Introdução a Modelos ARCH
|
|
- Estela Penha Marinho
- 7 Há anos
- Visualizações:
Transcrição
1 Introdução a Modelos ARCH Henrique Dantas Neder - Professor Associado Universidade Federal de Uberlândia July 24, 2014 A volatilidade de uma série não é constante ao longo do tempo; períodos de volatilidade relativamente baixa e períodos de volatilidade relativamente elevada tendem a ser agrupados. Esta é uma característica frequentemente observada de séries temporais econômicas e é ainda mais pronunciada em muitas séries nanceiras. Modelos ARCH buscam fazer uma estimativa dessa volatilidade dependente do tempo como uma função da volatilidade observada anterioremente. Por vezes, o modelo de volatilidade é de maior interesse do que o modelo da média condicional. Como implementado através do comando arch, o modelo de volatilidade pode também incluir regressores para levar em conta uma componente estrutural na volatilidade, geralmente conhecida como heterocedasticidade multiplicativa. Modelos ARCH foram introduzidos por Engle (1982) em um estudo das taxas de inação, e desde então, ocorreu uma enxurrada de propostas de especicações paramétricas e não paramétricos de heterocedasticidade condicional auto-regressiva. Visões gerais da literatura podem ser encontrada em Bollerslev, Engle e Nelson (1994) e Bollerslev, Chou, e Kroner (1992). Introduções aos modelos básicos ARCH aparecem em muitos textos gerais de econometria, incluindo Davidson e MacKinnon (1993, 2004), Greene (2012), Kmenta (1997), Stock e Watson (2011) e Wooldridge (2013). Harvey (1989) e Enders (2004) apresentam introduções para ARCH no contexto mais amplo da modelagem econométrica de séries temporais, e Hamilton (1994) dá consideravelmente mais detalhe no mesmo contexto. Becketti (2013, cap. 8) fornece uma introdução simples a modelagem ARCH com ênfase em como usar o comando de Stata arch. O comando arch estima modelos de heterocedasticidade condicional autoregressiva (ARCH, GARCH, etc) usando máxima verossimilhança condicional. Por "condicional", queremos dizer que a verossimilhança é calculada com base em um conjunto assumido ou estimado dos valores para as inovações ao quadrados ɛ 2 t e variância σ 2 t prévias para a amostra de estimação; ver Hamilton (1994) ou Bollerslev (1986). Às vezes mais condicionamento é feito nas primeiras a, g ou a + g observações na amostra, em que a é o máximo termo de defasagem ARCH e g é o máximo termo de defasagem GARCH (ou o máximo de lags das outros termos ARCH). Este texto é baseado em uma tradução livre de diversas partes do Manual de Séries Temporais do Stata (que acompanha o software e pode ser visualizado através do menu Help - Documentation) 1
2 O modelo ARCH original proposto por Engle (1982) modelou a variância dos erros de um modelo de regresão como uma função linear de valores defasados dos erros de regressão ao quadrado. Podemos escrever um modelo ARCH (m) como: y t = x t β + ɛ t (média condicional) σt 2 = γ 0 + γ 1 ɛ 2 t 1 + γ 2 ɛ 2 t γ m ɛ 2 t m (variância condicional) ɛ 2 t são os quadrados dos erros (ou inovações) γ i são os parâmetros do modelo ARCH O modelo ARCH tem uma especicação tanto para a média condicional como para variância condicional e a variância é uma função do tamanho das inovações anterriores não antecipadas ɛ t. Este modelo foi generalizado por Bollerslev (1986) para incluir valores defasados da variância condicional - um modelo GARCH. O modelo GARCH (m; k) é escrito como: y t = x t β + ɛ t (média condicional) σt 2 = γ 0 + γ 1 ɛ 2 t 1 + γ 2 ɛ 2 t γ m ɛ 2 t m + δ 1 σt δ 2 σt δ k σt k 2 (variância condicional) γ i são os parâmetros do modelo ARCH δ i são os parâmetros do modelo GARCH Em seu trabalho pioneiro, Engle (1982) assumiu que o termo de erro ɛ t segue uma distribuição gaussiana (normal):ɛ t N(0, σt 2. No entanto, como Mandelbrot (1963) e muitos outros têm observado, a distribuição dos retornos das ações parece ser leptocúrtica, o que signica que os retornos extremos das ações são mais freqüentes do que seria esperado se os retornos fossem distribuídos normalmente. Os pesquisadores