Econometria em Finanças e Atuária
|
|
- Fernanda Antunes Esteves
- 6 Há anos
- Visualizações:
Transcrição
1 Ralph S. Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013
2 Modelos condicionalmente heterocedásticos Modelos condicionalmente heterocedásticos O objetivo é a modelagem da volatilidade do retorno de um ativo. Os modelos são chamados de condicionalmente heterocedásticos. A volatilidade é um fator importante na negociação de opções (fórmula de Black-Scholes). A volatilidade significa a variância (ou desvio padrão) condicional do retorno de um ativo. A modelagem da volatilidade de uma série temporal pode melhorar a eficiência na estimação dos parâmetros e na precisão do intervalo de previsão. Veremos os seguintes modelos: ARCH: autoregressivo condicionalmente heterocedástico; GARCH: ARCH generalizado; e SV: volatilidade estocástica.
3 Características da volatilidade Características da volatilidade A volatilidade de uma ação não é diretamente observável. Isto implica que é difícil avaliar a performance de previsão nos modelos condicionalmente heterocedásticos. Existem conglomerados de volatilidade (períodos de alta e de baixa). A volatilidade muda de forma contínua através do tempo. A volatilidade não diverge para o infinito. Logo, a volatilidade é geralmente estacionária. A volatilidade parece reagir diferentemente para um aumento grande de preço ou uma queda grande de preço, conhecido como efeito de influência (leverage).
4 Características da volatilidade Log Retorno Tempo Figura : Log retornos diários do IBOVESPA de 3 de janeiro de 2000 a 26 de abril de 2013.
5 Características da volatilidade ACF ACF Defasagem (a) Log retornos Defasagem (b) Valor absolutos log retornos ACF Defasagem PACF Defasagem (c) Quadrados dos log retornos (d) Quadrados dos log retornos Figura : ACF e PACF amostral para algumas funções do log retornos diários do IBOVESPA de 3 de janeiro de 2000 a 26 de abril de 2013.
6 Características da volatilidade O ACF dos retornos r t sugerem que os mesmos são não correlacionados. O ACF de r t e rt 2 sugerem que estas séries são correlacionadas. Logo, os retornos r t são dependentes. Os modelos de volatilidade tentam capturar esta dependência na série de retornos. Seja F t 1 a informação disponível até o tempo t 1. Temos que µ t = E(r t F t 1) e σ 2 t = Var(r t F t 1). Como visto no gráfico anterior, a série de retornos tem uma estrutura de correlação baixa. Podemos utilizar um modelo ARMA(p, q) e regressores. Temos r t = µ t + a t e k p q µ t = α + β jx jt + φ jr t j + θ ja t j, j=1 para algum k inteiro e x jt como regressores. Para dados diários, x jt poderia ser uma variável binária representando a segunda-feira para estudar o efeito do fim de semana no preço de uma ação. j=1 j=1
7 Modelos ARCH Modelos ARCH Um modelo ARCH(m) é dado por a t = σ tε t, σ 2 t = α 0 + α 1a 2 t 1 + α 2a 2 t α ma 2 t m, sendo ε t uma sequência iid com média 0 e variância 1; e α 0 > 0 e α j 0 para j > 0. Os coeficientes α j devem satisfazer a certas condições para garantir que a variância incondicional de a t seja finita. Em geral, ε t segue distribuição normal ou t-student. Podemos incluir outras distribuições e também permitir a modelagem da assimetria. Note que valores de {a 2 t j} m j=1 grandes, implicam que σ 2 t será grande. Se σt 2 é grande, então a t poderá ser grande com maior probabilidade (se comparado a um σt 2 menor).
8 Modelos ARCH Log Retorno Tempo (a) Log retornos Log Retorno Tempo (b) Quadrados dos log retornos Figura : Log retornos e log retornos ao quadrado diários do IBOVESPA de 3 de janeiro de 2000 a 26 de abril de 2013.
