt possui: p raízes fora do círculo unitário (estacionariedade) d raízes unitárias (não estacionariedade) Logo: ARIMA(p,d,q) p/Yt: = ARMA(p,q) p/dYt: * PROCESSO AR(1) Se | | < 1, Yt é um processo estacionário Se | | ≥ 1 Yt é um processo não estacionário = 1 Yt é um passeio aleatório | | > 1 Yt é um processo explosivo * EXEMPLOS DE AR(1) Estacionário I(1) I(0) Não Estacionário * PROCESSO DE RAIZ UNITÁRIA SEM CONSTANTE COM DESLOCAMENTO (DRIFT) * PASSEIO ALEATÓRIO PURO COM DESLOCAMENTO (DRIFT) * Processo MEMÓRIA CURTA: Um choque repercute por pouco tempo sobre a série. Esta tende a voltar para sua média. Choque transiente. Exemplo: MEMÓRIA (Nelson e Plosser, 1982) Processo MEMÓRIA LONGA: Um choque repercute permanentemente sobre a série. Esta não tende a voltar para algum lugar. Choque permante. Exemplo: Para desenvolver a intuição, brinque com o arquivo AR1.XLS * TIPOS DE TENDÊNCIAS DETERMINÍSTICA DETERMINÍSTICA + ESTOCÁSTICA ESTOCÁSTICA * TENDÊNCIAS E DIFERENÇAS ESTACIONÁRIAS TENDÊNCIA ESTACIONÁRIA Tend. Determinística + processo I(0) Obs: Tendência estacionária “puxa” a série. Diferença estacionária c/cte “empurra”. DIFERENÇA ESTACIONÁRIA Sem constante Com constante * RESUMINDO Processo Estacionário Não integrado ou I(0) Sem raízes unitárias Sem tendência estocástica Memória curta Choque Transiente Processo Não Estacionário Integrado ou I(d), d > 0 d raízes unitárias Tendência estocástica (com ou sem tendência determinística) Memória longa Choque Permanente * TESTES DE RAÍZES UNITÁRIAS * Processo AR(1) Estacionário (b=0,||<1) : Diferença Estacionária (=b=0,=1) : Diferença Estacionária c/cte (b=0,=1) : Tendência Estacionária (b0, ||<1): (ou Tendência Estacionária) OBS 1: Tendência Estocástica = Diferença Estacionária s/cte OBS 2: Tendência Det. + Estoc. = Diferença Estacionária c/cte JUNTANDO TUDO * Processo AR(1) Estacionário (b=0,-2<<0) : Diferença Estacionária s/cte (=b==0) : Diferença Estacionária c/cte (b==0) : Tendência Estacionária (b0,-2<<0): OBS 1: Tendência Estocástica = Diferença Estacionária s/cte OBS 2: Tendência Det. + Estoc. = Diferença Estacionária c/cte MUDANDO UM POUCO Onde = - 1 * TESTE DE DICKEY FULLER H0: = 0 (processo não estacionário/uma raiz unitária) H1: 0 (processo estacionário/sem raízes unitárias) Regra de Decisão: Estatística de teste Tau: Se Valor crítico C Aceita H0 (Yt NÃO É estacionário) Se < Valor crítico C Rejeita H0 (Yt É estacionário) Escolha do nível de significância 1) 2) 3) 4) Equação Geral de Teste * DICKEY FULLER Versão 1 H0: = 0 isto é: Yt = t ; não estacionário com tendência estocástica H1: 0 isto é: Yt = Yt-1+t; estacionário sem tendência alguma Estatística de teste Tau: Sem intercepto ou termo de tendência na equação de teste * DICKEY FULLER Versão 2 H0: = 0 (e = 0: ver tabela ADF em Dickey Fuller (1981)) isto é: Yt = t ; não estacionário com tendência estocástica H1: 0 (e ≠ 0) isto é: Yt = +Yt-1+t; estacionário sem tendência alguma (mas com intercepto) Estatística de teste TauU: Com intercepto apenas na equação de teste * H0: = 0 (e b = 0) isto é: Yt = + t ; tend. determinística + tend. estocástica H1: 0 (b ≠ 0) isto é: Yt = +bt+Yt-1+t; tendência determinística apenas (tendência estacionária) Estatística de teste TauTau: DICKEY FULLER Versão 3 Com intercepto e termo de tendência na equação de Teste Obs: É possível ainda testar H0:b==0 (tendência estocástica apenas) usando a estatística 3 que segue a distribuição F (ver Enders, p. 181) * Extraído de Dickey e Fuller (1981) “Likelihood ratio statistics for autorregressive time series with a unit root. Econometrica 49 (4). pp.1057-1072 * RESUMO DO TESTE ADF * TESTE DE DICKEY-FULLER AUMENTADO Faz-se o mesmo teste de hipóteses do slide anterior Valores defasados Yt-s incluídos para eliminar autocorrelação serial de t (se houver) Lag máximo p tem de se determinar antes (minimza-se o critério AIC ou BIC) Eviews