S ´eries de Tempo
Introduc¸ ˜ao
Jos ´e Fajardo
1. Por quê o estudo de séries de tempo
é importante?
• Primeiro, porque muitos dados econômicos e financeiros aparecem na forma de séries de tempo, como PIB, inflação, taxa de câmbio, taxa de juros, preços de ativos, etc.
• Segundo, porque com séries de tempo
podemos estimar modelos dinâmicos, o que com dados em cross-section não é possível dado que não existe a dimensão temporal.
2. A análise de dados em ST é diferente da
análise de dados em CS?
• Séries de tempo têm uma ordenação temporal que dados em cross-section não têm.
• Séries temporais têm propriedades muito
diferentes de dados em cross-section, como, por exemplo, a presença de tendência.
Exemplo: Preço do suco da Laranja, (Stock e Watson, 2006)
• A cidade de Orlando nos Estados Unidos é o centro do cultivo da laranja no estado da Flórida.
Normalmente, o clima na região é quente e ensolarado.
• Entretanto, de vez em quando a temperatura cai abaixo de zero o que faz com que as laranjas congelem acarretando em perdas na safra.
• Se a temperatura fica abaixo de zero por muito tempo, as árvores congelam e o dano é muito maior. Depois de uma temporada de mau tempo, a oferta do suco de laranja concentrado se reduz, e consequentemente o
• Entretanto, o timing do aumento de preços é complicado pelo fato do suco de laranja
concentrado ser um produto estocável em seu estado congelado.
• O preço do suco de laranja concentrado é
determinado pela sua oferta corrente e pela sua expectativa de oferta futura.
• Mau tempo no presente significa que a oferta futura de suco de laranja concentrado é
• Entretanto, como os estoques podem ser usados para abastecer o mercado hoje e no futuro, o
impacto imediato do mau tempo no preço do suco de laranja pode ser bastante reduzido, ou ainda o impacto no preço pode ocorrer com alguma defasagem.
• Saber precisamente qual é o tamanho do impacto no preço do suco de laranja concentrado quando o tempo é ruim é uma questão empírica, e para responder a essa pergunta vamos analisar o
t t t t t t t t Laranja t
u
FDD
FDD
FDD
FDD
FDD
FDD
FDD
P
+
+
+
+
+
+
+
+
=
∆
− − − − − − 6 6 5 5 4 4 3 3 2 2 1 1 0%
β
β
β
β
β
β
β
α
• Onde %ǻPt é a variação % no preço real do suco de laranja concentrado.
• A variável FDD, “freezing degree days”, é calculada da seguinte forma: ela é a soma do número de graus
Fahrenheit que a temperatura mínima ficou abaixo de 32F (que corresponde a zero grau na escala Celsius) num dado dia do mês ao longo de todos os dias do mês. • A temperatura é medida na região do aeroporto de
Orlando. Por exemplo, em novembro de 1950, a
temperatura no aeroporto ficou abaixo de 32F nos dias 25 (31F) e 29 (29F).
• Então o valor de FDD em novembro de 1950 é calculado da seguinte forma: (32-31)+(32-29)=4. Isto é, o número de dias-grau onde a temperatura ficou abaixo da
3. Características Básicas de Séries de
Tempo
• Definição: Uma série de tempo é um conjunto de observações ordenadas temporalmente.
• Podemos escrever uma série de tempo da seguinte forma:
População vs. Amostra
• Como podemos pensar em aleatoriedade com dados em séries de tempo?
– A série de tempo pode ser vista como uma variável aleatória. Quem sabe a inflação do mês que vem?
• População vs. Amostra: Quando coletamos dados em séries de tempo, obtemos uma
• Um processo estocástico é um conjunto de
variáveis aleatórias ordenadas temporalmente.
• O conjunto de todas as possíveis realizações de uma série de tempo faz o papel da
população.
4. Equações em Diferenças Finitas
• A característica fundamental de uma série de tempo é a sua ordenação temporal.