têm, portanto, assumido outras distribuições que podem ter caudascom maior altura do que a distribuição normal; o comando arch permite ajustar modelos assumindo que os erros seguem a distribuição t de Student ou uma distribuição de erro generalizado. A distribuição t tem caudas mais elevadas do que a distribuição normal; a medida que o número de graus de liberdade do parâmetro se aproxima do innito, a distribuição t converge para a distribuição normal. As caudas da distribuição generalizada de erros são mais elevadas (com mais densidade de frequencia) do que a distribuição normal quando o parâmetro de forma é inferior a dois e são mais nas do que a distribuição ormal quando o parâmetro de forma é maior do que dois. O modelo GARCH de variância condicional pode ser considerado um processo ARMA no quadrado inovações, embora não nas variações como as equações podem parecer sugerir; ver Hamilton (1994). Especicamente, o modelo GARCH padrão implica que as inovações ao quadrado resultam a partir de\eps ɛ 2 t = γ 0 + (γ 1 + δ 1 )ɛ 2 t 1 + (γ 2 + δ 2 )ɛ 2 t (γ k + δ k )ɛ 2 t k + w t γ 1 w t 1 γ 2 w t 2 γ 3 w t 3 w t = (ɛ 2 t σt 2 ) w t é um processo ruido branco que é fundamental para ɛ t Um dos principais benefícios da especicação GARCH é a parcimônia na identicação da variância condicional. Tal como acontece com os modelos 2
3 ARIMA, a especicação ARMA em GARCH permite que a variância condicional seja modelada com menos parâmetros do que com uma especicação ARCH sozinha. Empiricamente, muitas séries com uma perturbação (erro) condicionalmente heteroscedástica foram adequadamente modeladas com uma especicação GARCH (1,1). Um processo ARMA nas perturbações pode ser facilmente adicionado à equação da média. Por exemplo, a equação da média pode ser escrita com uma ARMA (1, 1) na perturbação (erro) como: y t = x t β + ρ(y t 1 x t 1 β) + θɛ t 1 + ɛ t om uma generalização óbvia para ARMA(p,q) pela adição de termos; ver o texto sobre modelos arima para mais discussão desta especicação. Esta alteração afeta apenas a especicação da variância condicional no sentido em que ɛ 2 t agora resulta a partir de uma especicação diferente da média condicional. Grande parte da literatura sobre modelos ARCH se concentra em especi- cações alternativas da equação da variância. O comando arch permite que muitas dessas especicações sejam solicitadas através das opções saarch () e pgarch (), o que implica que um ou mais termos podem ser mudados ou adicionados à especicação da equação da variância. Essas especicações alternativas também abordam a assimetria. Especi- cações Tanto as especicações ARCH como GARCH implicam em impacto simétrico de inovações. Se uma inovação ɛ 2 t é positiva ou negativa não faz nenhuma diferença para a variação esperada σt 2 nos períodos que se seguem; somente o tamanho da inovação importa - boas e más notícias têm o mesmo efeito. Muitas teorias, contudo, sugerem que inovações positivas e negativas devem variar em seu impacto. Para os investidores avessos ao risco, uma grande queda inesperada no mercado é mais susceptível de conduzir a uma maior volatilidade do que um grande aumento inesperado (ver Black [1976], Nelson [1991]). As opções saarch(), tarch(), aarch(), abarch(), earch(), aparch(), e tparch() permitem considerar diversas especicações de efeitos assimétricos. As opções narch(), narchk(), nparch(), e nparchk() implicam um impacto assimétrico de uma forma especíca. Todos os modelos considerados até agora têm uma variância mínima condicional quando as inovações defasadas são todas iguais a zero. "Nenhuma notícia é boa notícia", quando se trata de manter a variância condicional pequena. As opções narch (), narchk (), nparch (), e nparchk () também têm uma resposta simétrica para inovações, mas elas não são centradas em zero. A função inteira de resposta a notícias (resposta às inovações) é deslocada na horizontal de modo que a variância mínima situa-se em algum valor positivo ou negativo especíco para as inovações prévias. Modelos ARCH-em-média permitem que a variância condicional da série in- uencie a média condicional. Isso é particularmente conveniente para modelar a relação risco-retorno em séries nanceiras; quanto mais arriscado é um investimento, com tudo o resto igual, menor é o seu retorno esperado. Modelos ARCH-em-média modicam a especicação da equação da média condicional como: y t = x t β + ψσt 2 + ɛ t (ARCH-em-média) Embora esta forma linear na variância condicional corrente tem dominado a 3
