O processo <strong>de</strong> transformação da serie não estacionaria em estacionariaé feito através do operador diferença, V c '=(l - B)^. O número "d" <strong>de</strong> diferençasnecessárias para se obter a cstacionarieda<strong>de</strong> da serie e alcançadoquando a função <strong>de</strong> autocorrelacao da série W t = V^Xj. <strong>de</strong>cresce rapidamentepara zero.Na maioria das séries, o número <strong>de</strong> diferenças "d" é pequeno,com d < 2.Para tais casos, a análise das autocorrelaçoes é suficiente, em geraj-,com uma inspeção nos 15 ou 20 coeficientes iniciais <strong>de</strong> autocorrelacao(isto ê, p k , k=l, 2, 3, ..., 20).Deve-se notar, entretanto, que essa forma <strong>de</strong> obter "d" se baseia em umaavaliação subjetiva do pesquisador. O julgamento do fato <strong>de</strong> a função <strong>de</strong>autocorrelacao <strong>de</strong>crescer rapidamente para zero po<strong>de</strong>rá apresentar situações<strong>de</strong> duvida.Como foi visto, o numero <strong>de</strong> diferenças necessárias para tornar a serieestacionaria e igual ao numero <strong>de</strong> raízes da equação característica(B) = O que caiam sobre a fronteira do círculo unitário.A dificulda<strong>de</strong> <strong>de</strong> julgamento e bastante comum naquelas series on<strong>de</strong> o mo<strong>de</strong>loé <strong>de</strong>finido por parâmetros que, embora satisfazendo a condição <strong>de</strong>estacionarieda<strong>de</strong>, se apresentam com valores próximos a fronteira do círculounitário. A queda, nesse caso, da função <strong>de</strong> autocorrelacao parasucessivas diferenças da serie po<strong>de</strong> não apresentar alterações significativas.Para facilitar a escolha <strong>de</strong> "d", ANDERSON (1979) sugere a análise <strong>de</strong>mais um instrumento, que e o estudo do comportamento da variancia dasséries sucessivamente diferenciadas. A análise baseia-se no fato <strong>de</strong> avariancia <strong>de</strong> uma série não estacionaria ser maior que avariancia da sérietransformada em estacionaria, através do operador diferença,e, quandoessa e conseguida,uma sobredif erenciaçao (isto e,uma operação diferençaa mais do que o necessário para a obtenção da estacionarieda<strong>de</strong>) apresentaum acréscimo substancial da variabilida<strong>de</strong> da série.Apôs estabelecer "d", tal que W(- = V Xj. e estacionaria, trabalha-se coma série W t , que po<strong>de</strong> ser representada por um processo ARMA, para estabelecera or<strong>de</strong>m (p,q). Como a maioria das séries econômicas se caracterizampor serem passíveis <strong>de</strong> <strong>de</strong>scrição por um mo<strong>de</strong>lo <strong>de</strong> baixa or<strong>de</strong>m,on<strong>de</strong> tanto "p" quanto "q" assumem valores inferiores ou iguais a dois,o estabelecimento da or<strong>de</strong>m (p,q) torna-se bastante simples, tendo emvista o conhecimento que se tem das características da função <strong>de</strong> autocorrelacaodas séries <strong>de</strong>scritas por mo<strong>de</strong>los AR(p) , MA(q) e ARMAÍp.q) 14 :um MA(q) tem memória <strong>de</strong>^"q" períodos e um AR(p), embora possuindo memóriainfinita,tem função <strong>de</strong> autocorrelacao que <strong>de</strong>clina geometricamentepara zero 5 . Alem disso, para uma <strong>de</strong>finição precisa da or<strong>de</strong>m "p" <strong>de</strong> umprocesso AR(p), existe o instrumento da função <strong>de</strong> autocorrelacao parcialdo processo, a qual, para um mo<strong>de</strong>lo auto-regressivo, se apresentacom memória finita <strong>de</strong> or<strong>de</strong>m "p".' Deve-se salientar que, se a série não se caracteriza por ser representada por um processo <strong>de</strong> baixa or<strong>de</strong>m, a especificação<strong>de</strong> "p" e "q" torna-se bastante difícil, pois o meio dispontVel e' o <strong>de</strong> tentar adivinhar seus valores, fato que,obviamente, só terá algum valor prático se houver experiência suficiente (e, às vezes, sorte!) no processo <strong>de</strong> mo<strong>de</strong>lagem<strong>de</strong> se'ries <strong>tempo</strong>rais.[ sse é o caso geral, on<strong>de</strong> as raízes <strong>de</strong> r/>! Ht são distintas e reais. Se houver raízes complexas, o <strong>de</strong>clínio das autocorrelaçoesterá a forma senoitlal (para maiores discussões a respeito, inclusive <strong>de</strong>monstração, ver BOX & J l- NKINS (1976).
