4 Construção do modelo integrado e o exercício de previsão
|
|
- Rui Palma Pinhal
- 6 Há anos
- Visualizações:
Transcrição
1 4 Consrução do modelo inegrado e o exercício de previsão O exercício de previsão realizado no presene rabalho será apresenado pelos passos de implemenação, referenes aos modelos descrios no capíulo de meodologia. Devemos aenar que o nosso modelo foi consruído a parir do modelo proposo por Diebold e Li, para axas de juros calculadas a parir dos preços dos corporae bonds, ambém com frequência mensal, e esendido segundo premissas discuidas por Diebold, Li e Yue para diferenes mercados, aravés de curvas de rendimenos heerogêneas. Buscando saisfazer o princípio KISS (Keep i sophisicaedly simple) seguido e defendido por esses auores, opamos pela esimação do modelo por mínimos quadrados ordinários lineares, manendo o parâmero fixo, mesmo diane da possibilidade da esimação conjuna dos parâmeros via mínimos quadrados ordinários não lineares. Desaca-se que o uso do fixo é comum na lieraura, uma vez que eleva a eficiência dos esimadores, melhorando as previsões, segundo Diebold e Li (2006). A principal diferença do nosso esudo em relação aos arigos base é a nossa amosra ser composa por íulos corporaivos indusriais, ransacionados no mercado secundário americano e, que por sua vez, apresenam risco de inadimplência. Trabalhamos com íulos de 4 níveis de raings 0 e 5 mauridades. No enano, desaca-se que o nosso modelo foi consruído sobre o mesmo referencial de idenificação de forças/faores que são capazes de governar a dinâmica da ETTJ. Ouras inovações presenes nese rabalho são: a esimação de dois super faores que conduzem a rajeória dos faores nível e inclinação, enquano DLY esimam apenas um, e observar a performance prediiva do modelo hierárquico, enquano esses auores esão cenrados na consrução e eficiência do modelo para explicar o movimeno das curvas de juros dos diferenes países. O esquema abaixo mosra as eapas realizadas e que serão descrias em cada ópico desse capíulo. 0 Os raings são AAA, AA, A+, A, A-, BBB+, BBB, BBB-, BB+, BB, BB-, B+, B e B-. As mauridades são mauridades 3M, 6M, A, 2A, 3A, 4A, 5A, 7A, 8A, 9A, 0A, 5A, 20A, 25A e 30A.
2 30 Figura 4. Esquema da esruura do exercício a ser realizado nesse rabalho. 4. Esimação dos faores comuns a parir da esruura a ermo da axa de juros para cada raing O primeiro passo consise na esimação dos faores comuns presenes na função proposa do Modelo de Nelson e Siegel para descrever a esruura a ermo da axa de juros. Nese rabalho, assim como proposo por Diebold, Li e Yue (2008), consideramos apenas os faores, e 2, represenando a curva de juros para as operações com mauridade igual a períodos, descria pela seguine função: y ( ) = - e -, + 2, [4.] e De al forma que a função é denominada F( ) e refere-se ao componene idiossincráico. Essa equação modelará a esruura a ermo para cada nível de raing, assim como realizado por DLY para diferenes países. A decisão da descrição por apenas dois faores que explicam a dinâmica da curva de juros é baseada na decomposição por componenes principais da ETTJ, para cada nível de risco. Aravés dessa écnica conseguimos mosrar que grande pare do comporameno da variável em análise, iso é a sua variabilidade, pode ser explicada por poucos componenes que guiam a sua dinâmica, eliminando os
3 3 demais sem perda de generalidade, o que reduz os cálculos necessários para previsões. Conforme demonsrado na Tabela 4., nas colunas do acumulado proporcional, em média, 99% do movimeno dos juros de íulos corporaivos nore-americanos é explicado por dois faores apenas: nível e inclinação. Tabela 4. Decomposição das ETTJ por análise de componenes principais para cada raing. Nosso argumeno é reforçado uma vez que, essa hipóese foi assumida por Diebold, Li e Yue como descrio no ópico 2.3. Para a esimação desses faores nível e inclinação, indicados pela Análise de Componenes Principais como os mais relevanes ( e ), foi uilizado o méodo de Mínimos Quadrados Ordinários, como sugerido por Diebold e Li (2006), da seguine forma: Y ( ) AX E y (3) y (6) y (30) X A' A A' Y ˆ, F(3) F(6), 2, F(20) 2, (3) (6) (30) [4.2] Conforme descrio na meodologia, associamos esses loadings aos faores nível e inclinação, idenificados nos rabalhos de Lierman e Scheinkman (99) e Knez, Lierman e Scheinkman (994). Desa forma, em nosso modelo nos referiremos a, como nível e 2, como inclinação. No processo de esimação,
4 para a consrução da função F( ), usamos , invariane com o empo, ambém conforme uilizado por DL e a variável assumindo os valores das mauridades 3M, 6M, A, 2A, 3A, 4A, 5A, 7A, 8A, 9A, 0A, 5A, 20A, 25A e 30A em meses 2. Como a base de dados é composa por esruuras a ermo de 4 níveis de raing diferenes, esimamos os faores nível e inclinação associados a cada classificação. Desaca-se que esses faores são varianes no empo. Como ciado no ópico 2.2, relacionaremos as recomendações dos auores com as premissas uilizadas em nosso modelo: Modelo com rês faores comuns sendo uilizado para ajusar a curva de juros, opamos por apenas dois faores, como descrio em [4.] devido, a boa capacidade de explicação conforme indicado aneriormene. O parâmero 32 é considerado consane e calibrado de al forma que a função G( ) do loading 3, ainja seu máximo na mauridade média. Em nosso caso, uilizamos o lambda calibrado por DL, para ajusarmos a curva de juros a apenas dois faores, assim como Diebold, Li e Yue (2008), sem perda de generalidade. Os faores,, 2, e 3, sejam esimados por mínimos quadrados ordinários (opção facível porque é igual a um número definido a priori, o que faz com que a função F( ) seja perfeiamene conhecida). Também uilizamos esse méodo de esimação, no enano nos deivemos à esimação de,, 2, apenas, como descrio aneriormene. As séries emporais correspondenes aos faores sejam modeladas por processos esocásicos univariados. Supusemos que a lei de movimeno de seja a de um processo A() convencional, ou seja: i, ci i i, i,, i,2,..., I A forma proposa por DL e descria pela equação 2.3, pode ser visa como uma maneira mais livre de gerar as previsões. A suposição dos loadings seguirem um processo A() será uilizada mais adiane, já que no presene rabalho assumimos a presença de super faores que coordenam o movimeno dos faores globais, nível e inclinação. i, 2 Os valores assumidos pela variável T são 3, 6, 2, 24, 36, 48, 60, 84, 96, 08, 20, 80, 240, 300 e 360.