usa valores críticos e valores-p com base em MacKinon (1996) * VALORES CRÍTICOS DO TESTE ADF Fonte: Tabela A de Enders (2004), Baseada em Fuller(1976) * TESTE ADF SAZONAL Exemplo para o caso trimestral Usam-se os mesmos valores críticos do teste ADF Caso de Sazonalidade Estocástica: ver Enders (2005) * TESTE DE PHILLIPS-PERRON H0: = 0 (processo não estacionário/uma raiz unitária) H1: 0 (processo estacionário/sem raízes unitárias) Regra de Decisão: Estatística de teste Z: Se Valor crítico C Aceita H0 (Yt NÃO É estacionário) Se < Valor crítico C Rejeita H0 (Yt É estacionário) Escolha do nível de significância 1) 2) 3) 4) Equação Geral de Teste * TESTE PP DIFERENÇAS (1) ut pode ser ARMA(p,q) heterogeneamente distribuído Não tem lags defasados de Yt Versão 1 Versão 2 Versão 3 NAS 3 VERSÕES S: erro-padrão do estimador de MQO de S2: erro-padrão da regressão de teste ou estimador de 2 assumindo ut ruído branco 2Tl : estimador de 2 assumindo ut heterogêneamente distribuído * TESTE PP DIFERENÇAS (2) Esta fórmulaé um estimador consistente de 2 Chamada Estimador do espectro na frequência 0 Pesos wsl são a janela de defasagem e há 3 opções de computá-los: Barttlet Parzen Newey-West l é o parâmetro de largura de banda * TESTE DE PHILLIPS-PERRON H0: = 0 (processo não estacionário/uma raiz unitária) H1: 0 (processo estacionário/sem raízes unitárias) Regra de Decisão: Estatística de teste Z: Se Valor crítico C Aceita H0 (Yt NÃO É estacionário) Se < Valor crítico C Rejeita H0 (Yt É estacionário) Escolha do nível de significância 1) 2) 3) 4) Equação Geral de Teste * TESTE PP DIFERENÇAS (1) ut pode ser ARMA(p,q) heterogeneamente distribuído Não tem lags defasados de Yt Versão 1 Versão 2 Versão 3 NAS 3 VERSÕES S: erro-padrão do estimador de MQO de S2: erro-padrão da regressão de teste ou estimador de 2 assumindo ut ruído branco 2Tl : estimador de 2 assumindo ut heterogêneamente distribuído * TESTE PP DIFERENÇAS (2) ût p/(t = 1,...,T) são os resíduos da regressão de teste em qq versão Esta fórmula é um estimador consistente de 2 Chamada Estimador do Espectro na Frequência 0 Pesos wsl são a janela de defasagem e há 3 opções de computá-los: Barttlet Parzen Newey-West l é o parâmetro de largura de banda * TESTE DF-GLS H0: = 0 (processo não estacionário/uma raiz unitária) H1: 0 (processo estacionário/sem raízes unitárias) Regra de Decisão: Estatística de teste Tau: Se Valor crítico C Aceita H0 (Yt NÃO É estacionário) Se < Valor crítico C Rejeita H0 (Yt É estacionário) Escolha do nível de significância 1) 2) 3) 4) Equação Geral de Teste Porém computada a partir da estimação da equação de teste por MQG (GLS) * TESTE DF-GLS DIFERENÇAS (1) Os erros ut seguem um AR(p) Na versão 1 a estatística-tau é a mesma do teste ADF Na versão 2 e na versão 3 a estatística-tau é computada a partir da regressão da equação de teste por GLS Vantagem do teste DF-GLS vs ADF e PP Poder do teste DF-GLS é maior sob erros AR(p) * TESTE DF-GLS DIFERENÇAS (2) Uso de variável Ytd (livre da constante e/ou da tendência) no lugar de Yt na equação de teste Versão 3: cômputo por GLS de: Versão 2: cômputo por GLS de: Estimação por MQO de: (sem constante e tendência) Onde (seja na versão 2 ou na versão 3): * COINTEGRAÇÃO * RECAPITULANDO … Econometria clássica não é valida quando as séries são NÃO estacionárias Em particular, se as séries NÃO estacionárias forem independentes, obtém-se regressões espúrias Diferenciar séries até estacionariedade não resolve, perde-se informações de longo-prazo O que fazer ? …. Teoria da Cointegração * HISTÓRICO Granger (1983) – introduz o conceito de cointegração na literatura Granger e Engle (1987) – estabelecem relação entre cointegração e o modelo de correção de erros Década de 90 – proliferam trabalhos teóricos e empíricos 2003 – Granger e Engle ganham o Prêmio Nobel de Economia !!! * CONCEITOS INICIAIS Sejam 2 séries não