Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lineares
Multivariados
Modelos Lineares Multivariados
Aqui, nos preocupamos em estabelecer modelos para
uma srie temporal vetorial , com n componentes
1 , 2 , , , observadas em = 0, 1 2,
Alm da anlise de cada componente individual ,
como j tratado at aqui, estaremos estudando as
relaes dinmicas entre as sries componentes.
Usaremos a notao = 1 , 2 , , ,
, , indistintamente , para a i-sima
componente, = 1, , .
Podemos pensar, por exemplo, o vetor como
constitudo pelos retornos de n ativos financeiros de
uma carteira no instante t.
Modelos Lineares Multivariados
O vetor de mdias de ser denotado por:
= = 1 , 2 , ,
e depende, em geral, de
t.
+ , = + +
que uma matriz e que, em geral, tambm
depende de t.
Usaremos a notao = 1 , 2 , , ,
, , indistintamente , para a i-sima
componente, = 1, , .
Modelos Lineares Multivariados
Podemos pensar, por exemplo, o vetor
como constitudo pelos retornos de n ativos
financeiros de uma carteira no instante t.
Se o processo multivariado tiver uma
distribuio normal multivariada, as
propriedades das sries sero completamente
especificadas pelas mdias e covarincias.
A matriz de covarincias fornece as auto-
covarincias das sries individuais das sries
bem como as covarincias entre sries
diferentes.
Modelos Lineares Multivariados
Se denotarmos por + , , , = 1, , as
componentes da matriz + , , ento:
+ , = ,+ , ,
= ,+ ,+ , ,
11 + , 12 + , 1 + ,
+ , 22 + , 2 + ,
+ , = 2
1 + , 2 + , + ,
Modelos Lineares Multivariados
11 + , 12 + , 1 + ,
+ , 22 + , 2 + ,
+ , = 2
1 + , 2 + , + ,
= 0 + 1 1 + + +
Onde 0, , 0 = 10 , , 0 um vetor 1 de
constantes e so matrizes constantes, com elementos
, , = 1, , , = 1, , .
Modelos Auto-regressivos Vetoriais-
VAR(p)
Consideremos, por simplicidade, o modelo VAR(1), ou seja:
= 0 + 1 1 +
1 = 10 + 11 1,1 + 12 2,1 + 1
2 = 20 + 21 1,1 + 22 2,1 + 2
1 = 10 + 11 1,1 + 12 2,1 + 1
2 = 20 + 21 1,1 + 22 2,1 + 2
= 1
0
= 1 +
ou ainda, se =
= 1 +
Modelos Auto-regressivos
Vetoriais- VAR(p)
Como no caso de um AR(1) univariado, obtm-se que:
= + 1 + 2 2 + +
1 11 12 2
= 1 11 1 22 12 21 = 0
21 1 22
1 2 = 0
Onde = 11 + 22 indica o trao de . Logo as duas sries sero
conjuntamente estacionrias se as solues desta equao de segundo grau
estiverem fora do crculo unitrio.
Modelos Auto-regressivos
Vetoriais
Por exemplo:
0,5 0,3
=
0,6 0,1
= + 22 / (Akaike)
= + 22 ln()/ (Schwarz)
= + 22 ln(ln )/ (Hannan-Quinn)
1 11 12 1,1 1
= 22 2,1 + 2
2 21
plot(varfit)
fitted(varfit)
plot(fitted(varfit))
plot(fevd(varfit, n.ahead=5))
Scripts R
xxxxxxxxxxxxxx Funo Resposta Impulso xxxxxxxxxxxxxx