4 literatura, o comando arch permite que a variância condicional entre na equação da média através de uma transformação não linear g () e que este termo transformada seja incluído contemporaneamente ou desfasado. y t = x t β + ψ 0 g(σ 2 t ) + ψ 1 g(σ 2 t 1) + ψ 2 g(σ 2 t 2) ɛ t Raiz quadrada é a mais comumente usada transformação g () porque geralmente os pesquisadores querem incluir um termo linear para o desvio padrão condicional, mas qualquer transformação g () é permitida. Exemplo 1 Modelo ARCH Considere um modelo simples do Índice de Preços por Atacado EUA (WPI) (Enders 2004, 87-93), que também consideramos em um dos exemplos para a modelagem Arima. Os dados são trimestrais durante o período 1960q1 até 1990q4. Na modelagem Arima, ajustamos um modelo da taxa de variação do WPI, ln(w P I t ) ln(w P I t 1 ). O gráco da série diferenciada mostra claramente períodos de alta volatilidade e outros períodos de relativa tranqüilidade. Isso torna a série de uma boa candidata para a modelagem ARCH. De fato, os índices de preços têm sido um alvo comum para modelos ARCH. Engle (1982) apresentou a formulação original ARCH na análise das taxas de inação no Reino Unido. Em primeiro lugar, estimamos um modelo somente com uma constante por OLS e testamos os efeitos ARCH, usando o teste de multiplicador de Lagrange de Engle (estat archlm). use regress D.ln_wpi Como o teste LM mostra um valor-p de 0,0038, o que está bem abaixo de 0,05, rejeitamos a hipótese nula de inexistência de efeitos ARCH (1). Assim, podemos ainda estimar o parâmetro ARCH(1) especicando arch(1). O modelo ARCH generalizado de primeira ordem (GARCH, Bollerslev 1986) é a especicação mais comumente usada para a variância condicional em trabalhos empíricos e geralmente denotado como GARCH(1, 1). Podemos estimar um processo GARCH(1, 1) para a série de logaritmos diferenciados, digitando: arch D.ln_wpi, arch(1) garch(1) 4
5 Estimamos o parâmetro ARCH(1) como 0,436 e o parâmetro GARCH(1) como 0,454 de modo que nosso modelo GARCH(1,1) ajustado é y t = 0, ɛ t σ 2 t = 0, 436ɛ 2 t 1 + 0, 454σ 2 t 1 y t = ln(wpi t ) ln(wpi t 1 ) O teste Wald para o modelo (análogo ao teste F para a regressão linear comum) e a sua respectiva probabilidade (p-value) são ambos dados missing (.). Por convenção, Stata reporta o teste para o modelo da equação da média. Aqui e com bastante frequência para modelos ARCH, a equação da média consiste apenas de uma constante, e não há nada a testar. 5
Introdução a Modelos VAR
Introdução a Modelos VAR Henrique Dantas Neder - Professor Associado Universidade Federal de Uberlândia July 24, 2014 Um VAR é um modelo no qual K variáveis são especicadas como funções lineares de p de
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisAula 7 Métodos Quantitativos Avançados
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Programa de Pós-Graduação em Controladoria e Contabilidade Aula 7 Métodos Quantitativos Avançados Autor:
Leia maisModelos de Séries Temporais no Stata
Modelos de Séries Temporais no Stata Henrique Dantas Neder - Professor Associado Universidade Federal de Uberlândia 1 Introdução a Modelos Arima O comando arima do Stata estima modelos ARIMA padrões que
Leia maisModelos ARCH e GARCH Aula 8. Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8
Modelos ARCH e GARCH Aula 8 Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8 Motivação Pesquisadores que se dedicam a prever séries temporais, tais como preços
Leia maisAula 22/10/2018 José Luiz Padilha 22 de outubro de 2018
Modelando a Variância Estimação Aula 22/10/2018 José Luiz Padilha 22 de outubro de 2018 A estimação dos parâmetros α 0 e α 1 em um modelo ARCH(1) é geralmente realizada por verossimilhança condicional.
