Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Susan Schommer
Objetivos
Este curso tem como objetivo apresentar aos alunos conceitos de econometria de séries temporais. A
disciplina privilegia a abordagem de ensino mais prático, com ênfase às aplicações em macroeconomia
e finanças. Espera-se que os alunos ao longo do curso sejam capazes de estimarem modelos de séries
de tempo e projetarem variáveis econômicas. As aplicações serão feitas no software “R” (R-Studio).
Pré-requisito
Econometria I
Ementa
Processos estacionários: Modelos ARMA e Sazonalidade
Processos não estacionários: Raiz unitária – tendência estacionária e estocástica
Vetor Autorregressivo: Estimação do VAR e Causalidade de Granger
Vetor de Correção de Erros: Cointegração e Estimação do VECM
Séries temporais financeiras: Modelos GARCH
Avaliação
Média de dois trabalhos (30%), um estudo empírico (30%) e uma prova escrita em sala de aula (40%).
Bibliografia
Básica
BUENO, R. L. S. Econometria de séries temporais. São Paulo: Cengage Learning, 2015.
Complementar
GUJARATI, D e D. PORTER., Econometria Básica, 5a Ed. Rio de Janeiro: Bookman, 2011.
TSAY, R. S., Analysis of financial time series, A Wiley-Interscience publication, John Wiley & Sons,
Inc, 2002.
Também serão disponibilizados ao longo do curso modelos propostos pelo BCB, FMI e artigos
acadêmicos para as aplicações.
Bibliografia adicional
Bibliografia adicional
I Artigos
I https://www.bcb.gov.br/publicacoes/trabalhosdiscussao
I https://www.sbe.org.br/
I https://www.nber.org/papers/
I https://www.imf.org/en/Publications/Search
I Tutorial R studio
I https://www.datacamp.com/community/tutorials/time-series-
r
I http://r-statistics.co/Time-Series-Analysis-With-R.html
I https://a-little-book-of-r-for-time-
series.readthedocs.io/en/latest/src/timeseries.html
Séries estacionárias
2
1
0 20 40 60 80 100
Time
Séries estacionárias estocásticas - Dados reais
Produto interno bruto (PIB) - Deflacionado por IPCA, 2019.05=1,0 - IPCA (% a.m.)
Período mantido, Operação: Variação em % no período anterior
Índice de ações: Ibovespa - fechamento - Período mantido, Operação: Consumo de energia elétrica: quantidade - Período mantido,
Variação em % no período anterior Operação: Variação em % no período anterior em GWh
Séries não estacionárias
I A série univariada yt não estacionária tem uma tendência, que
pode ter uma natureza determinı́stica ou estocástica.
I Se a tendência for determinı́stica, a série não estacionária
flutua em torno de uma tendência temporal
- Exemplo: yt = µ + δt + t , sendo µ + δt o componente
determinı́stico e t o componente estocástico com
t ∼ N (0, σ 2 )
Nao estacionaria com tendencia deterministica
eps = rnorm(100,0,1)
25
t <- 1:100
20
y1 <- 5+0.2*t+eps y1
deterministica”)
5
0 20 40 60 80 100
Time
Séries não estacionárias
I Se a tendência for estocástica, a série não estacionária
move-se em torno de médias flutuantes.
- Exemplo de passeio aletório : yt = yt−1 + t o componente
estocástico com t ∼ N (µ,Pσ2)
y1 = y0 + 1 ... P
yt = y0 + t t
E[yt ] = E[y0 + t tP ] = y0 + tµ
V ar[yt ] = V ar[y0 + t t ] = tσ 2
Passeio aleatorio
70
sd = 1.5)
60
50
for (i in 2:length(eps))y[i] <-
40
y[i-1] + eps[i] y
30
aleatorio”)
10
0
0 20 40 60 80 100
Time
Séries não estacionárias
eps= rnorm(500,0,1)
35
y = filter(eps, filter=c(1),
30
method=”recursive”)[-(1:50)]+5
25
y
ts.plot(y, main = ”Passeio
20
aleatorio com deslocamento”)
15
10
Time
Séries não estacionárias - Dados reais
Produto interno bruto (PIB) – em R$ milhões IPCA (% a.m.)
Taxa de juros: Overnight / Selic - % a.m. Taxa de câmbio comercial para compra: real (R$) / dólar (US$) - fim
período
Diferenciação de séries não estacionárias
3
35
2
30
1
25
diff(y)
y
0
20
−1
15
−2
10
−3
150
x = cumsum(rnorm(250*10,0.05))
100
plot(y,type=”l”)
y
points(x,type=”l”,col=”red”)
50
0
0 500 1000 1500 2000 2500
Index
Regressão espúria
3
2
plot(diff(y),type=”l”)
1
points(diff(x),type=”l”,col=”red”)
0
diff(y)
−1
−2
−3
0 500 1000 1500 2000 2500
Index
Passos para análise econométrica de modelos econômicos
Teste de
raiz unitária
Regressão ARIMA
múltipla VAR
linear VECM: Teste de cointegração
GARCH
MQO
Max verossimilhança
GMM
Testes de
multicolinearida
de,
heterocedastici
dade e
autocorrelação
Programação das aulas