5 Para faciliar o enendimeno, nos referiremos aos faores nível e inclinação para a descrição do exercício e das equações não mais como como L e S., e 2, 33 e sim, Podemos observar o comporameno dos faores L e S esimados conforme descrição anerior, nos Gráficos 4. e 4.2. Noamos nas séries de nível esimadas que em períodos de maior esabilidade econômica, há um fechameno enre as curvas de diferenes níveis de risco, enquano em períodos caracerizados por crises, ocorrem afasamenos. Desaca-se, ambém, que a ampliude da variável nível é maior para as curvas mais arriscadas, apresenando maior volailidade, iso é, uma medida governamenal que afee uma variável de nível, iso é, aquela que afea odas as mauridades da curva simulaneamene, possuem um impaco maior nas curvas com classificações piores. No que se refere às séries de inclinação esimadas, essas se apresenam mais voláeis, fao esse por caracerísica inerene ao faor, que represena os choques que afeam diferenemene a pona longa (mauridades mais longas) e a pona cura (mauridades mais curas). Observamos que diane de períodos de crise como a Bolha da Inerne em 200 e a crise econômica de 2008/2009, a diferença enre as mauridades mais longas e mais curas, que deerminam a inclinação, ficaram maiores em módulo, resulando em faores cada vez mais negaivos, enquano que em períodos de maior esabilidade econômica, possuem um comporameno mais regular diferenciando-se pelo nível de risco. Podemos perceber, em nossa amosra, que diane de choques, a resposa do faor inclinação, em períodos de crise, se revela em movimenos conjunos de odos os raings, e em período mais esáveis a diferença deve se concenrar principalmene no diferencial de risco a ser assumido pelos agenes.
6 34 Gráfico 4. Faor nível esimado para cada raing. Gráfico 4.2 Faor inclinação esimado para cada raing. Aravés da análise das esaísicas descriivas dos faores nível e inclinação, podemos perceber que uma maior variabilidade no caso do nível, esá associada aos piores raings, podendo ser jusificada pela maior fuga dos íulos de pior classificação que diane de choques que afeam odas as mauridades. Enquano para o faor inclinação, se concenra nas melhores classificações, uma vez que essa componene represena, realmene, a variabilidade dos íulos menos arriscados. A curva média é crescene, no senido dos íulos mais arriscados, para
7 o nível, e para a inclinação é decrescene no mesmo senido, se ornando mais negaiva. Quano às medidas de assimeria, o faor inclinação apresena-se assimérico a esquerda para odos os níveis de risco se diferenciando pouco enre eles, o coeficiene esá, em orno, de -0,2, com exceção dos íulos classificados como B+,B e B-. Para o nível, as séries são assiméricas a direia, com os valores variando enre si, sendo que a série relaiva ao raing B+ possui maior coeficiene, igual a,3. Em relação a curose, para o faor denoado por L, essa medida é menor do que 3 para os íulos melhor classificados, e para os íulos a parir do BB+, decrescendo na classificação, esse coeficiene é maior que 3. Para o faor S, essa medida esá em orno de,5 para quase odos os raings e a parir da classificação BB+ vai aumenando, aingindo o máximo igual a 3 para o raing B quando vola a cair. Para a análise da normalidade das séries realizamos o Tese Jarque-Bera, onde percebemos que para odas as classificações de risco, com exceção dos íulos B+,B e B-, rejeiamos a hipóese de normalidade no inervalo de 95% de confiança para o faor inclinação. Enquano que para o nível a normalidade é rejeiada para odos os raings no inervalo de confiança de 90%, como pode ser observado nas Tabelas 4.2 e Tabela 4.2 Esaísicas descriivas do faor nível. Tabela 4.3 Esaísicas descriivas do faor inclinação.
8 Pela análise da mariz de auocorrelação, ano do nível quano da inclinação, nas Tabelas 4.4 e 4.5, noamos que os raings vizinhos são mais correlacionados. Desaca-se que para o faor S, a correlação é basane persisene enre os diferenes níveis de risco, o que não é válido para o L. 36 Tabela 4.4 Mariz de auocorrelação faor nível. Tabela 4.5 Mariz de auocorrelação faor inclinação. No ópico seguine, nos concenraremos na descrição do procedimeno realizado para a esimação dos super faores que conduzem a rajeória dos faores de nível e inclinação esimados nessa eapa. 4.2 Esimação dos super faores referenes aos faores globais O segundo passo consisiu na esimação dos super faores, referenes aos faores que governam o movimeno da curva de juros. Essa eapa é baseada no rabalho de Diebold, Li e Yue, em que, assim como os auores, definiremos leis de
9 movimeno específicas 3 para os faores que conduzem a dinâmica da esruura a ermo. No enano, os úlimos, como descrio na seção 2.3, esimam um componene comum (um super faor) e um componene idiossincráico como responsáveis pelas rajeórias dos faores nível e inclinação ( L e S respecivamene), enquano que em nosso modelo esimamos dois super faores, além do componene idiossincráico que não nos deivemos na esimação como um processo definido, mas descreve ambém cada faor. A esimação será explicada nese ópico e consise em uma inovação inroduzida pelo nosso rabalho, aé onde esamos cienes. A esses denominaremos: L, L2, Se S 2 onde os super faores de L se referem ao nível, e os de S se referem à inclinação. Os loadings com índice são responsáveis pelos movimenos em nível, iso é, faores que afeam simulaneamene odas as mauridades da ETTJ, a grosso modo, chamados de nível do nível e nível da inclinação. Enquano os loadings com índice 2 indicam os movimenos que aconecem de forma diferenciada dependendo da mauridade. São normalmene mais voláeis e afeam majoriariamene a pona cura, são a grosso modo denominados: inclinação do nível e inclinação da inclinação. Para a esimação ambém uilizamos a função proposa no modelo de Nelson e Siegel. No enano, com uma diferença, enquano para a descrição da curva de juros emos como variável dependene a mauridade, denoada pela variável, para os faores nível e inclinação emos como variável dependene o raing, denoado pela variável. Desa forma, o modelo proposo por Nelson e Siegel passa a ser descrio por: L ( ), 2, 37 e l L L [4.3] S e s S S [4.4] ( ), 2, Onde a função F() é denoada por e e a variável assume uma escala de números em ordem crescene de a 4, associada aos raings, onde se refere ao AAA e consequenemene, 4 se refere a B- (a variável assumia os valores 3 As equações que descrevem as leis de movimeno dos faores definidas por Diebold, Li e Yue são [2.6] e [2.7].