Leia maisAULA 11 Heteroscedasticidade
1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisTestes de Raiz Unitária para Dados em Painel
Aula 7 Bibliografia: Stata, 2017. help xtunitroot. From Stata/SE 13 (accessed on Oct. 23, 2018). Pesaran, M.H. (2015). Time series and panel data econometrics. Oxford: Oxford University Press. Rafael S.
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisAULAS 25 E 26 Heteroscedasticidade
1 AULAS 25 E 26 Heteroscedasticidade Ernesto F. L. Amaral 10 e 15 de junho de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisUNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA. Maio 2018 Aula 8
1 UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Maio 2018 Aula 8 Armando Manuel 09/29/2017 A PREVISÃO Armando Manuel 09/29/2017 11 1. A metodologia Box-Jenkins é um processo que se inicia com a analise
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Motivação Por exemplo, queremos analisar a série
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisPara o presente estudo, foram obtidos os dados através das bases de dados Bloomberg e Ipeadata.
3 Metodologia 3.1. Variáveis analisadas Foram selecionadas algumas variáveis relacionadas ao carry trade do real; esta selação foi baseada nos estudos de Carvalho e Divino (2009) e Nishigaki (2007). As
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisAntes de resolvermos a)-c), vamos relembrar a diferença entre esperança (variância) conditional e esperança (variância) incondicional.
Econometria Avançada - 015-1 SOLUÇÃO Terceira lista de exercícios Problema 1. Seja r t os retornos (ou log-retornos) diários de um ativo financeiros (por exemplo, S&P500 ou Petrobrás ON) tal que r t =
Leia maisPREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH
VI Simpósio de Pesquisa dos Cafés do Brasil PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH Alan Figueiredo de Arêdes 1 ; Matheus Wemerson Gomes Pereira ; Erly Cardo
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisAções de bancos e risco sistêmico
Ações de bancos e risco sistêmico GV INVEST 15 Este artigo descreve um método para a análise tanto da correlação dos retornos de ações de bancos como da velocidade de mudança dessa correlação ambos sendo
Leia maisEstimação e Modelagem de Volatilidade - Eduardo Ribeiro 1
Discutiremos agora diferentes métodos de estimação de volatilidade de ativos. Volatilidade pode ser entendido como o risco de um ativo (retorno incerto). Volatilidade é chave para precificar opções e calcular
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisTestes de Hipóteses. Curso de Introdução à Econometria usando o R. Vítor Wilher. 1 de Dezembro de analisemacro.com.br
Testes de Hipóteses Curso de Introdução à Econometria usando o R Vítor Wilher analisemacro.com.br 1 de Dezembro de 2016 Vítor Wilher (analisemacro.com.br) Testes de Hipóteses 1 de Dezembro de 2016 1 /
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia mais1.1. Apresentação do Tema de Pesquisa, Objectivos e Justificação Prática dos Mesmos
The predictability of returns in stock market (...) remains a challenge for dynamic asset pricing theory. Campbell, 1987, p. 394 I. INTRODUÇÃO 1.1. Apresentação do Tema de Pesquisa, Objectivos e Justificação
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisAssimetria da Volatilidade e Relação entre Preço e Volume dos Mercados Latino Americanos Pelos Métodos da Família ARCH.