9 Construção do modelo Construção do modelo Construir um modelo de volatilidade para um série de retornos de um ativo consiste em quatro passos: 1. Especifique a equação da média testando a dependência serial nos dados. Se necessário, construir um modelo econométrico (por exemplo um modelo ARMA) para a série de retornos para remover qualquer dependência linear. 2. Use os resíduos da equação da média para testar a existência de efeitos ARCH. 3. Especifique um modelo de volatilidade se os efeitos ARCH são estatisticamente significantes e faça a estimação conjunta das equações da média e da volatilidade. 4. Verifique o modelo ajustado cuidadosamente e refine-o se necessário.
10 Construção do modelo A maioria das séries de retornos tem correlação serial fraca (talvez só precisemos remover a média). Para algumas séries de retornos diários, um modelo AR pode ser necessário. Em outros caso uma váriavel indicadora pode ser necessário (indicadora do dia da semana ou do mês).
11 Construção do modelo Teste para efeitos ARCH Seja a t = r t µ t os resíduos da equação da média. A série {a 2 t } é usada para verificar a heterocedasticidade condicional (efeitos ARCH). Teste de Ljung-Box com a estatística Q(m) para a série {at 2 }. H 0: as primeiras m defasagens da ACF de at 2 são zero.
12 Construção do modelo Teste para efeitos ARCH Teste dos Multiplicadores de Lagrange. Este é equivalente ao teste F. H 0 : γ 1 = γ 2 = = γ m = 0, no modelo de regressão a 2 t = γ 0 + γ 1a 2 t γ ma 2 t m + e t, t = m + 1,..., T, sendo e t o termo de erro. T Seja SSR 0 = (at 2 ω) 2, sendo ω = 1 T Seja SSR 1 = t=m+1 T t=m+1 T at 2. t=1 ê 2 t, sendo ê t os resíduos de mínimos quadrados. Logo, F = (SSR 0 SSR 1 )/m SSR 1 /(T 2m 1) χ2 m, e rejeitamos H 0 ao nível de significância α se F > χ 2 m (α). Mostrar exemplo no R: aplicacao_08.r
13 Construção do modelo Fraquezas dos modelos ARCH O modelo assume que choques positivos e negativos têm o mesmo efeito na volatilidade. As restrições do modelo ARCH são bem complicadas. (Por exemplo, para um ARCH(1) devemos ter α 2 1 [0, 1/3] se a série tiver o quarto momento finito.) Os modelos ARCH não nos ajudam a entender a fonte de variação de uma série temporal financeira (apenas descreve o comportamento). Os modelos ARCH em geral fazem previsões acima para a volatilidade porque eles respondem devagar a choques grandes e isolados da série de retornos.
14 Construção do modelo Construindo um modelo ARCH Para determinar a order, podemos utilizar a PACF de a 2 t. No modelo, temos σ 2 t = α 0 + α 1a 2 t 1 + α 2a 2 t α ma 2 t m. Podemos substituir σ 2 t por seu estimador não tendencioso a 2 t. Assim, teremos um modelo similar ao AR(m). A estimação de modelos ARCH é feita através do método da máxima verossimilhança (condicional). A função de verossimilhança é complicada e métodos numéricos são empregados para se obter as estimativas. Podemos utilizar erros normais, t-student, GED, e algumas distribuições assimétricas.
15 Construção do modelo PACF Defasagem Figura : Autocorrelação parcial para os resíduos do modelo AR(3) ajustado aos log retornos diários do IBOVESPA de 3 de janeiro de 2000 a 26 de abril de 2013.