74A função <strong>de</strong> autocorrelaçao parcial, <strong>de</strong>notada por ^kv» e um instrumentoanalítico que, partindo do fato <strong>de</strong> um processo AR(p) ter uma função <strong>de</strong>autocorrelaçao com memória infinita, permite sua obtenção através <strong>de</strong>"p" funções <strong>de</strong> autocorrelaçao diferentes <strong>de</strong> zero 6 .Define-se a função <strong>de</strong> autocorrelaçao parcial por:p; p,se k = lse k _ 2^ é a. matriz <strong>de</strong> autocorrelaçao elr ^ e a matriz que difere <strong>de</strong> IP^somente pela ultima coluna, a qual e substituída pelo vetor colunaÍP1.P2.P3. ••-.P k }-Para um processo auto-regressivo <strong>de</strong> or<strong>de</strong>m "p", a função <strong>de</strong> autocorrelaçaoparcial 4>kk será diferente <strong>de</strong> zero para k l p e zero para k > p.Dessa maneira, embora função <strong>de</strong> autocorrelaçao <strong>de</strong> um processo AR(p) tenhamemória infinita, a função <strong>de</strong> autocorrelaçao parcial, assim <strong>de</strong>finida,possui memória <strong>de</strong> "p" períodos, permitindo, conseqüentemente, ai<strong>de</strong>ntificação da or<strong>de</strong>m do mo<strong>de</strong>lo auto-regressivo.Em geral, o comportamento da função <strong>de</strong> autocorrelaçao <strong>de</strong> um processoauto-regressivo ten<strong>de</strong> a imitar o comportamento da função <strong>de</strong> autocorrelaçaoparcial <strong>de</strong> um processo média móvel e, inversamente, a função <strong>de</strong>As funções <strong>de</strong> autocorrelação parciais po<strong>de</strong>m ser assim obtidas: seja 0iq o j-e'simo coeficiente <strong>de</strong> um AR(K), tal que0kk se J a ° último coeficiente. Como se viu no capi'tulo anterior, 0^j <strong>de</strong>ve satisfazer aou, utilizando as equações <strong>de</strong> Yule-Walker,Pi"W"k-\P k-2p k-3'Resolvendo para os diversos valores <strong>de</strong> k, tem-se:,; 221 pl1p lp lP 2P,p iP 2 - P]i -P!, '0 33"2 p i "3i P! P 2e assim por diante.
- Page 1:
(/Jmt/)pllllllFundação de Economi
- Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
- Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
- Page 8 and 9:
Figura 22 — Gráfico da PAC da s
- Page 10 and 11:
Quadro 13 - Relatório de saída do
- Page 12 and 13:
A presente dissertação, orientada
- Page 14 and 15:
14de Cournot e Walras, entre outros
- Page 16 and 17:
16que as atividades de pesquisa alc
- Page 18 and 19:
18funcionamento da realidade econô
- Page 20 and 21: 20quatro componentes e tem-se como
- Page 22 and 23: 2 - SOBRE SÉRIES TEMPORAISE PROCES
- Page 24 and 25: 25onde o segundo membro dessa equa
- Page 26 and 27: A importância do conhecimento de a
- Page 28 and 29: O tipo de não estacionariedade mos
- Page 30 and 31: Essa padronização e obtida atrav
- Page 32 and 33: =t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
- Page 34 and 35: 35l M l l l l l lFigura 3 - Correlo
- Page 36 and 37: Para retirar a sazonalidade, cria-s
- Page 38 and 39: 40Nesse caso,E (X t ) = E(u+ E(a t
- Page 40 and 41: 42Portanto.tSZ = ",z = . E z. = .E.