10 38 referenes às mauridades). Nesa eapa, consideramos como a base de dados, duas marizes consruídas a parir do nível esimado e da inclinação esimada, de modo que os loadings L e 2 L são obidos por mínimos quadrados da mariz de nível e os loadings S e 2 S obidos por mínimos quadrados da mariz de inclinação. A decisão da descrição por apenas dois faores que explicam a dinâmica de cada faor é baseada na decomposição por componenes principais de cada mariz, e susenada pelo argumeno de DLY, ciado aneriormene na seção 2.3. Conforme mosrado nas Tabelas 4.6 e 4.7, ano para o nível quano para a inclinação, apenas dois faores respondem em média por 98% da dinâmica das curvas. Tabela 4.6 Decomposição por análise de componenes principais do faor nível. Tabela 4.7 Decomposição por análise de componenes principais do faor inclinação. O méodo de Mínimos Quadrados Ordinários foi uilizado da seguine forma: ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2,, B AA AAA L L B F A F AAA F L L L E AM L l l l B AA AAA l [4.5] L A A A M ' ' ˆ ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2,, B AA AAA S S B F A F AAA F S S S E AM S s s s B AA AAA s [4.6]
11 39 M A' A A' S ˆ Para a consrução da função F(), o valor assumido pela variável é a escala de números em ordem crescene de a 4, como descrio aneriormene. Essa ordena os raings em ermos da possibilidade de defaul, de modo que é o AAA com a menor probabilidade de defaul, enquano 4 é o íulo classificado como B-, mais arriscado enre nossos dados. Essa escolha foi arbirária, de modo que ouras esruuras poderiam ser definidas para a variável. Não nos deivemos na elaboração mais complexa por acrediarmos que não seria um faor de fore impaco no objeivo cenral dese rabalho, a projeção das ETTJ. A escolha do, raa-se de um processo complexo devido à presença de mulicolinearidade, que foi deecada nas séries dos super faores, ao enar selecionar esse parâmero buscando a minimização do erro enre o faor esimado e o realizado. O comporameno de L,, L, 2 e o formao da função F() podem ser observados na Figura 4.2. Os s menores que geram erros reduzidos ambém geram super faores do nível esimado alamene correlacionados - série em que foram esados os diferenes - em orno de 99%, como pode ser verificado na Tabela 4.8. Desa forma, o parâmero foi selecionado buscando maior aderência às medidas de mercado e menor auocorrelação enre os super faores, sendo assim, diferenes na esimação dos loadings referenes ao nível e à inclinação. As medidas de mercado são: a média dos níveis que foi comparada ao L,, a média das inclinações que foi comparada ao S, e a medida consruída a parir da diferença enre a axa mais arriscada e a menos arriscada, ano para o nível, quano para a inclinação, que foram comparadas respecivamene com L 2, e S, 2. Essas foram consruídas a parir das marizes geradas pela esimação dos faores L e S : a mariz de nível e a mariz de inclinação, cada uma com 4 colunas, e em cada coluna o faor referene a cada raing, as mesmas marizes a parir dos quais os super faores foram esimados.
12 40 Figura 4.2. Comporameno dos super faores do nível esimados para diferenes s e o formao da função F. Tabela 4.8 Auocorrelação das medidas de nível esimadas para diferenes s. Para o cálculo dos super faores, referene ao nível, foi selecionado o 5, que possui uma aderência com as medidas de mercado de 97% individualmene, e auocorrelação negaiva de 75%, como pode ser observado na Tabela 4.9. As medidas esimadas e de mercado podem ser observadas nos gráficos que compõem a Figura 4.3. Tabela 4.9 Auocorrelação das medidas esimadas e medidas de mercado para os super faores do nível.
13 4 Figura 4.3 Medidas esimadas e medidas de mercado para os super faores do nível. No caso da esimação dos super faores relaivos à inclinação foi selecionado o, que possui uma aderência com as medidas de mercado de 98% para S, e 94% para S 2,, enquano auocorrelação enre S, e S, 2 é de 56%, como pode ser observado na Tabela 4.0. As medidas esimadas e de mercado podem ser observadas nos gráficos que compõem a Figura 4.4. Tabela 4.0 Auocorrelação das medidas esimadas e medidas de mercado para os super faores da inclinação.
14 42 Figura 4.4 Medidas esimadas e medidas de mercado para os super faores da inclinação O comporameno dos super faores esimados pode ser observado na Figura Figura 4.5 Comporameno dos Super Faores Esimados Pela análise das esaísicas descriivas apresenadas na Tabela 4., podemos perceber maior variabilidade em L 2,, enquano as demais séries possuem a mesma variação. Para as medidas de assimeria, a série L 2, é a que apresena menor simeria, com coeficiene igual a -2,08, enquano os loadings S, e S 2, são -0,8 e -0,47, respecivamene, levemene assiméricas a esquerda. A
15 43 série de L, apresena leve assimeria à direia, com coeficiene igual a 0,76. No que refere-se à curose, essa medida é menor do que 3 para que para L, e L, S, e S, 2, enquano 2 é maior que 3, principalmene para L 2,, onde é igual a 8,83. ealizamos o Tese Jarque-Bera para a análise da normalidade das séries, onde percebemos que para odos os super faores rejeiamos a hipóese de normalidade no nível de 5%. Desacamos que o comporameno mais discrepane da variável L 2,, pode ser explicado pela própria definição da variável: inclinação do nível. O nível é o faor que afea conjunamene odas as mauridades da esruura a ermo, e pode ser decomposo em duas forças: sendo uma represena os movimenos mais regulares (em nível) e oura os mais voláeis (na inclinação). A úlima deve apresenar um comporameno mais variane, uma vez que o objeivo é que capure odas as variações de L. O mesmo não aconece com S, e S, 2, porque são medidas de inclinação, um faor que em menor represenaividade 4 dinâmica dos juros. na Tabela 4. Esaísicas descriivas dos super faores. 4.3 Previsão dos super faores Esa eapa consise na modelagem dos super faores como processos auoregressivos univariados e, sob esse enfoque, a realização da previsão desses processos um, seis e doze passos à frene (h=,6 e 2), conforme sugerido por 4 O faor inclinação responde, em média, por 8% da rajeória da curva de juros como pode ser observado na Tabela 4..