16 Construção do modelo Verficação do modelo Previsão Do modelo ARCH, temos que at σ t = ε t, sendo ε t um ruído branco. Assim, os resíduos padronizados ât = e t devem se comportar como ruído ˆσ t branco. Teste de Ljung-Box para verificar a dependência. Teste de Jarque e Bera (no caso de normalidade). Histogramas, boxplot e qq-plot para analisar a hipótese da distribuição (normal, t-student, etc.) A previsão do modelo ARCH pode ser obtida recursivamente como as de um modelo AR. Mostrar exemplo no R: aplicacao_09.r (só a parte ARCH e sua previsão)
17 Modelos GARCH Modelos GARCH Um modelo GARCH(m, s) é dado por a t = σ tε t, σt 2 = α 0 + α 1at α 2at α mat m 2 +β 1σt β 2σt β sσt s, 2 sendo ε t uma sequência iid com média 0 e variância 1; α 0 > 0 e α j 0 para j > 0, e β j 0 para j 1; e max(m,s) (α j + β j ) < 1 (para a variância incondicional de a t ser finita). i=j
18 Modelos GARCH Se s = 0, então o modelo se reduz a um ARCH(m). Os α j s são chamados de parâmetros ARCH e os β j s de parâmetros GARCH. O modelo pode resultar em uma forma mais simples de descrever a volatilidade de uma série. Em geral, aplicamos o método de máxima verossimilhança condicional. Os modelos GARCH, após alguns cálculos, podem ser vistos como um ARMA no quadrado dos retornos. A previsão do modelo GARCH pode ser obtida recursivamente como as de um modelo ARMA. Na prática, os melhores ajustes são dados por modelos GARCH(1,1), GARCH(2,1) ou GARCH(1,2). Mostrar exemplo no R: aplicacao_09.r (parte GARCH)
19 Modelo de volatilidade estocástica Modelo de volatilidade estocástica O modelo de volatilidade estocástica é uma alternativa ao modelo GARCH. Estamos interessados em modelar a volatilidade. Este modelo também está na classe dos modelos dinâmicos. O modelo: r t = exp{h t/2}ε t, ε t N (0, 1) h t = α + φ(h t 1 α) + ω t, ω t N (0, σ 2 ), para t = 1, 2,..., T. r t é o log retorno, isto é, r t = ln(p t) ln(p t 1); h t é a log volatilidade; α é o intercepto (constante); φ é o parâmetro de persistência; e σ 2 é a variância das log volatilidades.
20 Modelo de volatilidade estocástica Distribuição a posteriori: p(α, φ, σ 2, h 1:T y) [ T ] [ T ] p(y t h t) p(h t h t 1, α, φ, σ 2 ) t=1 t=2 p(h 1 α, φ, σ 2 )p(α, φ, σ 2 ), sendo p(α, φ, σ 2 ) a distribuição a priori. Em geral, assumimos que p(α, φ, σ 2 ) = p(α)p(φ)p(σ 2 ). Temos a restrição φ < 1. Vamos impor que 0 φ < 1.
21 Modelo de volatilidade estocástica Distribuição a priori: h 1 N ( α, ) σ 2 1 φ 2 α N (0; 10000) φ Beta(20; 1, 5) σ 2 IG(2, 5; 0, 025) (inversa gama).
22 Modelo de volatilidade estocástica Exemplo: Retornos do Reino Unido (MSCI) Retornos Semanas Figura : Retornos semanais do Reino Unido (MSCI) de 6/jan/2000 a 28/jan/2010 (T=526).
23 Modelo de volatilidade estocástica Resultados Previsão Mostrar exemplo no WinBUGS: volatilidade_01.odc Parâmetro Média D.P. 2,5% Mediana 97,5% α -7,534 0,4505-8,282-7,545-6,713 φ 0,966 0,0171 0,927 0,968 0,993 σ 2 0,056 0,0256 0,021 0,052 0,120 A previsão segue o padrão mostrado para os modelos dinâmicos. Mostrar exemplo no WinBUGS: volatilidade_02.odc Superposição de modelos A equação da média com estrutura de tendência estável: r t = γ t + exp{h t/2}ε t e γ t = γ t 1 + ξ t, ξ t N (0, δ 2 ). Podemos incluir o retorno defasado como um AR, por exemplo r t = γ + βr t 1 + exp{h t/2}ε t.