Assimetria da Volatilidade e Relação entre Preço e Volume dos Mercados Latino Americanos Pelos Métodos da Família ARCH. Autoria: Luciana de Souza Lima, Ricardo Martins de Paiva Bastos, Marcelo Cabus Klotzle,
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia mais2 Modelos Não Lineares
Modelos Não Lineares 17 2 Modelos Não Lineares 2.1. Introdução Nos últimos anos, muitos modelos não-lineares para a análise de séries temporais têm sido propostos. Na econometria clássica, os modelos de
Leia maisAnálise de Séries Temporais Financeiras
Universidade Federal do Rio de Janeiro Análise de Séries Temporais Financeiras Ricardo Cunha Pedroso 2015 Análise de Séries Temporais Financeiras Ricardo Cunha Pedroso Projeto Final de Conclusão de Curso
Leia maisVOLATILIDADE DE PREÇOS DE PRODUTOS AGRÍCOLAS: UMA ANÁLISE COMPARATIVA PARA SOJA, CAFÉ, MILHO E BOI GORDO
VOLATILIDADE DE PREÇOS DE PRODUTOS AGRÍCOLAS: UMA ANÁLISE COMPARATIVA PARA SOJA, CAFÉ, MILHO E BOI GORDO KILMER COELHO CAMPOS (1) ; ROBÉRIO TELMO CAMPOS (2). 1.UFV, VIÇOSA, MG, BRASIL; 2.UFC, FORTALEZA,
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisEconometria. Séries Temporais Lista de Exercícios
Econometria Séries Temporais Lista de Exercícios 1. Estimação da Autocovariância e da Autocorrelação Tome a série de dados da planilha estimacao.xlsx e estime o que se pede sobre a série de tempo dada.
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisAnálise de Regressão Múltipla: Mínimos Quadrados Ordinários
1 Análise de Regressão Múltipla: Mínimos Quadrados Ordinários Ernesto F. L. Amaral Magna M. Inácio 26 de agosto de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisTextos para Discussão
Grupo de Pesquisa em Gestão e Planejamento Econômico-Financeiro Universidade Federal do Rio de Janeiro UFRJ Avaliação do Risco de Mercado Após a Crise Financeira: Modelos de Valor em Risco (VaR) e Backtesting
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 4 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
Leia maisESTIMAÇÃO DE VOLATILIDADE UTILIZANDO MODELOS GAS E GARCH DESIREÉ DE BÖER VELHO
ESTIMAÇÃO DE VOLATILIDADE UTILIZANDO MODELOS GAS E GARCH DESIREÉ DE BÖER VELHO PORTO ALEGRE 2018 DESIREÉ DE BÖER VELHO Estimação de volatilidade utilizando modelos GAS e GARCH Trabalho de Conclusão de
Leia maisUMA ANÁLISE ECONOMÉTRICA DO ICMS *
UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro
Leia maisCorrelação Serial e Heterocedasticidade em Regressões de Séries Temporais. Wooldridge, Cap. 12
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais Wooldridge, Cap. 1 Porto Alegre, 11 de novembro de 010 1 CORRELAÇÃO SERIAL Ocorrência Conseqüência Análise gráfica Autocorrelação
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisGabarito Trabalho 1. onde 1 refere-se ao salário quando a variável branco = 1. Teremos, então:
Professor: Eduardo Pontual Monitor: Tiago Souza Econometria MFEE Gabarito Trabalho 1 Exercício 1 Queremos estimar a diferença salarial entre trabalhadores brancos e não brancos. Assim, calcularemos a diferença
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisParidade do Poder de Compra e a Taxa de Câmbio Brasileira
Paridade do Poder de Compra e a Taxa de Câmbio Brasileira PET-Economia UnB 10 de junho de 2013 1 2 3 4 5 6 O que é a PPP e porque ela importa A PPP clama que os níveis de preço ao redor do globo devem
Leia maisEconometria Financeira