16 44 Diebold e Li (2006). A diferença do nosso esudo em relação à base eórica referencial é que esaremos projeando os super faores que conduzem a rajeória dos faores globais, que por sua vez guiam o movimeno da axa de juros. epeiremos algumas equações descrias aneriormene para que seja mais clara a visualização. O arigo de Diebold, Li (2006), modela a curva de juros pela seguine equação: e - e - y ( ) =, + 2, + 3, ( e ) [2.2] Onde,, 2, e 3, são os faores comuns que descrevem a rajeória da curva de juros. Esses faores são modelados como processos auo-regressivos univariados, para o qual se realiza a projeção. Em nosso modelo descrevemos a curva de juros como: - e y ( ) = Observa-se que não realizaremos a projeções de -, + 2, [4.], e 2, como os faores nível e inclinação, mas sim, a projeção dos super faores L, L2,, S,, es 2,, ciados no ópico 4.2 5, que governam o movimeno desses ( L e S ). Para a projeção de L, L2,, S,, e S 2, modelamos esses como meros processos A(), que é uma simplificação do modelo auo-regressivo univariado descrio em [2.3], esando de acordo com o desejo dos auores de... inenionally impose subsanial a priori srucure, moivaed by simpliciy, parsimony, and heory. A esruura desse passo será descria pelas equações: L L S S, 2,, 2, l a b L [4.7], l2 a b L [4.8] 2 2 2, s c ds, [4.9] s2 c2 d 2S 2, [4.0] A parir dessas equações esimaremos os coeficienes a, b, c e d por mínimos quadrados ordinários para cada super faor, uilizando a subamosra referene ao 5 As leis de movimeno dos faores esão descrias pelas equações [4.3] e [4.4].
17 45 período de janeiro de 997 a dezembro de Assim, de posse dos coeficienes referenes a oda a subamosra, em dezembro de 2003, realizamos a previsão um, seis e doze passos à frene. As daas de previsão são janeiro, junho e dezembro de 2004 respecivamene, desacando que a projeção é calculada individualmene para L, L2,, S,, e S 2,. A consrução da série emporal desses faores projeados é dinâmica, realizando um looping, iso é, a cada nova informação inserida são reesimados os coeficienes do modelo auo-regressivo e calculados os faores projeados para h=,6 e 2, de forma que a amosra é consanemene aualizada. A esimação dos coeficienes e a projeção incluem a úlima informação disponível. Para a previsão de um modelo auo-regressivo de ordem 6, dado na forma geral por: y a a y [4.] 0 A equação de previsão para j passos a frene é dada por: 2 j j E y j a0 ( a a... a ) a y [4.2] Em nosso modelo, as equações para a previsão um, seis e doze passos à frene, são dadas no formao geral, como: h= E y a0 a y [4.3] h=6 E y 6 a0 ( a a a a a ) a y [4.4] 2 h=2 E y 2 a0 ( a a... a ) a y [4.5] Noa-se que para a previsão um passo à frene, a úlima observação compuada é novembro de 200, para h=6 a observação é junho de 200 e consequenemene para h=2 é dezembro de Os resulados das curvas esimadas podem ser observados nos Gráficos 4.3, 4.4 e 4.5, onde podemos perceber que nosso modelo em um bom poder prediivo para h=. No enano, para h=6 e 2 percebemos defasagem na projeção, com o disanciameno maior aconecendo quano maior o horizone de previsão, 6 Ver equações [4.] e [4.2] e suas derivações, no ópico 9: The Forecas Funcion, do capíulo 2: Saionay Time-Series Models em ENDES,W.. Applied Economeric Time Series.
18 46 como esperado. Figura 4.6 Previsão +: Super faores esimados pelo modelo inegrado x realizada no período de jan/2004 a dez/200. Figura 4.7 Previsão +6: Super faores esimados pelo modelo inegrado x realizada no período de jan/2004 a dez/200.
19 47 Figura 4.8 Previsão +2: Super faores esimados pelo modelo inegrado x realizada no período de jan/2004 a dez/200. As conclusões acima ambém podem ser verificadas aravés das esaísicas dos erros de previsão, nas Tabelas 4.2 a 4.5, onde percebemos que na esimação de odos os super faores a variabilidade, medida pelo desvio padrão, é maior quano maior o horizone de previsão (h), como esperado. As séries emporais dos erros associadas às projeções um, seis e doze passos a frene são composas por 84,79 e 73 observações respecivamene. Na seção 4.2, referene à esimação de L, L2,, S,, e S 2,, percebemos que o faor L 2, apresena maior variabilidade, curose e assimeria elevadas. Tal fao é refleido nos erros, devido à maior dificuldade em prever esse comporameno muio voláil. Desaca-se que os erros apresenam uma esruura de correlação crescene com h, sendo que os erros mais correlacionados são referenes às medidas de inclinação. Tabela 4.2 L: Esaísica dos erros de previsão.
20 48 Tabela 4.3 L2: Esaísica dos erros de previsão. Tabela 4.4 S: Esaísica dos erros de previsão. Tabela 4.5 S2: Esaísica dos erros de previsão. Abaixo pode-se observar um esquema que ilusra as eapas do exercício de forma a resumir o que foi realizado aé a presene seção. Figura 4.9 Esquema da esruura do exercício realizado nese rabalho aé esa seção.