estacionárias: Seja a regressão: Yt e Xt serão cointegradas se t ~ I(0) Yt e Xt serão NÃO cointegradas se t ~ I(1) * IMPLICAÇÕES Se Y e X são cointegradas, então: tendência estocástica comum tendências estocásticas se cancelam mutuamente relação de equilíbrio no longo prazo relação de curto prazo (?) Desvios no equilíbrio de longo prazo são transientes A regressão de Y contra X não é espúria Se Y e X NÃO são cointegradas, então: tendências estocásticas são independentes Só relação de curto prazo Desvios não tendem a se corrigir, são persistentes A regressão de Y contra X é espúria * ILUSTRANDO t passeio aleatório ~I(1) t ruído branco ~I(0) Cointegração Não Cointegração * Xt ~ I(0) então a+bXt ~ I(0) Yt ~ I(0) e Xt ~ I(0) então aYt+bXt ~ I(0) Yt ~ I(1) e Xt ~ I(0) então aYt+bXt ~ I(1) Yt ~ I(1) e Xt ~ I(1) então (em geral) aYt+bXt ~ I(1) ALGUMAS PROPRIEDADES DEFINIÇÃO DE COINTEGRAÇÃO: Se Yt ~ I(1) e Xt ~ I(1) , e existir uma combinação linear aYt+bXt ~ I(0), então Yt e Xt são cointegradas. * Computar a regressão cointegrante Aplicar teste ADF sobre os resíduos TESTE DE COINTEGRAÇÃO (Engle e Granger, 1987) H0: = 0 (Y e X NÃO SÃO cointegradas) H1: < 0 (Y e X SÃO cointegradas) Nota: Usar os valores críticos de Engle e Granger (1987) * OBSERVAÇÕES Se X e Y forem cointegradas: a regressão cointegrante NÃO é ESPÚRIA !! MQO aplicado à regressão cointegrante (para estimar a e b) são superconsistentes as razões t são assintoticamente normais * VALORES CRÍTICOS Fonte: Tabela C de Enders (2004). Baseada em MacKinnon (1991). * MODELO DE CORREÇÃO DE ERROS Onde: Modelo S/ Correção de Erros Em caso de NÃO cointegração Em caso de cointegração Resíduos da equação cointegrante Modelo de Correção de Erros * OBSERVAÇÕES Se as variáveis forem I(0), elas são não cointegradas e estima-se o modelo sem diferenciá-las Se Y e X forem I(1) e cointegradas, mas só uma possuír também tendência determinística, deve-se incluir a variável t como explicativa na equação cointegrante Se Y e X forem I(1) e cointegradas e ambas possuírem tendência determinística, deve-se verificar no teste de cointegração se a série de erros tem tendência determinística também. Se tiver, inclua a variável t como explicativa na equação cointegrante. * VÁRIAS VARIÁVEIS Usaremos exemplo da Demanda de E. Elétrica (NT 292/2008 – SRE/ANEEL) C = consumo de energia elétrica P = tarifa média de energia elétrica Y = PIB EL = estoque de equipamentos elétricos b1, b2 e b3 – elasticidades do consumo * MODELO LOG-LOG Passo 1: Verificar estacionariedade de cada série (logC, logP, logY e logEL) usando o teste ADF Passo 2: (assumindo que todas são I(1)) realizar o teste de cointegração de Engle e Granger H0: = 0 (logC , logP, logY e logEL NÃO SÃO cointegradas) H1: < 0 (logC , logP, logY e logEL SÃO cointegradas) Nota: Usar os valores críticos de Engle e Granger (1987) * ESTIMAÇÃO DO MODELO Modelo para Séries Estacionárias ou I(0) Modelo de Correção de Erros (SOB cointegração) Modelo Sem Correção de Erros (SEM cointegração) * OBSERVAÇÕES Se uma série for I(0), não deve ser incluída na equação cointegrante para o teste de cointegração Mesmo que todas sejam I(1), a cointegração pode envolver todas as quatro variáveis ou apenas um subgrupo delas. Procure fazer o teste de cointegração para os subgrupos também, o que permitirá verificar se alguma série não era para estar na equação cointegrante Havendo séries I(1), segundo o teste ADF, com tendência determinística e outras também I(1) sem, ponha a variável t na equação cointegrante Se todas as séries forem I(1), segundo o teste ADF, com tendencia deterministica, verifique no teste de cointegração se ha tendencia determinística tambem nos erros da equação cointegrante. Se houver, inclua a variável t na mesma. * SAZONALIDADE Equação cointegrante Modelo de Correção de Erros: Modelo para Séries Estacionárias ou I(0):
Compartilhar