econometria de séries temporais universidade federal de juiz de fora (ufjf) faculdade de economia...
TRANSCRIPT
Econometria de Séries Temporais
UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF)UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF)FACULDADE DE ECONOMIA (FE)FACULDADE DE ECONOMIA (FE)Econometria 3Econometria 3
Rogério Silva de Mattos, Rogério Silva de Mattos, D.Sc.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
XY
XY
REGRESSÃO ESPÚRIA
ttt bXaY
ttt uYY 1
ttt wXX 1Independentes !
Experimento de Granger e Newbold (1974)
Se = = 1Yt 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 :
Assumindoque:
MENSAGEM FUNDAMENTAL
Econometria Clássica
Econometria Clássica OKESTACIONARIEDADE
NÃOESTACIONARIEDADE
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
ESTACIONARIEDADEX
NÃO-ESTACIONARIEDADE
DEFINIÇÃO
Processo NÃO Estacionário Yt
)(),()()(
)()(2
tYYCovtYVar
tYE
sstt
t
t
Processo Estacionário Fraco Yt
sstt
t
t
YYCovYVar
YE
),()(
)(2
Alguém depende do tempo(Média e/ou Variância e/ou Autocovariância)
Média, Variância e Autocovariância
constantes
EXEMPLOS
EstacionárioNão 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”)
)0(~
)1(~IY
IY
t
t
)0(~
)1(~)2(~
2 IY
IYIY
t
t
t
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”?
tqtd
p BYB )()(
)0(~)1(
)(~
IYBY
dIY
td
td
t
dpdp BBB )1)(()(*
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)
ttt YY 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
)0(~1
IuuYY
t
ttt
)0(~1
IuuYY
t
ttt
SEM CONSTANTE
COM DESLOCAMENTO (DRIFT)
PASSEIO ALEATÓRIO
),0( ...~ 2
1
Ndii
YY
t
ttt
),0( ...~ 2
1
Ndii
YY
t
ttt
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)
1||1 ttt YY
Processo MEMÓRIA LONGA: Um choque repercute permanentemente sobre a série. Esta não tende a voltar para algum lugar. Choque permante. Exemplo:
ttt YY 1
• Para desenvolver a intuição, brinque com o arquivo AR1.XLS
TIPOS DE TENDÊNCIAS
btTDt DETERMINÍSTICA
ttt uYY 1DETERMINÍSTICA
+ESTOCÁSTICA
t
iit utYY
00
ttt uYY 1ESTOCÁSTICA
TENDÊNCIAS E DIFERENÇAS ESTACIONÁRIAS
TENDÊNCIA ESTACIONÁRIATend. Determinística + processo I(0)
ttt
ttt
uYYuYY
1
1
Obs: Tendência estacionária “puxa” a série. Diferença estacionária c/cte “empurra”.
tt ubtY
DIFERENÇA ESTACIONÁRIA-Sem constante-Com constante
RESUMINDOProcesso 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
ttt YY 1
ttt YY 1
ttt YY 1
ttt YbtY 1
ttt YbtY 1
• 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 POUCOttt uYbtY 1
Onde = - 1
ttt YY 1
ttY
ttY
ttt YbtY 1
TESTE DE DICKEY FULLER
ttt YbtY 1
H0: = 0 (processo não estacionário/uma raiz unitária)H1: 0 (processo estacionário/sem raízes unitárias)
Regra de Decisão:
ˆ
ˆ
SEstatística 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 Geralde Teste
DICKEY FULLERVersão 1
ttt YY 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 equaçãode teste
ˆˆ S
DICKEY FULLERVersão 2
ttt YY 1
• 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
ˆˆ S
• 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 FULLERVersão 3
ttt YbtY 1
ˆˆ S
Com intercepto e termo de tendência naequação 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
Versão 1 (Sem intercepto)
Versão 2 (Com intercepto)
Versão 3 (Com intercepto
e termo de tendência)
H0Tendência Estocástica
Apenas
Tendência Estocástica
Apenas
Tendência Determinística +
Tendência Estocástica
H1 Sem Tendência Alguma
Sem Tendência Alguma
Só Tendência Determinística
RESUMO DO TESTE ADF
TESTE DE DICKEY-FULLERAUMENTADO
• 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)
t
p
sststt YYbtY
11
VALORES CRÍTICOS DO TESTE ADF
Fonte: Tabela Ade Enders (2004), Baseada em Fuller(1976)
TESTE ADF SAZONAL
t
p
sststttitt YYbtDDDY
11332210
Exemplo para o caso trimestral
outro0
trimestre1 iDit
• Usam-se os mesmos valores críticos do teste ADF• Caso de Sazonalidade Estocástica: ver Enders (2005)
