Programa Pós-Graduação em Economia Métodos Quantitativos III 2016

Transcrição

1 Prof. Wilson Luiz Rotatori Corrêa Horário: Quarta-feira 10:00-12:00 Quinta-feira 08:00 10:00 Contatos: Home Page: 18:00 ) Horário de Atendimento: Professor :à combinar (favor enviar antecipadamente) Monitor: Ricardo Barbosa Lima (Horário: Terça-Feira 16:00 às Ementa: Processos Estocásticos, Conceito de Estacionariedade, Modelos ARIMA, Modelos ARCH-GARCH e Extensões, Raiz Unitária, Cointegração, Modelos VAR/VECM. Objetivo: O objetivo do curso é apresentar aos alunos as formulações teóricas básicas da modelagem de séries de tempo com ênfase na sua interpretação e aplicabilidade aos problemas econômicos. Estrutura: O curso está dividido em duas partes: 1) Modelos univariados destacando-se a previsão e estimação de volatilidade bem como o problema das séries não estacionárias e as implicações econômicas do conceito de cointegração. 2) Modelos vetoriais destacando-se a sua utilização para testes de causalidade e interpretação de impulso resposta e novamente abordada a questão da não estacionariedade e suas implicações através do conceito de cointegração e modelos vetoriais de correção de erros. Didática: Aulas expositivas onde são apresentadas as formulações teóricas com material de apoio em PowerPoint. Disponibilização de monitor para apoio na preparação dos trabalhos. Avaliação: O discente é estimulado através da preparação de três resenhas a realizar uma pesquisa bibliográfica estabelecendo uma análise crítica da abordagem metodológica de séries de tempo empregada em trabalhos publicados em revistas científicas (Apenas no Extrato Qualis A e B). Com essa abordagem objetiva-se estabelecer ligações entre os desenvolvimentos recentes presentes na literatura empírica e a fundamentação teórica proposta nos tópicos abordados em aulas expositivas.

2 Programa Parte I Séries de Tempo Univariadas,, Raízes Unitárias e Cointegração 1. Introdução e Definições Básicas (Hamilton: Cap 2, Cap e 3.2 /Moretin e Toloi: Cap 1 e 2 / Enders: Cap.1) a. Objetivo da Análise de Séries de Tempo b. Transformações e operadores c. Definição de processos estacionários d. Função de Autocovariância 2. Modelos ARIMA (Hamilton: Cap. 3 / Moretin e Toloi: Caps. 5 à 9 / Enders: Cap.2) a. Identificação b. Estimação c. Previsão 3. Modelos de Variância Condicional (Hamilton: Cap 21 / Moretin e Toloi: Cap14 / Enders: Cap.3) a. Modelos ARCH b. Modelos GARCH c. Extensões: Modelos EGARCH e ETARCH 4. Raízes Unitárias e Cointegração(Maddala e Kim: Caps. 3, 4 e 5: 5.3 e 5.4 / Enders: Cap. 4) a. Introdução e Implicações para Modelos Econômicos b. Especificação de Componentes Determinísticos c. Testes com a Hipótese Nula de Raiz Unitária d. Testes com a Hipótese Nula de Estacionariedade e. Modelo de Correção de Erros f. Definição de Cointegração Parte II Análise Vetorial 1. Processos Autoregressivos Vetoriais (VAR) (Lütkepohl: Caps.2 e 3 / Enders: Cap. 5) a. Propriedades Básicas b. Representação de Média Móvel c. Autocovariâncias e Autocorrelações d. Estimação e. Previsão

3 f. Testes de Causalidade g. Funções de Impulso Resposta h. Decomposição de Erro da Variância 2. Determinação da Ordem e Testes de Diagnóstico (Lütkepohl: Cap. 4) a. Testes de Determinação da Ordem b. Critérios para Seleção da Ordem c. Testes de Autocorrelação, Normalidade e Quebras Estruturais 3. Cointegração(Juselius: Cap. 2: 2.3 e 2.4 e Caps. 5 e 6) a. Dependência Temporal de Dados Macroeconômicos b. Formulação Estocástica c. Modelo VAR Cointegrado d. Tendências Comuns e a Representação em Média Móvel e. Componentes Determinísticos no Modelo VARCointegrado 4. Estimação do Modelo I(1) e Determinação do Rank (Juselius: Caps. 7 e 8) a. Estimador de Máxima Verossimilhança (Johansen) b. Normalização e Unicidade c. Teste do Rank d. Variáveis Dummy e Componentes Determinísticos e. Determinação do Rank Plano de aulas Aula Data Tópico Tipo de Aula 1 15/06 Apresentação do Programa/Definições Básicas Expositiva 2 16/06 Definições Básicas/Modelos ARIMA Expositiva 3 22/06 II EEA NÃO HAVERÁ AULA 4 23/06 II EEA NÃO HAVERÁ AULA 5 29/06 Modelos ARIMA (Classificação) Expositiva 6 30/06 Modelos ARIMA (Classificação) Expositiva 7 06/07 Modelos ARIMA (Estimação) Expositiva

