SlideShare uma empresa Scribd logo
1 de 19
Estacionariedade
Mr. Kleverton Saath
Teste de raiz unitária
Estacionariedade
• A análise de estacionariedade de uma série é um
dos principais passos para estimar o modelo de
séries temporais. Porque a estacionariedade
consiste que as propriedades estatísticas não
mudam com o tempo.
• A série estacionária tem média e variância
constantes no tempo, e a covariância entre valores
defasados da série depende apenas da defasagem,
isto é, da “distância” temporal entre eles.
Cov(Yt,Yt-k) = k k
Estacionariedade
• Um processo estocástico y(t) é dito (fracamente)
estacionário se:
• E[y(t)] = 
• Var[y(t)] = E[y(t) - ]2 = 2
• E{[y(t) - )][y(t - k) - ]} = f(k)
Estacionariedade
Cov(Yt,Yt-k) = k k
• significa que se, por exemplo, 1 > 0, então um
valor “alto” de Y no presente momento
provavelmente será seguido de um valor também
alto de Y no próximo momento.
• A hipótese de que os k sejam estáveis no tempo,
permite que se use essa informação para prever
valores futuros da série.
Não-estacionariedade
• No nível da média. A média varia ao longo
da série. Séries que apresentam tendências
temporais não têm média estacionária.
• Se a tendência for não-linear, as
covariâncias também se alterarão ao longo
do tempo
Mas afinal o que é
estacionariedade?
Raízes e estabilidade
• As raízes características determinam se a
série é estável (convergente) ou instável
(divergente)
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
1 3 5 7 9 11 13 15 17 19 21 23 25
Série convergente (estável)
Série divergente (instável)
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
1 2 3 4 5 6 7 8 9 10 11
Condições de Estabilidade
• Condição necessária
• Condição suficiente
• Se algum ai = 1, o
processo tem raiz(es)
unitária(s), se o processo
tem raiz unitária ele é não
estacionário.


n
i
ia
1
1


n
i
ia
1
1
Estabilidade e Estacionariedade
• Se yt é uma equação estocástica de
diferenças, então a condição de estabilidade é
uma condição necessária para que a série
temporal {yt} seja estacionária.
Teste ADF
Hipótese do teste ADF
No caso abaixo, não rejeitamos H0,
neste caso tem raiz unitário e o processo é não estacionário.
Teste KPSS
Hipótese do teste KPSS é inversa do ADF
No caso abaixo, não rejeitamos H0,
neste caso não tem raiz unitário e o processo é estacionário.
Pelo teste KPSS
KPSSADF
Vamos praticar no software? ...
 No exemplo a seguir vamos analisar os retornos da GGBR4,
cotação de fechamento no intervalo de 20-08-2007 até 18-08-2017.
ADF - STATA
A Série é estacionária?
• Sim, nossa série é estacionária, pois
rejeitamos a hipótese de raiz unitária pelo
teste ADF.
Importante:
• Os dois principais testes de raiz unitária são:
ADF e o KPSS.
• No teste de raiz unitária ADF podemos
selecionar o número de defasagens do
modelo AR (p), através da análise do p-
valor.
• No nosso caso teríamos um modelo AR(1).
Vamos Praticar?...

Mais conteúdo relacionado

Mais procurados

Economia aula 8 - o sistema is - lm e as políticas fiscal e monetária
Economia   aula 8 - o sistema is - lm e as políticas fiscal e monetáriaEconomia   aula 8 - o sistema is - lm e as políticas fiscal e monetária
Economia aula 8 - o sistema is - lm e as políticas fiscal e monetáriaFelipe Leo
 
Probabilidade e Estatística - Aula 04
Probabilidade e Estatística - Aula 04Probabilidade e Estatística - Aula 04
Probabilidade e Estatística - Aula 04Augusto Junior
 
Apoios: Móvel, Fixo e Engaste
Apoios: Móvel, Fixo e EngasteApoios: Móvel, Fixo e Engaste
Apoios: Móvel, Fixo e EngasteAna Anicio
 
Estatística, Gráficos em escalas logarítmicas
Estatística, Gráficos em escalas logarítmicasEstatística, Gráficos em escalas logarítmicas
Estatística, Gráficos em escalas logarítmicasnelsonpoer
 
Estatística e Probabilidade 9 - Distribuição Normal e Outliers
Estatística e Probabilidade 9 - Distribuição Normal e OutliersEstatística e Probabilidade 9 - Distribuição Normal e Outliers
Estatística e Probabilidade 9 - Distribuição Normal e OutliersRanilson Paiva
 
Economia aula 3 – a elasticidade e suas aplicações
Economia   aula 3 – a elasticidade e suas aplicaçõesEconomia   aula 3 – a elasticidade e suas aplicações
Economia aula 3 – a elasticidade e suas aplicaçõesFelipe Leo
 

Mais procurados (20)

03 tópico 2 - regressão multipla
03   tópico 2 - regressão multipla03   tópico 2 - regressão multipla
03 tópico 2 - regressão multipla
 
Regressão Linear Simples
Regressão Linear SimplesRegressão Linear Simples
Regressão Linear Simples
 
Regressão Linear I
Regressão Linear IRegressão Linear I
Regressão Linear I
 
02 tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
02   tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA02   tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
02 tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
 
Economia aula 8 - o sistema is - lm e as políticas fiscal e monetária
Economia   aula 8 - o sistema is - lm e as políticas fiscal e monetáriaEconomia   aula 8 - o sistema is - lm e as políticas fiscal e monetária
Economia aula 8 - o sistema is - lm e as políticas fiscal e monetária
 