24 Modelo de volatilidade estocástica Resultados do modelo r t = γ + βr t 1 + exp{h t/2}ε t h t = α + φ(h t 1 α) + ω t. Mostrar exemplo no WinBUGS: volatilidade_03.odc Parâmetro Média D.P. 2,5% Mediana 97,5% α -7,575 0,3852-8,2750-7,5800-6,8450 φ 0,960 0,0190 0,9165 0,9623 0,9899 σ 2 0,068 0,0299 0,0254 0,0624 0,1380 γ 0,002 0,0009 0,0002 0,0020 0,0038 β -0,014 0,0297-0,0973-0,0022 0,0233
Modelos 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 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 maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
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 Tópicos Tópicos Séries
Leia maisIntrodução a Modelos ARCH
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
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
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 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 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 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 maisEXAME NACIONAL DE SELEÇÃO 2010
EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1 o Dia: 30/09/2009 - QUARTA FEIRA HORÁRIO: 10h 30m às 12h 45m (horário de Brasília) EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1º Dia: 30/09
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
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 maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
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 maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
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 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 mais4 Base de dados, métricas estatísticas e metodologia
4 Base de dados, métricas estatísticas e metodologia 4.1. Base de dados Foram coletados dados do boletim estatístico do Ministério da Previdência Social de forma temporal para os meses de dezembro de 2002
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 maisCONHECIMENTOS ESPECÍFICOS
CESPE/UnB FUB/03 fa 5 4 3 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B corresponde ao quartil central (Q ) da distribuição
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisAnálise de séries temporais financeiras
Séries Temporais Financeiras Aula -1 Análise de séries temporais financeiras Em princípio, não haveria diferenças entre a análise de séries temporais financeiras e aquelas ocorrendo em outras áreas, como
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
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 maisCONHECIMENTOS ESPECÍFICOS
clientes em atraso (N) 45 0 0 3 meses em atraso (X) 0 3 4 A tabela acima mostra a distribuição de frequências do número de meses em atraso nos pagamentos das prestações dos financiamentos de crédito em
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisSéries de Tempo. José Fajardo. Agosto Fundação Getulio Vargas-EBAPE. José Fajardo (FGV-EBAPE) Fundamentos Estatísticos Agosto / 49
Séries de Tempo José Fajardo Fundação Getulio Vargas-EBAPE Agosto 2011 José Fajardo (FGV-EBAPE) Fundamentos Estatísticos Agosto 2011 1 / 49 Definição de esperança não condicional ou incondicional Considere
Leia mais2 Risco de Base e Estatísticas Descritivas
2 Risco de Base e Estatísticas Descritivas 2.1 Amostra A amostra inclui os preços diários de todos os contratos futuros negociados de três commodities agropecuárias e dois ativos financeiros, entre 3 de
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
Leia maisDistribuição de frequências. Prof. Dr. Alberto Franke
Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição
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 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 maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisModulo I. Séries Temporais: ARIMA
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Modulo I Séries Temporais: ARIMA Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Verena
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisConceitos Básicos de Séries Temporais para Modelagem Macroeconômica
Conceitos Básicos de Séries Temporais para Modelagem Macroeconômica Material de apoio à aula de RBC Referencia bibliográfica: Introduction to Econometrics G S Maddala e Kajal Lahiri 4a. Edição, John Wiley
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisExemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisPaulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
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 maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisUm Ensaio sobre Expectativas da Taxa de Câmbio no Brasil
Um Ensaio sobre Expectativas da Taxa de Câmbio no Brasil Wagner Piazza Gaglianone* Ana Luiza Louzada Pereira** Abstract This article analyses the behaviour of the brazilian exchange rate (Real/US dollar)
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia mais4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA
4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA No capítulo 4, são aplicados os métodos individuais e os combinados à projeção de curto prazo da série de consumo residencial
Leia maisModelagem do preço da soja utilizando a metodologia de análise de séries temporais 1
Modelagem do preço da soja utilizando a metodologia de análise de séries temporais 1 Jair Wyzykowski 2 Maíra Rodrigues Villamagna 3 Thelma Sáfadi 4 Augusto Ramalho de Morais 5 1 Introdução Uma série é
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisInferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015
ECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015 Solução Questão I (2,0 pontos): Para o modelo y t = 0, 7y t 1 + ɛ t, com ruído branco ɛ t (0, 1), (a) (0,5) Obtenha a previsão h-passos a frente, ŷ
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2016 1 / 29
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia maisExercícios. Capítulo 3 Factos Empíricos Estilizados de Séries Temporais Financeiras (2012/2013)
Exercícios Capítulo 3 Factos Empíricos Estilizados de Séries Temporais Financeiras (01/013) 1. Analise a seguinte informação sobre a série temporal y t : 4 0 4 6 8 10 50 500 750 1000 Y 00 160 10 80 40
Leia maisMétodos Quantitativos em Medicina
Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Definições e Notação Estimação Amostra Aleatória
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Introdução Teoria Econômica Inferência Estatística Matemática Fenômenos Econômicos Teoria Econômica Teoria Microeconômica Preço Demanda Mas quanto????