• A sua dependência explícita na variável tempo calendário faz com que o estudo de séries de tempo se inicie naturalmente com o estudo de equações em diferenças finitas.
• Uma equação em diferenças finitas (EDF) é uma expressão que relaciona uma variável yt com
• Por exemplo, a equação abaixo é uma EDF de primeira ordem.
• A equação acima é uma EDF linear de primeira-ordem.
• É de primeira ordem porque apenas a primeira defasagem de yt aparece, e é linear porque yt é
t
t
t
y
Resolvendo uma EDF de 1º ordem
• Uma forma de resolver uma EDF de 1º ordem é através de substituições recursivas.
(
t t)
t ty
y
=
φ
φ
−2+
ε
−1+
ε
(
t t)
t t ty
y
=
φ
φ
−3+
ε
−2+
φε
−1+
ε
t t ty
y
=
φ
+
φ
−1ε
+
φ
−2ε
+
...
+
φε
+
ε
Multiplicadores Dinâmicos
j t j t j ty
y
+=
φ
+ −1+
ε
+y
∂
j t j t t j t j t j t j j ty
y
+ − + + − + − − + ++
+
+
+
+
+
=
ε
φε
ε
φ
ε
φ
ε
φ
φ
1 2 2 1 1 1 1...
• O multiplicador dinâmico depende somente de j, o período de tempo que separa o choque İt e o valor observado de yt+j.
• O multiplicador não depende de t, ou seja, não depende da data das observações. Isso é verdade para qualquer equação de diferenças finitas
linear.
• Diferentes valores de ij geram diferentes padrões dos multiplicadores.
• Em particular, se |ij|<1 o multiplicador tende à zero com o tempo. Nesse caso, dizemos que o
-120000 -80000 -40000 0 40000 80000 120000
Choques permanentes vs. choques temporários • Acima analisamos o caso de um choque
temporário em İt, ou seja, assumimos que İ=1 no período t, e zero para todos os outros períodos.
• Entretanto, em alguns casos é de interesse saber o efeito de um choque permanente em İ. Isto é,
assuma que İt, İt+1, İt+2, ..., İt+j, aumentem em uma unidade.
• Qual é o impacto em yt de um choque permanente de uma unidade em İ ?
1 ... ... 1 2 2 1 + + + + + = ∂ ∂ + + ∂ ∂ + ∂ ∂ + ∂ ∂ − − + + + + + + + φ φ φ φ ε ε ε ε j j j j t j t t j t t j t t j t y y y y
[ ]
φ φ φ φ φ − = + + + + + = − − ∞ → 1 1 1 ... ... j j 1 j 2 j Lim j t j t t j t j t j t j j ty
y
+=
φ
+1 −1+
φ
ε
+
φ
−1ε
+1+
φ
−2ε
+2+
...
+
φε
+ −1+
ε
+Efeito acumulado de um choque temporário é igual ao efeito de longo prazo de um choque permanente
... 0 0 0 1 0 İt ... t+3 t+2 t+1 t t-1 tempo t t t
y
y
=
φ
−1+
ε
φ
2 φ φ 3 φ φ φ φ ε = + + + + = − ∂ ∂¦
∞ = + 1 1 ... ... 1 2 0 j j t j t y 1 <φ
Operador Defasagem
• Suponha que a partir de uma série de tempo xt criamos uma outra série yt cujo valor em cada tempo t é o mesmo valor de x no tempo t-1, ou seja, yt=xt-1.
• É assim que funciona o operador defasagem – ele mapeia yt em xt-1.Isto é,
Lxt=xt-1 L2x =x
Equações em Diferenças Finitas e o
Operador Defasagem
t t ty
y
=
φ
−1+
ε
t t tLy
y
=
φ
+
ε
t tL
y
ε
φ
−
=
1
1
¦
∞ −=
j t j ty
φ
ε
1 <φ
Equações em Diferenças Finitas
de Ordem p
[
]
t t p pL
y
L
L
φ
φ
ε
φ
−
−
−
=
−
...