Vetores Autoregressivos
Vetores AutoregressivosVetores Autoregressivos
Vetores Autoregressivos
 
Probabilidade e Estatística - Aula 04
Probabilidade e Estatística - Aula 04Probabilidade e Estatística - Aula 04
Probabilidade e Estatística - Aula 04
 
Exercicio de Regressao Linear Simples
Exercicio de Regressao Linear SimplesExercicio de Regressao Linear Simples
Exercicio de Regressao Linear Simples
 
Regressão Linear Múltipla
Regressão Linear MúltiplaRegressão Linear Múltipla
Regressão Linear Múltipla
 
Apoios: Móvel, Fixo e Engaste
Apoios: Móvel, Fixo e EngasteApoios: Móvel, Fixo e Engaste
Apoios: Móvel, Fixo e Engaste
 
Estatística, Gráficos em escalas logarítmicas
Estatística, Gráficos em escalas logarítmicasEstatística, Gráficos em escalas logarítmicas
Estatística, Gráficos em escalas logarítmicas
 
Correlação
CorrelaçãoCorrelação
Correlação
 
Estatística e Probabilidade 9 - Distribuição Normal e Outliers
Estatística e Probabilidade 9 - Distribuição Normal e OutliersEstatística e Probabilidade 9 - Distribuição Normal e Outliers
Estatística e Probabilidade 9 - Distribuição Normal e Outliers
 
econometria
 econometria econometria
econometria
 
Aula 01 introdução a estatística
Aula 01   introdução a estatísticaAula 01   introdução a estatística
Aula 01 introdução a estatística
 
Dicas apresentacao tcc
Dicas apresentacao tccDicas apresentacao tcc
Dicas apresentacao tcc
 
Modelo de solow
Modelo de solowModelo de solow
Modelo de solow
 
Economia aula 3 – a elasticidade e suas aplicações
Economia   aula 3 – a elasticidade e suas aplicaçõesEconomia   aula 3 – a elasticidade e suas aplicações
Economia aula 3 – a elasticidade e suas aplicações
 
Modelos (S)ARIMA e extensões
Modelos (S)ARIMA e extensõesModelos (S)ARIMA e extensões
Modelos (S)ARIMA e extensões
 
Anova 2__fatores_prof._ivan (2)
Anova  2__fatores_prof._ivan (2)Anova  2__fatores_prof._ivan (2)
Anova 2__fatores_prof._ivan (2)
 

Análise de Estacionariedade e Testes de Raiz Unitária

  • 2. Estacionariedade • A análise de estacionariedade de uma série é um dos principais passos para estimar o modelo de séries temporais. Porque a estacionariedade consiste que as propriedades estatísticas não mudam com o tempo. • A série estacionária tem média e variância constantes no tempo, e a covariância entre valores defasados da série depende apenas da defasagem, isto é, da “distância” temporal entre eles. Cov(Yt,Yt-k) = k k
  • 3. Estacionariedade • Um processo estocástico y(t) é dito (fracamente) estacionário se: • E[y(t)] =  • Var[y(t)] = E[y(t) - ]2 = 2 • E{[y(t) - )][y(t - k) - ]} = f(k)
  • 4. Estacionariedade Cov(Yt,Yt-k) = k k • significa que se, por exemplo, 1 > 0, então um valor “alto” de Y no presente momento provavelmente será seguido de um valor também alto de Y no próximo momento. • A hipótese de que os k sejam estáveis no tempo, permite que se use essa informação para prever valores futuros da série.
  • 5. Não-estacionariedade • No nível da média. A média varia ao longo da série. Séries que apresentam tendências temporais não têm média estacionária. • Se a tendência for não-linear, as covariâncias também se alterarão ao longo do tempo
  • 6. Mas afinal o que é estacionariedade?
  • 7.
  • 8. Raízes e estabilidade • As raízes características determinam se a série é estável (convergente) ou instável (divergente)
  • 9. -3,00 -2,00 -1,00 0,00 1,00 2,00 3,00 1 3 5 7 9 11 13 15 17 19 21 23 25 Série convergente (estável)
  • 11. Condições de Estabilidade • Condição necessária • Condição suficiente • Se algum ai = 1, o processo tem raiz(es) unitária(s), se o processo tem raiz unitária ele é não estacionário.   n i ia 1 1   n i ia 1 1
  • 12. Estabilidade e Estacionariedade • Se yt é uma equação estocástica de diferenças, então a condição de estabilidade é uma condição necessária para que a série temporal {yt} seja estacionária.
  • 13. Teste ADF Hipótese do teste ADF No caso abaixo, não rejeitamos H0, neste caso tem raiz unitário e o processo é não estacionário.
  • 14. Teste KPSS Hipótese do teste KPSS é inversa do ADF No caso abaixo, não rejeitamos H0, neste caso não tem raiz unitário e o processo é estacionário. Pelo teste KPSS KPSSADF
  • 15. Vamos praticar no software? ...  No exemplo a seguir vamos analisar os retornos da GGBR4, cotação de fechamento no intervalo de 20-08-2007 até 18-08-2017.
  • 17. A Série é estacionária? • Sim, nossa série é estacionária, pois rejeitamos a hipótese de raiz unitária pelo teste ADF.
  • 18. Importante: • Os dois principais testes de raiz unitária são: ADF e o KPSS. • No teste de raiz unitária ADF podemos selecionar o número de defasagens do modelo AR (p), através da análise do p- valor. • No nosso caso teríamos um modelo AR(1).