21 49 Eapas: Modelagem da curva de juros segundo a formulação de Diebold e Li para a exração dos faores nível e inclinação. Os faores são obidos para cada raing. Após essa eapa, monamos uma mariz do nível e uma mariz da inclinação, onde as colunas são as classificações de risco e nas linhas são as daas. Exração conjuna dos super faores, aravés das marizes descrias aneriormene, modelando os faores nível e a inclinação de acordo com a formulação de Diebold, Li e Yue (2008). Previsão dos super faores que são modelados como processos auoregressivos de ordem. A projeção é realizada um, seis e doze passos a frene, a parir de janeiro de 2004 e a esimação dos coeficiene do A() é realizada aravés de mínimos quadrados ordinários. Na próxima eapa nos concenraremos na reconsrução dos faores a parir dos valores projeados nese ópico. 4.4 econsrução dos faores a parir da previsão dos super faores De posse dos super faores previsos que conduzem a dinâmica de L e conseguimos reconsruir as leis de movimeno, descrias na seção 4.2 pelas equações [4.3] a [4.4] e, assim, refizemos a esimação dos faores no senido da reconsrução da curva de juros previsa, que será descria no ópico seguine. elembrando a lei da dinâmica dos faores: S, L e l L L [4.3] ( ), 2, S e s S S [4.4] ( ), 2, Para a reesimação dos faores de nível e inclinação referene a cada raing, reescrevemos a equação acima pelas marizes descrias em [4.6] e [4.7], onde
22 50 aravés da muliplicação maricial, obivemos a série emporal desses faores previsos para janeiro de 2004 a dezembro de 200. Ao fim da esimação, obivemos rês séries para cada faor, referenes a cada horizone de previsão (h=,6 e 2). L L L S S S AAA AA B AAA AA B F( AAA) F( A) L L F( B) F( AAA) F( A) S S F( B), 2,, 2, [4.6] [4.7] Desaca-se que para o cálculo da função F(), assim como na esimação dos super faores, uilizamos a variável assumindo valores na escala de números em ordem crescene de a 4, associada aos raings, onde se refere ao AAA e consequenemene, 4 refere-se ao B-. O parâmero, foi manido o mesmo quano da esimação de L, L2,, S,, es 2,. Pela própria esruura do modelo, manivemos essas premissas já que consise na reconsrução dos faores. Sendo assim, para o faor nível foi uilizado 5 e para inclinação,. Desaca-se que a realização de cada passo nesse rabalho, se faz assumindo a eapa anerior como realizada. Por exemplo, para a decomposição dos faores L e S em, e S 2,, assumimos que os faores nível ( L ) e inclinação L, L2,, S, ( S ) fossem os realizados, obendo assim a série dos super faores. Esse fao nos permie a comparação dos faores previsos com os enão realizados. Para a apresenação dos resulados dessa eapa, selecionamos os níveis de risco: A, BBB e B-, de maneira arbirária, uma vez que a apresenação gráfica de odos os raings se ornaria exausiva e, não apresena diferenças consideráveis com relação aos selecionados. Desa forma, podemos perceber aravés da comparação dos faores previsos, a parir da projeção dos super faores, com os faores realizados que graficamene a projeção um passo à frene para o faor inclinação é mais precisa do que para o nível para as classificações de risco
23 5 analisadas. O disanciameno para ambos os faores se orna mais relevane conforme aumena o horizone de previsão. Opamos pela disponibilização dos gráficos referenes à previsão seis e doze passos à frene no Apêndice (Gráficos 7.2 e 7.22), capíulo 7 dese rabalho, para possibiliar maior dinamismo na leiura. Figura 4.0 Previsão +: Faores esimados pelo modelo inegrado x realizada no período de jan/2004 a dez/200 para os raings A,BBB E B-. Pela análise das esaísicas dos erros apresenadas nas Tabelas 4.6 a 4.8, percebemos que o desvio padrão aumena com o horizone de previsão para odos os níveis de risco, como o esperado, sendo levemene maior para o raing mais arriscado, B-. Noa-se ambém, que o valor médio dos erros do nível é maior que
24 52 do faor inclinação. O erro médio quadráico da previsão do íulo mais arriscado é maior do que os demais, possivelmene devido à variabilidade inerene a íulos mais arriscados, enquano que para os íulos A e BBB o EQM é o mesmo. Desaca-se ainda, que os erros apresenam uma esruura de correlação significaiva, ano de ordem um, seis, quano de ordem doze, indicando séries basane persisenes. Sendo que os erros na previsão do faor inclinação são mais correlacionados. Tabela 4.6 A: Esaísica dos erros de previsão dos faores. Tabela 4.7 BBB: Esaísica dos erros de previsão dos faores. Tabela 4.8 B-: Esaísica dos erros de previsão dos faores.
25 No próximo capíulo, será descrio processo de reesimação da curva de juros econsrução da curva de juros e análise da previsão Esse ópico raa do enfoque prediivo dado ao modelo hierárquico consruído baseado nas premissas de Diebold e Li (2006) e Diebold, Li e Yue (2008). Após a esimação dos super faores, onde ampliamos a modelagem de DLY, realizamos a previsão dos super faores por um modelo univariado e reconsruímos os faores, que por sua vez, guiam o movimeno da curva de juros. Assim, parimos enão, finalmene, para a obenção da esruura a ermo da axa de juros previsa para cada raing. A parir da obenção dos faores nível e inclinação, para cada nível de risco na secção 4.4, pela própria esruura do modelo passamos a deer as séries que compõem a modelagem da curva de juros, que é dada pela equação [4.], reescria abaixo. - - e y ( ) =, + 2, [4.] A equação esá compleamene definida uma vez que, consideramos, assim como em 4., o parâmero , invariane no empo e a variável assumindo os valores das mauridades 3M, 6M, A, 2A, 3A, 4A, 5A, 7A, 8A, 9A, 0A, 5A, 20A, 25A e 30A em meses. A curva de juros foi obida pela muliplicação maricial, para cada nível de risco, represenada na esruura abaixo: y (3) y (6) y (30) F(3) F(6) L S F(20) [4.8] Desaca-se que para cada classificação de risco obivemos a esruura a ermo previsa um, seis e doze passos à frene no período de janeiro de 2004 a dezembro de 200. Da mesma maneira que no ópico anerior, apresenaremos os resulados da esimação para os raings A, BBB e B-, sem perda de generalidade, já que o foco é a comparação do modelo com o passeio aleaório, a qual apresenaremos
26 54 para ouras classificações de risco na próxima secção. Os gráficos relaivos a previsões seis e doze passos à frene, enconram-se no Apêndice (Gráficos 7.23 e 7.24). Figura 4. Previsão +: Curva de juros esimada pelo modelo inegrado x realizada no período de jan/2004 a dez/200 para os raings A,BBB E B-. Analisaremos as esaísicas dos erros de previsão no próximo ópico, quando realizaremos a comparação com o passeio aleaório, modelo selecionado como benchmark.