4 8 07/07 Modelos ARIMA (Previsão) Expositiva 9 13/07 Modelos GARCH/ARCH Expositiva/Entrega Resenha /07 Modelos GARCH/ARCH Expositiva/ 11 20/07 Modelos GARCH/ARCH Expositiva 12 21/07 Modelos GARCH/ARCH Expositiva 13 27/07 Raízes Unitárias/Cointegração Expositiva 14 28/07 Raízes Unitárias/Cointegração Expositiva 15 03/08 Raízes Unitárias/Cointegração Expositiva 16 04/08 Processos Autoregressivos Vetoriais Expositiva/Entrega Resenha /08 Processos Autoregressivos Vetoriais Expositiva 18 11/08 Processos Autoregressivos Vetoriais Expositiva 19 17/ /08 Determinação da Ordem e Testes Diagnóstico Teste Causalidade/Funções de Impulso Resposta Expositiva Expositiva 21 24/08 Cointegração Expositiva 22 25/08 Cointegração Expositiva 23 31/08 Cointegração Expositiva 05/ Entrega Resenha 3 Avaliação: A avaliação será composta por 3 resenhas todos avaliados individualmente. O conceito final é obtido pela soma ponderada dos resultados de tal forma que: = 0.20 h h h

5 As resenhas têm caráter empírico e devem consistir de um resumo crítico que trate de um artigo publicado em cada um dos seguintes temas que compõem a ementa: 1) Modelos ARIMA; 2) Modelos de Variância Condicional (ARCH/GARCH); 3) Processos Autoregressivos Vetoriais (VAR) Raiz Unitária Cointegração. A resenha r deve ser s impressa e conter no máximo 15 páginas em espaço 1,5 usando fonte times new Roman 12pts com margens de 2cm. O texto da resenha deve conter o assunto ou o tema, o problema elaborado pelo o autor, as ideias centrais, os argumentos e ideias secundárias do artigo, uma conclusão apresentando sua crítica pessoal construída por uma interpretação crítica da abordagem do autor que seja fundamentada em uma revisão bibliográfica, ou seja, considerando outros textos e autores e também por uma análise empírica e finalmente a bibliografia. Sugere-se fortemente a consulta a manuais de metodologia científica para elaboração do texto (Vejam links disponíveis na página do curso). Não serão aceitos argumentos como o texto é fácil de ler ou ele me ajudou a compreender ender melhor os assuntos abordados na disciplina. Bibliografia: BANERJEE, A.; DOLADO, J. J.; MESTRE, R. Error-correction mechanism tests for cointegration in a single equation framework. Journal of Time Series Analysis, v. 19, n.3, p , BLANCHARD, O., QUAH, D. The dynamic effects of aggregate demand and supply disturbances. American Economic Review, v. 79, p , BOLLERSLEV, T. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, v. 31, p , BOLLERSLEV, T. Finance econometrics: past developments and future challenges. JournalofEconometrics, v. 100, p , BUENO, R. L. S. Econometria de séries temporais. São Paulo: Cengage Learning, CANOVA, F. The economics of VAR models. In HOOVER, K. D. (Org.). Macroeconometrics: Developments, tensions and prospects.boston: Kluwer Academic Publishers, CARRION-i-SILVESTRE, J.L.; KIM, D. PERRON,P. GLS-based unit root tests with multiple structural breaks both under the null and the alternative hypothesis. Econometric Theory, v. 25, p , CAMPBELL, J. Y., SHILLER, R. J. Interpretingcointegrated models. Journal of Economic Dynamics and Control, v.12, p , 1988.

6 CLEMENTS, M. P, MIZON, G. E.Empirical Analysis of Macroeconomic Time Series: VAR and Structural Models. European Economic Review, v.35, p , DAVISON, J. E. H., HENDRY, D. F., SRBA, F., YEO, S. Econometric modeling of the aggregate time-series relationship between consumer s expenditure and income in the United Kingdom. Economic Journal, v. 88, p , DICKEY, D.A., FULLER, W.A. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, v.74, p , DUFOUR, J-M; PELLETIER, D.; RENAULT, E. Short run and long run causality in time series: inference. Journal of Econometrics, v. 132, p , ENDERS, W.Applied econometric time series. Hoboken: John Wiley & Sons ENGLE, R. F.; GRANGER, C.W. J. Cointegration and error correction: representation, estimation and testing. Econometrica, v. 55, n. 2, p , ENGLE, R. F. Autoregressive conditional heteroskedasticity with estimates of the variance of U. K. inflation. Econometrica, v. 50, p , ENGLE, R. F. ARCH: selected readings. New York: Oxford University Press, p. ELLIOT, G., ROTHENBERG, T.J., STOCK, J. H. Efficient tests for an autoregressive unit root. Econometrica, v.64, n. 4, p , ESTEVE, V.; NAVARRO-IBÁÑEZ, M.; PRATS, M. A. The Spanish structure of interest rates revisited: cointegragion with multiple structural breaks, International Review of Economics and Finance. doi: /j.iref , FAVERO, C. A. The econometrics of monetary policy: an overview. IGIER-Bocconi University. Mimeo, GHOUDI, K. RÉMILLARD, B. Comparison of specification tests for GARCH models. Computational Statistics and Data Analysis, v.76, p , GLOSTEN, L. R., JAGANNATHAN, R., RUNKLE, D. E. On the relation between the expected value and the volatility of the nominal excess return on stocks. The Journal of Finance, v.48, n.5, p , HAMILTON, J. D. Time series analysis. Princeton: Princeton University Press, p. HARVEY, A. C. Time series models. Deddington: Philip Allan, HARVEY, D. I.; LEYBOURNE, S. J.; TAYLOR, R. A.M. Testing for unit roots in the possible presence of multiple trend breaks using minimum Dikcey-Fuller statistics. Journal of Econometrics, v. 177, p , HENDRY, D. F. Dynamic econometrics. Oxford: Oxford University Press, p. HENDRY, D.F., JUSELIUS, K. Explainigcointegration analysis: part I. Energy Journal, v.21, n.1, p