TESTE DE PHILLIPS-PERRON
ttt uYbtY 1
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 Geralde Teste
sssTsZ
Tl
Tl
Tl
ˆ2)ˆ(
ˆ)( ˆ
22
TESTE PP DIFERENÇAS (1)
ttt uYbtY 1
• ut pode ser ARMA(p,q) heterogeneamente distribuído• Não tem lags defasados de Yt
sssTsZ
Tl
Tl
Tl
ˆ2)ˆ(
ˆ)( ˆ
22
sssTsZ
Tl
Tl
Tl
ˆ2
)ˆ(ˆ
)( ˆ22
Versão 1
Versão 2
Versão 3 sssTsZ
Tl
Tl
Tl
ˆ2
)ˆ(ˆ
)( ˆ22
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
T
ststt
l
ssl
T
ttTl uuwu
T 111
22 ˆˆ2ˆ1̂
TESTE PP DIFERENÇAS (2)
• 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:
1. Barttlet2. Parzen3. Newey-West
• l é o parâmetro de largura de banda
TESTE DE PHILLIPS-PERRON
ttt uYbtY 1
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 Geralde Teste
sssTsZ
Tl
Tl
Tl
ˆ2)ˆ(
ˆ)( ˆ
22
TESTE PP DIFERENÇAS (1)
ttt uYbtY 1
• ut pode ser ARMA(p,q) heterogeneamente distribuído• Não tem lags defasados de Yt
sssTsZ
Tl
Tl
Tl
ˆ2)ˆ(
ˆ)( ˆ
22
sssTsZ
Tl
Tl
Tl
ˆ2
)ˆ(ˆ
)( ˆ22
Versão 1
Versão 2
Versão 3 sssTsZ
Tl
Tl
Tl
ˆ2
)ˆ(ˆ
)( ˆ22
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
T
ststt
l
ssl
T
ttTl uuwu
T 111
22 ˆˆ2ˆ1̂
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:
1. Barttlet2. Parzen3. Newey-West
• l é o parâmetro de largura de banda
TESTE DF-GLS
ttt YbtY 1
H0: = 0 (processo não estacionário/uma raiz unitária)H1: 0 (processo estacionário/sem raízes unitárias)
Regra de Decisão:
ˆ
ˆ
SEstatística 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 Geralde Teste
Porém computada a partir da estimação da equação de teste por MQG (GLS)
TESTE DF-GLSDIFERENÇAS (1)
ttt uYbtY 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-GLSDIFERENÇAS (2)
Uso de variável Ytd (livre da constante e/ou da tendência) no
lugar de Yt na equação de teste
tt wY ˆˆ
t
p
j
djt
dt
dt uYYY
1
tt wtbY ˆˆˆ Versão 3: cômputo por GLS de:
Versão 2: cômputo por GLS de:
td
t wY ˆ
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
)1(~)1(~
IXIY
t
tSejam 2 séries não estacionárias:
Seja a regressão: ttt bXaY
• 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
-2.00
0.00
2.00
4.00
6.00
8.00
10.00
12.00
Tempo
X Y e
ttt
ttt
ttt
uXXvYY
XY
1
1
2
t passeio aleatório ~I(1)t ruído branco ~I(0)
Cointegração Não Cointegração
-4.00
-2.00
0.00
2.00
4.00
6.00
8.00
10.00
12.00
Tempo
X Y e
• 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.
1) Computar a regressão cointegrante
2) Aplicar teste ADF sobre os resíduos
TESTE DE COINTEGRAÇÃO(Engle e Granger, 1987)
ttt XbaY ̂ˆˆ
ttt wt 1ˆˆ
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
k
jtjtj
p
iitit uXYY
110
Onde: ttt XbaY ˆˆˆ
Modelo S/
Correção
deErros
Em caso de NÃO cointegração
Em caso de cointegração
k
jtjtj
p
iititt uXYY
11110 ˆ
Resíduos da equação
cointegrante
Modelo de
Correção
deErros
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.
k
jtjtj
p
iitit uXYY
110
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
tbt
bt
btt eELYkPC 321
MODELO LOG-LOG
ttttt eELbYbPbkC loglogloglogloglog 321
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)
1ˆlogˆlog tt ete
ESTIMAÇÃO DO MODELO
t
n
ssts
k
jjtj
p
iiti
r
lititt wELYPCeC
111110 loglogloglogˆlog
Modelo para Séries Estacionárias ou I(0)
Modelo de Correção de Erros (SOB cointegração)
Modelo Sem Correção de Erros (SEM cointegração)
t
n
ssts
k
jjtj
p
iiti
r
litit wELYPCC
11110 logloglogloglog
t
n
ssts
k
jjtj
p
iiti
r
litit wELYPCC
11110 logloglogloglog
t
n
ssts
k
jjtj
p
iiti
r
litit wELYPCC
11110 logloglogloglog
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
tttttttt eELbYbPbDaDaDaaC logloglogloglog 321332211
t
n
ssts
k
jjtj
p
iiti
ttttt
wELYP
eDDDC
111
43322110
logloglog
ˆlog
Equação cointegrante
Modelo de Correção de Erros:
t
n
ssts
k
jjtj
p
iiti
tttt
wELYP
DDDC
111
322110
logloglog
log3
Modelo para Séries Estacionárias ou I(0):