27 Comparação da previsão do modelo inegrado com o passeio aleaório Essa eapa consise na comparação da esruura a ermo da axa de juros projeada pelo modelo inegrado com o modelo mais radicional e simples da lieraura de previsão: o passeio aleaório. A projeção pelo passeio aleaório é o úlimo valor realizado, seja para a previsão um, seis, doze ou h passos à frene, que pode ser descria pela equação: yˆ h ( ) y ( ) [4.9] onde represena a mauridade da esruura a ermo da axa de juros. ealizamos a comparação com o compeidor para odos os raings, no enano, nos resringimos em apresenar graficamene o erro quadráico e as esaísicas dos erros de previsão para cinco níveis de risco selecionados: AAA, A, BBB, BB, e B- e para duas mauridades: e 0 anos. Desacando que além de rabalharmos com 4 níveis de raing, a esruura a ermo de cada íulo é formada por 5 mauridades e a apresenação complea seria exausiva e sem grandes ganhos analíicos. Na subamosra relaiva à classificação dos íulos, conseguimos capar a variabilidade de risco assumido pelos agenes, já que as selecionadas são níveis médios da nossa amosra, represenando de form a significaiva a sua variabilidade, sem perda de generalidade. Quano à mauridade, preferimos as axas de e 0 anos por acrediar na boa represenaividade dessas, em ermos de negociação. Essa comparação ambém foi realizada por Diebold e Li (2006), no enano, esses auores não se resringiram ao passeio aleaório apenas, uma vez que obiveram ganhos em relação a esse. Analisaram a eficiência da previsão do seu modelo com ouros compeidores, como descrio na secção 2.2. Seguindo a mérica desses auores com relação à eficiência da previsão, calculamos as esaísicas dos erros ambém uilizadas por eles: média, desvio padrão, erro médio quadráico e as correlações de ordem um, seis e doze, referene ao período previso de janeiro de 2004 a dezembro de 200. Essas esaísicas e a comparação com o passeio aleaório podem ser verificadas nas Tabelas 4.9 a 4.2. Pela análise dessas, percebemos que o erro médio de previsão e o desvio padrão, em
28 56 nosso modelo, são maiores do que o erro do compeidor para ambas às mauridades, e em odos os níveis de risco apresenados, com desaque, para o BBB. O mesmo ocorre para o erro quadráico médio que será analisado graficamene, mais adiane. Tabela 4.9 A: Esaísica dos erros de previsão da curva de juros. No que ange a análise da esruura de correlação dos erros, percebemos que esses são basane correlacionados, não só para o compeidor, como era o esperado pela própria consrução do mesmo, mas ambém em nosso modelo. A correlação nos erros do nosso modelo são mais elevadas quano maior o horizone de previsão, indicando séries mais persisenes. Para os íulos de classificação de risco inermediária, essa análise é complemenada pelas Tabelas 7.6 e 7.7 enconradas no Apêndice, relaivas aos raings A e BB. Desaca-se que a presença de uma esruura de auocorrelação nos erros, foi deecada por Diebold e Li (2006), no enano, não foi capaz de compromeer a boa performance prediiva do modelo desses auores, no horizone de seis e doze passos. Desa forma, a deecção de uma esruura nos erros do nosso modelo não seria um indicaivo de ineficiência na previsão.
29 57 Tabela 4.20 BBB: Esaísica dos erros de previsão da curva de juros. Tabela 4.2 B-: Esaísica dos erros de previsão da curva de juros. O principal criério que uilizamos para a avaliação do desempenho prediivo foi o erro médio quadráico 7, o mesmo adoado por DL. Para faciliar a análise, consruímos gráfico do erro quadráico e, opamos arbirariamene pela apresenação do raing BBB, nessa secção. Os demais gráficos referenes à previsão um, seis e doze passos à frene para os íulos classificados como AAA, A, BB e B- sugerem as mesmas conclusões e, podem ser enconrados no Apêndice (Gráficos 7.0 a 7.2). Os resulados indicam que o nosso modelo não apresena ganhos de eficiência em relação ao passeio aleaório, principalmene, na previsão um passo a frene, DL verificaram performance ligeiramene melhor que esse benchmark na previsão nese horizone. Com efeio, nas palavras dos auores 7 O erro é definido como o quadrado da diferença enre o valor previso para o yield em um dado período e o valor efeivamene observado.
30 58 se referindo a projeção para um período, In relaive erms, MSE comparison a various mauriies reveals ha our forecass, alhough slighly beer han he random walk and slope regression forecass, are indeed only very slighly beer. Quano às projeções para seis e doze períodos, o nosso modelo não apresena ganhos muio significaivos, como pode ser observado graficamene, iso é, para esses horizones exisem pequenos períodos em que o nosso modelo é ligeiramene superior. Desacamos que nosso período prediivo, janeiro de 2004 a dezembro de 200, compreende uma fase de grande insabilidade na economia mundial, principalmene americana, cujos primeiros sinais da grande crise que viria se abaer sobre os mercados financeiros em 2008/2009 começaram a ser senidos em 2007 com a crise do subprime. Esse fao dificula exremamene a nossa previsão, como pode ser observado nos gráficos, principalmene em 2008/2009. Esses erros se devem a uma caracerísica inrínseca da consrução do modelo, a nossa esruura para o cálculo das previsões é realizada nos super faores, aravés de um modelo dinâmico, em que os coeficienes da equação desses loadings e as projeções são esimados a cada empo, aravés da inserção de uma nova informação, como descrio no ópico 4.3. Essa peculiaridade fez com que o modelo fosse capurando oda a variação das axas no período da crise, descria nos super faores e propagando-a em nossas previsões. Diane disso, apresenamos ambém o gráfico dos erros no período de 2004 a 2007, com o objeivo de reirar os efeios da crise sobre a previsão e com isso, percebemos maior eficiência relaiva do nosso modelo.
31 59 Figura 4.2 BBB: Erro quadráico da previsão + para curvas de e 0 anos nos períodos de jan/2004 a dez/200 e jan/2004 a dez/2007. Figura 4.3 BBB: Erro quadráico da previsão +6 para curvas de e 0 anos nos períodos de jan/2004 a dez/200 e jan/2004 a dez/2007.
32 60 Figura 4.4 BBB: Erro quadráico da previsão +2 para curvas de e 0 anos nos períodos de jan/2004 a dez/200 e jan/2004 a dez/2007. Diane dos resulados apresenados acima, buscamos uma alernaiva para melhorar o desempenho prediivo do nosso arcabouço de previsão. Essa se referiu a recalcular odo o modelo inegrado enando ajusar novos s para a esimação dos super faores referenes ao nível, onde acrediávamos, aé enão, que poderia esar a maior fone de erros. Esperávamos que o erro esivesse na componene referene ao nível porque esse faor explica cerca de 90% da rajeória da curva de juros e, pelas análises gráficas e de correlação, como apresenado na seção 4.2, o faor inclinação esá bem ajusado. Desa forma, reesimamos a curva de juros esando ouros s, fazendo-o assumir os valores: 0,5, e 5 e, comparando-as com a previsão realizada pelo passeio aleaório. Pela análise do gráfico 4.0, percebemos que a diferenciação desse parâmero não rouxe ganhos, uma vez que a esimaiva foi pouco afeada, a curva referene ao fica quase que sobreposa a do 0, 5 e para esse nível de risco erram mais do que assumir o parâmero igual a 5. Pela análise de odos os raings, cujos gráficos comparaivos esão no apêndice (Gráficos 7.22 a 7.25), opamos pela uilização do 5, uma vez que os ganhos de previsão dos demais valores não são significaivos.