Ralph S. Silva http://www.im.ufrj.br/ralph/econometriafinanceira.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Setembro-Dezembro/2015 Análise
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisTópicos de Estatística Espacial Geoestatística
Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisMÉTODO MEAN SHIFT PARA DETECÇÃO DE OUTLIERS EM MODELOS NORMAIS ASSIMÉTRICOS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA MÉTODO MEAN SHIFT PARA DETECÇÃO DE OUTLIERS EM MODELOS NORMAIS ASSIMÉTRICOS Thalita do Bem Mattos Clécio da
Leia mais3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisFatos estilizados e volatilidade de retorno do petróleo WTI
Fatos estilizados e volatilidade de retorno do petróleo WTI Bruno Marangoni Costa (PUC-Rio) brunomcosta@yahoo.com Fernando Antônio Lucena Aiube (PUC-Rio) aiube@ind.puc-rio.br Tara Keshar Nanda Baídya (PUC-Rio)
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisAGROENERGIA: A QUESTÃO DA VOLATILIDADE DE PREÇOS E O EFEITO ALAVANCAGEM DOS PRODUTOS AGRÍCOLAS KILMER COELHO CAMPOS (1) ; CARLOS ALBERTO PIACENTI (2).
AGROENERGIA: A QUESTÃO DA VOLATILIDADE DE PREÇOS E O EFEITO ALAVANCAGEM DOS PRODUTOS AGRÍCOLAS KILMER COELHO CAMPOS (1) ; CARLOS ALBERTO PIACENTI (2). 1.UFV, VIÇOSA, MG, BRASIL; 2.UNIOESTE, TOLEDO, PR,
Leia maisO uso de Máquina de Suporte Vetorial para Regressão (SVR) na Estimação da Estrutura a Termo da Taxa de Juros do Brasil 12
1 Introdução No Brasil, o grande aumento na adesão a planos de previdência privada nos últimos tempos implicou em maiores preocupações de bancos e seguradoras em fazer investimentos visando garantir o
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
VOLATILIDADE E VALOR EM RISCO: MODELAGEM POR MÉDIAS MÓVEIS E POR EGARCH COM PARÂMETROS VARIÁVEIS Paulo Henrique Soto Costa UFF - EEIMVR - Departamento de Ciência dos Materiais Av. dos Trabalhadores 42
Leia maisEconometria I Lista 4: Inferência
Econometria I Lista 4: Inferência Professora: Fabiana Fontes Rocha Monitora: Camila Steffens 07 de maio de 2018 Instruções: Objetivos com a lista: estruturação do conteúdo e compreensão da matemática e
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisModelos de Volatilidade Estatística. Danilo Kenji Ishizawa
Modelos de Volatilidade Estatística Danilo Kenji Ishizawa Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Programa de Pós-Graduação em Estatística Departamento de Estatística
Leia maisNeste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy.
4 Metodologia 4.1. Introdução Neste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy. 4.2. Modelo STVAR-Tree O modelo vetorial
Leia mais7 Apresentação dos Resultados
7 Apresentação dos Resultados Neste capítulo será feita a apresentação dos resultados da modelagem das séries temporais obtidas no mercado, através do modelo proposto por SCHWARTZ E SMITH (2000), e estimado
Leia mais5 Modelos de previsão
5 Modelos de previsão 5.1 Previsão de séries temporais Um método comum para escrever o problema de previsão de séries temporais em uma estrutura de estimação por regressão é considerar as séries temporais
Leia maisCE062c - GAMLSS. Silva, J.P; Taconeli, C.A. 09 de outubro, Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, / 42
CE062c - GAMLSS Silva, J.P; Taconeli, C.A. 09 de outubro, 2018 Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, 2018 1 / 42 Por que GAMLSS? Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro,
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia mais