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia mais3 Metodologia 3.1. Tipo de pesquisa
3 Metodologia 3.1. Tipo de pesquisa Este trabalho pode ser classificado como uma pesquisa descritiva, quantitativa, bibliográfica, experimental, exploratória e explicativa. Este estudo é descritivo, pois
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 7
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 7 O Modelo Estrutural Identificação Seja z t = (z 1t,...,z mt ) R m um vetor composto das variáveis de interesse.
Leia maisTécnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching
Técnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching Bruno César Araújo Instituto de Pesquisa Econômica Aplicada
Leia maisUNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 5
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Disciplina: Estatística II LISTA DE EXERCÍCIOS 5 1. Quando que as amostras são consideradas grandes o suficiente,
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 maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisUM ESTUDO DA VOLATILIDADE DOS RETORNOS DA AÇÃO DA INTEL CORPORATION ENTRE JANEIRO DE 1973 E AGOSTO DE 2013 USANDO MODELAGEM GARCH
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Débora Morales UM ESTUDO DA VOLATILIDADE DOS RETORNOS DA AÇÃO DA INTEL CORPORATION ENTRE JANEIRO
Leia mais(a) 0,90 (b) 0,67 (c) 1,0 (d) 0,005
359$'((67$7Ë67,&$6(/(d 0(675$'80*,QVWUXo}HVSDUDDSURYD D&DGDTXHVWmRUHVSRQGLGDFRUUHWDPHQWHYDOHSRQWR E4XHVW}HV GHL[DGDV HP EUDQFR YDOHP ]HUR SRQWRV QHVVH FDVR PDUTXH WRGDV DV DOWHUQDWLYDV F &DGDTXHVWmRUHVSRQGLGDLQFRUUHWDPHQWHYDOHSRQWR
Leia maisTestes de Aderência, Homogeneidade e Independência
Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa
Leia mais9 Regressão linear simples
9 Regressão linear simples José Luis Duarte Ribeiro Carla ten Caten COMENTÁRIOS INICIAIS Em muitos problemas há duas ou mais variáveis que são relacionadas e pode ser importante modelar essa relação. Por
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia maisMODELAGEM DE RISCO FINANCEIRO
429 S e t e m b r o 2 0 1 6 MODELAGEM DE RISCO FINANCEIRO Beatriz Vaz de Melo Mendes Relatórios COPPEAD é uma publicação do Instituto COPPEAD de Administração da Universidade Federal do Rio de Janeiro
Leia maisPlanejamento de Experimentos. 13. Experimentos com fatores aleatórios
Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisIntrodução a Inferência Bayesiana
Introdução a Inferência Bayesiana Helio S. Migon IM and COPPE - UFRJ migon@im.ufrj.br 2006 Conteúdo 1. Conceitos Básicos da Inferência 2. Distribuição a Priori 3. Sumariazação 4. Inferência Preditiva 1
Leia maisCOMPORTAMENTO DOS PREÇOS DO DIESEL E SUA RELAÇÃO COM OS PREÇOS DO PETRÓLEO NO MERCADO INTERNACIONAL
COMPORTAMENTO DOS PREÇOS DO DIESEL E SUA RELAÇÃO COM OS PREÇOS DO PETRÓLEO NO MERCADO INTERNACIONAL Natália da Costa Ramalho Ribeiro Projeto de Graduação apresentado ao Curso de Engenharia de Petróleo
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisExemplos Modelos de Quase-Verossimilhança
Exemplos Modelos de Quase-Verossimilhança p. 1/40 Exemplos Modelos de Quase-Verossimilhança Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de
Leia maisPROJEÇÃO DO ÍNDICE FIPEZAP NOTAS METODOLÓGICAS SÃO PAULO
PROJEÇÃO DO ÍNDICE FIPEZAP NOTAS METODOLÓGICAS SÃO PAULO SETEMBRO/2015 ÍNDICE FIPEZAP E SUA PROJEÇÃO Nesse documento buscaremos explicar os detalhes metodológicos da construção do modelo de projeção do
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia mais