1
1 2 2 t p t p t t ty
y
y
y
=
φ
1 −1+
φ
2 −2+
...
+
φ
−+
ε
Resultado
• Os autovalores da EDF acima satisfazem a seguinte relação:
• A equação acima é chamada equação característica. Suas raízes são chamadas de autovalores ou raízes
0
...
2 2 1 1−
−
−
=
−
p− p− p pφ
λ
φ
λ
φ
λ
t p t p t t ty
y
y
y
−
φ
1 −1−
φ
2 −2−
...
−
φ
−=
ε
• Se todos os autovalores estão dentro do
círculo unitário, isto é, |Ȝ
i|<1, para
i=1,…,p, dizemos que a equação é
estacionária.
• Equivalentemente, a equação é estacionária se todos os valores de z que satisfazem a expressão abaixo estão fora do círculo unitário.
0
...
1
−
φ
1z
−
φ
2z
2−
−
φ
pz
p=
[
]
t t p pL
y
L
L
φ
φ
ε
φ
−
−
−
=
−
...
1
1 2 2Exemplo: EDF de 2ª ordem (estável) t t t t
y
y
y
=
0
.
3
−1+
0
.
4
−2+
ε
0
4
.
0
3
.
0
2=
−
−
λ
λ
t t t ty
y
y
−
0
.
3
−1−
0
.
4
−2=
ε
Exemplo: EDF de 2ª ordem (estável) t t t t
y
y
y
=
0
.
3
−1+
0
.
4
−2+
ε
8
.
0
/
1
1 1=
z
=
λ
0
4
.
0
3
.
0
1
−
z
−
z
2=
2
,
25
.
1
2 1=
⋅
z
=
−
z
[
−
L
−
L
]
y
t=
ε
t 24
.
0
3
.
0
1
-3 -2 -1 0 1 2 3 4
Exemplo: EDF de 2ª ordem com raízes explosivas t t t t
y
y
y
=
1
.
2
−1−
0
.
2
−2+
ε
2
.
0
,
1
2 1=
⋅
λ
=
λ
0
2
.
0
2
.
1
1
−
z
+
z
2=
0
2
.
0
2
.
1
2=
+
−
λ
λ
-2 0 -1 0 0 1 0 2 0 3 0
5. Transformações de Séries de Tempo
1 −=
t tx
Lx
2 2)
(
Lx
t=
L
x
t=
x
t−L
n
t
t
n
x
x
L
=
−
Operador de primeiras-diferenças
1
−
−
=
∆
x
t
x
t
x
t
2 1 1 22
− − −=
−
+
∆
−
∆
=
∆
x
tx
tx
tx
tx
tx
tL
−
=
∆
1
Taxa de Crescimento
• A primeira-diferença do logaritmo de Y é
aproximadamente igual a taxa de crescimento de Y. • Em termos percentuais, 1 1 1
log
log
− − −−
≅
−
t t t t ty
y
y
y
y
)
log
(log
*
100
log
*
100
%
∆
y
t≅
∆
y
t=
y
t−
y
t−1Modelo de Defasagens Distribuídas
• No modelo de defasagens distribuídas uma ou mais variáveis explanatórias aparecem com seus valores correntes e defasados.
• Por exemplo, a equação abaixo representa um MDD de ordem dois.
u
z
z
z
y
=
α
+
δ
+
δ
+
δ
+
• Assuma que z seja igual a uma constante c em todos os períodos com exceção do tempo t,
quando leva um choque de uma unidade, isto é, no tempo t temos que z=c+1.
• Nesse caso dizemos que sofreu um choque
temporário, dado que a variável retorna para o seu valor de equilíbrio um período após o
• O coeficiente į0 dá o impacto imediato em y de uma mudança de uma unidade em z; į1 dá o
impacto em y de uma mudança de uma unidade em z um período após o choque; e į2 dá o
impacto em y de uma mudança de uma unidade em z dois períodos após o choque.
• Chamamos os coeficientes į de multiplicadores
dinâmicos ou multiplicadores de impacto.