33 6 Figura 4.5 BBB: Erro quadráico da previsão das curvas de juros de e 0 anos para diferenes `s no período de jan/2004 a dez/200. Acrediamos que a eficiência na previsão deecada por Diebold e Li (2006) e não verificada em nosso modelo, não se referem apenas a mudanças na esruura, podem ambém er relação como o fao de a amosra se composa de reasuries, séries mais esáveis, do que os íulos corporaivos. De qualquer forma, os resulados apresenados sugerem que mudanças na esruura do modelo devem ser realizadas, a fim de garanir melhor desempenho prediivo. As sugesões para rabalhos poseriores serão apresenadas no próximo capíulo.
4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia mais3 METODOLOGIA E AMOSTRA
3 METODOLOGIA E AMOSTRA 3.1. Descrição da Amosra Foram uilizados o índice da Bolsa de Valores de São Paulo (Ibovespa) como represenaivo da careira de mercado e os cerificados de depósios inerfinanceiros
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisCritérios e Metodologia de Apuração de Superfície de Volatilidade
Criérios e Meodologia de Apuração de Superfície de Volailidade Diariamene são calculadas superfícies de volailidade implícia de odos os vencimenos de conraos de opções em que há posição em abero e/ou séries
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia mais4 Análise Empírica. 4.1 Definição da amostra de cada país
57 4 Análise Empírica As simulações apresenadas no capíulo anerior indicaram que a meodologia desenvolvida por Rigobon (2001 é aparenemene adequada para a análise empírica da relação enre a axa de câmbio
Leia maisO Modelo Linear. 4.1 A Estimação do Modelo Linear
4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia mais4 Distribuições univariadas e multivariadas de retornos e volatilidades
35 4 Disribuições univariadas e mulivariadas de reornos e volailidades 4.1. Disribuições Condicionais Univariadas de Reornos Caracerizar disribuições (incondicionais) de reornos de aivos é uma preocupação
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia maisdi L Ri v V dt + + = (1) dv dt
Experiência Circuio RLC érie Regime DC Aluno: Daa: / /. Objeivos de Aprendizagem dese Experimeno A experiência raa de circuios ransiórios de segunda ordem. O objeivo dese experimeno é: Analisar as diferenes
Leia mais4 Aplicação do Modelo
Aplicação do Modelo É possível enconrar na lieraura diversas aplicações que uilizam écnicas esaísicas e de compuação inensiva para realizar previsões de curo prazo na área de energia elérica. Enre elas
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisAnálise de Informação Económica e Empresarial
Análise de Informação Económica e Empresarial Licenciaura Economia/Finanças/Gesão 1º Ano Ano lecivo de 2008-2009 Prova Época Normal 14 de Janeiro de 2009 Duração: 2h30m (150 minuos) Responda aos grupos
Leia mais2 Os métodos da família X Introdução
2 Os méodos da família X 2. Inrodução O méodo X (Dagum, 980) emprega médias móveis (MM) para esimar as principais componenes de uma série (Sysem of Naional Accouns, 2003): a endência e a sazonalidade.
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia mais3 A Função de Reação do Banco Central do Brasil
3 A Função de Reação do Banco Cenral do Brasil Nese capíulo será apresenada a função de reação do Banco Cenral do Brasil uilizada nese rabalho. A função segue a especificação de uma Regra de Taylor modificada,
Leia mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
Leia mais4 Como as Intervenções Influenciam a Volatilidade do Câmbio?
4 Como as Inervenções Influenciam a Volailidade do Câmbio? Nese capíulo esimaremos os efeios das inervenções do Banco Cenral do Brasil na volailidade da axa de câmbio. A meodologia que será uilizada e
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia maisEstudo comparativo do fluxo de caminhões nos portos de Uruguaiana e Foz do Iguaçu
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de novembro de 26. Esudo comparaivo do fluxo de caminhões nos poros de Uruguaiana e Foz do Iguaçu Suzana Leião Russo (URI) jss@urisan.che.br Ivan Gomes Jardim (URI)
Leia mais4 APLICAÇÃO DO MODELO STAR-TREE
4 APLICAÇÃO DO MODELO STAR-TREE 4. Inrodução Uma vez conhecida a esruura de uma árvore STAR, é possível esimá-la aravés do processo dealhado no capíulo anerior. Porém, esa esruura é desconhecida de anemão,
Leia maisAvaliando e Propondo Medidas de Núcleo da Inflação no Brasil Ivan Castelar Cristiano Santos
10 Avaliando e Propondo Medidas de Núcleo da Inflação no Brasil Ivan Caselar Crisiano Sanos FORTALEZA MAIO 2016 UNIVERSIDADE FEDERAL DO CEARÁ CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN SÉRIE ESTUDOS ECONÔMICOS
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisAPÊNDICE A. Rotação de um MDT
APÊNDICES 7 APÊNDICE A Roação de um MDT 8 Os passos seguidos para a realização da roação do MDT foram os seguines: - Deerminar as coordenadas do cenro geomérico da região, ou pono em orno do qual a roação
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia maisCONTABILIDADE DOS CICLOS ECONÓMICOS PARA PORTUGAL*
CONTABILIDADE DOS CICLOS ECONÓMICOS PARA PORTUGAL* Nikolay Iskrev** Resumo Arigos Ese arigo analisa as fones de fluuação dos ciclos económicos em Porugal usando a meodologia de conabilidade dos ciclos
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia maisFUNDAÇÃO GETÚLIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO
FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO MARCELO WEBER INFLAÇÃO FUTURA: UMA ANÁLISE COMPARATIVA ENTRE AS EXPECTATIVAS DO FOCUS E AS INFLAÇÕES IMPLÍCITAS NOS TÍTULOS PÚBLICOS SÃO PAULO 2011
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
Leia maisMODELOS USADOS EM QUÍMICA: CINÉTICA NO NÍVEL SUPERIOR. Palavras-chave: Modelos; Cinética Química; Compostos de Coordenação.