7 JOHANSEN, S. Likelihood-based inference in cointegrated vector autoregressive models. Oxford: Oxford University Press, JOHANSEN, S.; JUSELIUS, K. Identification of the long-run and short run structure: an application to the ISLM model. Journal of Econometrics, v. 63, p. 7-36, JOHANSEN, S. Modelling of cointegration in the vector autoregressive model. Economic Modelling, v.17, p , JOHANSEN, S. The interpretation of cointegrating coefficients in the cointegrated vector autoregressive model. Discussion paper n. 14. Department of Theoretical Statistics, University of Copenhagen, JUSELIUS, K. The cointegrated VAR model: methodology and applications. New York: Oxford University Press, p. KEJIRIWAL, M.; PERRON, P. Testing for multiple structural changes in cointegrated regression models. Journal of Business and Economic Statistics, v.28, p , KIM, D.; PERRON, P. Unit root tests allowing for a break in the trend function under both the null and the alternative hypothesis. Journal of Econometrics, v. 148, p 1-13, KING, R. G., PLOSSER, C. I., STOCK, J. H., WATSON, M. W. Stochastic trends and economic fluctuations. American Economic Review, v. 81, p , KULPERGER, R. YU, H. High moment partials sum processes of residuals in GARCH models and their applications. The Annals of Statistics, v. 33, n.5, p , KWIATKOWSKI, D.; PHILLIPS, P.C.B.; SCHMIDT, P.; SHIN,Y. Testing the null hypothesis of stationary against the alternative of a unit root. Journal of Econometrics, v.54, p , LEE, J; STRAZICICH, M. C. Minimum Lagrange multiplier unit root test with two structural breaks. The Review of Economics and Statistics, v. 85, n. 4, p , LUCAS, R. E. Econometric policy evaluation: A critique in BRUNNER, K, MELTZER, A. (ed), The Phillips Curve and Labor Markets, Carnegie-Rochester Conference Series on Public Policy, n.1, p , LÜTKEPOHL, H. New introduction to multiple time series analysis, Heidelberg: Springer- Verlag, p. LUMSDAINE, R. L. PAPELL, D. H. Multiple trend breaks and the unit-root hypothesis. The Review of Economics and Statistics, v. 79, n.2, p , MADDALA, G.S.; KIM, I. M. Unit roots, cointegration and structural change. Cambridge: Cambridge University Press, p. MORETTIN, P. A.; TOLOI, C. M. C. Análise de sériestemporais. São Paulo: Egard Blucher, p.

8 NELSON, H. L. Conditional heteroskedasticity in asset returns. Econometrica, v. 59, p , PESARAN, M. H., SHIN, Y. Long-run structural modeling. Econometric reviews, v.21, n.1, p , PERRON, P. The great crash, the oil price shock and the unit root hypothesis, Econometrica, v. 57, p , PERRON, P. NG, S. Useful modifications to some unit root tests with dependent errors and their local asymptotic properties. The Review of Economic Studies, v. 63, n. 3, p , PERRON, P.; RODRIGUEZ, G. GLS detrending, efficient unit root tests and structural change. Journal of Econometrics, v. 115, p. 1-27, PHILLIPS, P. C. B., XIAO, Z. A primer on unit root tests. Journal of Economic Surveys, v.12, n.5, p , PHILLIPS, P. C. B., PERRON, P. Testing for a unit root in a time series regression. Biometrika, v. 75, n.2, p , SIMS, C. A. Macroeconomics and reality. Econometrica, v. 48, p. 1-48, WICKENS, M. R. Interpreting cointegrating vectors and common stochastic trends. Journal of Econometrics, v. 74, p , ZAKOIAN, J. M. Threshold heterokedasticity models. Journal of Economic Dynamics and Control, v. 18, p , ZIVOT, E.; ANDREWS, D. W. K. Further evidence on the great crash, the oil-price shock, and the unit-root hypothesis. Journal of Business & Economic Statistics, v. 10, n.3, p , 1992.