- Page 42 and 43: 44Note-se que, para esse processo,
- Page 44 and 45: 463.2 — Modelo Média MóvelSeja
- Page 46 and 47: 48Processo Média Móvel de Primeir
- Page 48 and 49: 50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
- Page 50 and 51: Conforme se viu no iteia 3,1, para
- Page 52 and 53: 54Coeficiente de autocorrelação>k
- Page 54 and 55: 56se k = 2, p 2 = "í^p-, + ií ) 2
- Page 56 and 57: 58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
- Page 58 and 59: 60Para k < q, o processo misto auto
- Page 60 and 61: 62Coeficientes de autocorrelação^
- Page 62 and 63: 64Observe-se que, se d=0, o modelo
- Page 64 and 65: 66Portanto, o modelo descrito pela
- Page 66 and 67: 4 - O PROCESSO DE MODELAGEMOs model
- Page 68 and 69: 71/Ml-UIAFigura 1 - Gráfico "Ampli
- Page 72 and 73: autocorrelaçao de um processo méd
- Page 74 and 75: 'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
- Page 76 and 77: 79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
- Page 78 and 79: 81Padrões de p ^ e (4 ^ para um AR
- Page 80 and 81: Na prática, porém, surge outro pr
- Page 82 and 83: Por fim, o estudo das funções de
- Page 84 and 85: Esses vetores serão $,6, e a , de
- Page 86 and 87: Um exemplo pratico permite maior cl
- Page 88 and 89: Para o calculo de S(_$,ô_), os [ a
- Page 90 and 91: para iniciar o processo que se arbi
- Page 92 and 93: 95Porque os [e.t/S,wn não são exa
- Page 94 and 95: Esse processo de checagem, em geral
- Page 96 and 97: aparecem escassamente no correlogra
- Page 98 and 99: 5-0 MÉTODO DE PREVISÃODE BOX & JE
- Page 100 and 101: 103De maneira semelhante, pode-se o
- Page 102 and 103: 105Previsão utilizando equação d
- Page 104 and 105: 107ou seja,para h > 2,x t (h) = ^^(
- Page 106 and 107: 109O valor de x no período t+h éx
- Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
- Page 110 and 111: Se as previsões para um, dois e tr
- Page 112 and 113: 115Portanto o valor de x no tempo t
- Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
- Page 116 and 117: 119rie se caracteriza por apresenta
- Page 118 and 119: tricamente crescente, pode-se infer
- Page 120 and 121:
123Figura 5 - Gráfico da função
- Page 122 and 123:
125Quadro 2Figura 7 — Gráfico da
- Page 124 and 125:
127Quadro 4Figura 8 - Gráfico da f
- Page 126 and 127:
129Portanto o modelo suposto inicia
- Page 128 and 129:
1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
- Page 130 and 131:
133O Quadro 5 permite algumas consi
- Page 132 and 133:
135T»E-EST!«»Tto «E51FWALS-- MO
- Page 134 and 135:
137Quadro 6Relatório de saída do
- Page 136 and 137:
1396.3 - Previsões para o Consumo
- Page 138 and 139:
141A avaliação da necessidade de
- Page 140 and 141:
143A Figura 16 permite observar que
- Page 142 and 143:
145A ACF da serie V 2 T t (Figura 1
- Page 144 and 145:
'147Quadro 9Valores numéricos da A
- Page 146 and 147:
149Quadro 11Valores numéricos da P
- Page 148 and 149:
Quadro 12151Principais informaçõe
- Page 150 and 151:
1536.3.4 — PrevisõesPara essa se
- Page 152 and 153:
155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
- Page 154 and 155:
157Figura 24 — Relatório de saí
- Page 156 and 157:
160cionarem previsões bastante sat
- Page 158 and 159:
162- KIRBY (1966), comparando os m
- Page 160 and 161:
ANEXO lManual dos Comandos Necessá
- Page 162 and 163:
168cc 9-16 Number with four decimai
- Page 164 and 165:
170Repeat in cc 17-24, 25-32, etc.
- Page 166 and 167:
17240.12345cc 1-5Enter a zero if wi
- Page 168 and 169:
ANEXO 11Relatórios de Saída do Co
- Page 170 and 171:
s^c; c —)c i- >C-' "*> — < Sj=
- Page 172 and 173:
.-« T-4ooooooooooo*• + 4- * *•
- Page 174 and 175:
BIBLIOGRAFIAAKAIKE, H. A new look a
- Page 176 and 177:
MAKRIDAKIS, S. & WHEELWRIGHT, S. C.