MDELS USADS EM QUÍMICA: CINÉTICA N NÍVEL SUPERIR André Luiz Barboza Formiga Deparameno de Química Fundamenal, Insiuo de Química, Universidade de São Paulo. C.P. 6077, CEP 05513-970, São Paulo, SP, Brasil.
Leia maisMovimento unidimensional 25 MOVIMENTO UNIDIMENSIONAL
Movimeno unidimensional 5 MOVIMENTO UNIDIMENSIONAL. Inrodução Denre os vários movimenos que iremos esudar, o movimeno unidimensional é o mais simples, já que odas as grandezas veoriais que descrevem o
Leia maisúltima observação. Por fim, foi obtida a previsão das taxas de mortalidade para 25 anos.
5 Resulados 5.. Lee-Carer O modelo demográfico LC foi ajusado aos dados da Inglaerra e País de Gales de 950 a 003. A modelagem foi feia segregada por sexo, para preservar a diferença de moralidade enre
Leia maisAPOSTILA DE MODELOS LINEARES EM SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG INSIUO DE CIÊNCIAS EXAAS ICEx DEPARAMENO DE ESAÍSICA ES APOSILA DE MODELOS LINEARES EM SÉRIES EMPORAIS Glaura da Conceição Franco (ES/UFMG) Belo Horizone, agoso
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ
ANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ RIO DE JANEIRO - RJ - BRASIL gon.silva@sof.com.br APRESENTAÇÃO
Leia maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia mais6 Análise do processo de filtragem
6 Análise do processo de filragem Ese capíulo analisa o processo de filragem para os filros de Kalman e de parículas. Esa análise envolve ão somene o processo de filragem, não levando em consideração o
Leia maisPREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX & JENKINS: UM ESTUDO DE CASO
! "#$ " %'&)(*&)+,.- /1.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX
Leia maisÍndice de Avaliação de Obras - 15
Índice de Avaliação de Obras - 15 Assim sendo e de modo idênico ao apresenado na meodologia do ID, o cumprimeno do que foi programado indica no Índice de Avaliação de Obras, IAO, ambém o valor 1 (hum).
Leia maisGERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 1 a15 de ouubro de
Leia mais4 O Fenômeno da Estabilidade de Tensão [6]
4 O Fenômeno da Esabilidade de Tensão [6] 4.1. Inrodução Esabilidade de ensão é a capacidade de um sisema elérico em maner ensões aceiáveis em odas as barras da rede sob condições normais e após ser submeido
Leia maisRacionalidade e Previsibilidade no Mercado Brasileiro de Ações: Uma Aplicação de Modelos de Valor Presente
Racionalidade e Previsibilidade no Mercado Brasileiro de Ações: Uma Aplicação de Modelos de Valor Presene Claudine Furado Anchie João Vicor Issler Escola de Pós-Graduação em Economia - EPGE Fundação Geulio
Leia maisConsidere uma economia habitada por um agente representativo que busca maximizar:
2 Modelo da economia Uilizaram-se como base os modelos de Campos e Nakane 23 e Galí e Monacelli 22 que esendem o modelo dinâmico de equilíbrio geral de Woodford 21 para uma economia abera Exisem dois países:
Leia maisUNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 206 Macroeconomia I 1º Semesre de 2017 Professor Fernando Rugisky Lisa de Exercícios 3 [1] Considere
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA BRENO DE OLIVEIRA ARANTES
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA BRENO DE OLIVEIRA ARANTES PREVISÃO DA ESTRUTURA A TERMO DA TAXA DE JUROS BRASILEIRA USANDO
Leia maisInsper - Instituto de Ensino e Pesquisa Faculdade de Economia e Administração. Daniel Cunha Coelho MODELOS DE PREVISÃO DA TAXA DE CÂMBIO NO BRASIL
Insper - Insiuo de Ensino e Pesquisa Faculdade de Economia e Adminisração Daniel Cunha Coelho MODELOS DE PREVISÃO DA TAXA DE CÂMBIO NO BRASIL São Paulo 2010 Daniel Cunha Coelho Modelos de previsão da axa
Leia maisOS EFEITOS DOS MOVIMENTOS DOS PREÇOS DO PETRÓLEO SOBRE INDICADORES AVANÇADOS DA ECONOMIA BRASILEIRA
OS EFEITOS DOS MOVIMENTOS DOS PREÇOS DO PETRÓLEO SOBRE INDICADORES AVANÇADOS DA ECONOMIA BRASILEIRA André Assis de Salles Universidade Federal do Rio de Janeiro Cenro de Tecnologia Bloco F sala F 101 Ilha
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
Leia maisTeste F na Regressão Linear Múltipla para Dados Temporais com Correlação Serial.
Deparameno de Ciências e ecnologias Mesrado em Esaísica, Maemáica e Compuação ese F na Regressão Linear Múlipla para Dados emporais com Correlação Serial. Bruno Fernando Pinheiro Faria Lisboa, Mesrado
Leia mais2 Formulação do Problema
30 Formulação do roblema.1. Dedução da Equação de Movimeno de uma iga sobre Fundação Elásica. Seja a porção de viga infinia de seção ransversal consane mosrada na Figura.1 apoiada sobre uma base elásica
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Esaísica Universidade do Esado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 43-9 / v. 6 p. 5-8, 9 MODELAGEM DE ESTIMAÇÃO DA VOLATILIDADE DO RETORNO DAS AÇÕES BRASILEIRAS:
Leia mais3 Método de estimação da relação entre a taxa de câmbio real e os preços de commodities
38 3 Méodo de esimação da relação enre a axa de câmbio real e os preços de commodiies A seguir explicaremos o méodo de esimação escolhido para a análise da relação enre a axa de câmbio real e os preços
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisExercícios Sobre Oscilações, Bifurcações e Caos
Exercícios Sobre Oscilações, Bifurcações e Caos Os ponos de equilíbrio de um modelo esão localizados onde o gráfico de + versus cora a rea definida pela equação +, cuja inclinação é (pois forma um ângulo
Leia mais2 Reforma Previdenciária e Impactos sobre a Poupança dos Funcionários Públicos
Reforma Previdenciária e Impacos sobre a Poupança dos Funcionários Públicos Em dezembro de 998 foi sancionada a Emenda Consiucional número 0, que modificou as regras exisenes no sisema de Previdência Social.
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia mais