Asist. Univ. Dr.

Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II

Exemplu de aplicare a procedurii Box Jenkins asupra unei serii de timpe
Vom analiza seria de timp alcatuita din valorile zilnice ale indicelui bursier BET in
perioada 03.01.2006 20.12.2007.
Sursa de date: Bursa de Valori Bucuresti www.bvb.ro
Analiza calitativa: Vom lucra cu seria de date logaritmata, transformare utilizata frecvent
in seriile de date financiare care nu influenteaza cu nimic rezultatul, deoarece avem doar o
reducere a scalei.
Graficul Seriei:

Figura 1 Graficul seriei de timp Indicele BET

Seria este zilnica deci nu are sens analiza sezonalitatii.
Etapa 1 Analiza stationaritatii
Sa utilizam analiza corelogramei (figura 2) pentru a studia caracterul stationar/nestationar
al seriei. (corelograma contine 24 de lag-uri).
Comenzi Eviews: dublu clic pe serie, View Correlogram

Asist. Univ. Dr. Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II

Figura 2 Corelograma seriei BET

Forma functiei de autocorelare ne indica un proces nestationar deoarece valorile functiei
se mentin aproape de 1 un numar foarte mare de lag-uri. In plus, faptul ca functia de autocorelare
partiala are o valoare mare (un varf) pentru primul lag, iar apoi descreste brusc indica o modelare
a seriei dupa un model autoregresiv de ordin intai (AR(1)).
Utilizam testul Dickey-Fuller pentru stabilirea stationaritatii seriei si , aplicand cele trei
variante ale sale, obtinem ca seria nu are trend, are radacina unitate, deci nu este stationara.
Comenzi EViews dublu clic pe serie / View Unit Root Tests
Null Hypothesis: BET has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=17)

Augmented Dickey-Fuller test statistic

Test critical values:
1% level
5% level
10% level
*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(BET)
Method: Least Squares

t-Statistic

Prob.*

-1.755873
-3.443307
-2.867147
-2.569818

0.4025

Asist. Univ. Dr. Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II

Sample (adjusted): 2 497

Included observations: 496 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

BET(-1)
C

-0.009568
0.021054

0.005449
0.011621

-1.755873
1.811748

0.0797
0.0706

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.006202
0.004191
0.013886
0.095250
1418.546
1.849434

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.000679
0.013915
-5.711881
-5.694919
3.083090
0.079730

Etapa 2 Stationarizarea seriei

Stationarizarea se face prin diferentiere. Obtinem seria din figura 3 (grafic si
corelograma). Intr-adevar, seria diferentiata este stationara, in corelograma nu avem valori
semnificative, deci termenii seriei sunt necorelati. Mai mult, graficul ne sugereaza un proces
Zgomot Alb, incadrat intr-o banda de variatie (homoscedasticitatea termenilor seriei), osciland in
jurul lui zero (de medie zero) si necorelate intre ele.

Figura 3 Graficul si corelograma seriei stationarizate (seria BET diferentiata)

Etapa 3 Identificarea tipului de model
Faptul ca functia de autocorelare partiala pentru seria initiala are o valoare mare (un varf)
pentru primul lag, iar apoi descreste brusc indica o modelare a seriei dupa un model autoregresiv
de ordin intai (AR(1)).

Asist. Univ. Dr. Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II
Deoarece prin diferentierea seriei initiale am otinut un proces Zgomot Alb, inseamna ca
seria initiala este un proces AR(1) de forma:
=

()

Faptul ca functia de autocorelatie partiala are un varf care se deosebeste clar de restul
valorilor (apropiate de zero) nu lasa loc multor interpretari in privinta modelului autoregresiv ce
trebuie ales. Totusi, pentru comparatie vom estima modelele AR(1), ARMA(1,1), ARMA(2,1).
Nota: Trebuie precizat ca in acest caz modelarea se face doar in scop didactic. Cel mai
corect din punct de vedere teoretic ar fi fost sa modelam seria stationarizata, dar intrucat
aceasta provine dintr-un proces Zgomot Alb se stie ca nu poate fi modelata. Aceasta este de fapt
si caracteristica seriilor ce modeleaza randamentele actiunilor, faptul ca nu pot fi modelate ,
deci previzionate valori viitoare, semn al eficientei informationale perfecte a pietei.
Etapa 4 Estimarea parametrilor modelelor autoregresive
Estimand modelele mentionate, obtinem:
Modelul 1
AR(1) :
= 2.200382591 + 0.9904315626*
Comenzi EViews: LS BET C AR(1)
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(1)

2.200383
0.990432

0.076667
0.005449

28.70038
181.7509

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.985266
0.985236
0.013886
0.095250
1418.546
1.849434

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

2.130129
0.114279
-5.711881
-5.694919
33033.39
0.000000

Acest model este corect specificat deoarece ambii coeficientii sunt semnificativ diferiti
de zero.

Modelul 2:
ARMA(1,1) :
= 2.19266104 + 0.9891832961*
Comenzi EViews:
LS BET C AR(1) MA(1)

+0.08048400012*

Asist. Univ. Dr. Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(1)
MA(1)

2.192661
0.989183
0.080484

0.071123
0.005914
0.045211

30.82926
167.2591
1.780196

0.0000
0.0000
0.0757

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.985349
0.985289
0.013861
0.094713
1419.949
2.000671

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

2.130129
0.114279
-5.713505
-5.688062
16578.15
0.000000

Coeficientul termenului este nesemnificativ diferit de zero, deci modelul nu e valid

(probabilitate 0.0757 mai mare de 0.05, deci acceptam ipoteza nula, coeficientul nu
este semnificativ diferit de zero)

Modelul 3
In mod asemanator, in cazul modelului ARMA(2,1), obtinem ca cei doi coeficienti , al
termenului autoregresiv de ordin doi si al termenului din seria de termeni
, sunt
nesemnificativi diferiti de zero, deci nu se justifica introducerea lor in model. (p value: 0.46;
0.31).
Comenzi EViews : LS BET C AR(1) AR(2) MA(1)
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(1)
AR(2)
MA(1)

2.194266
0.724445
0.263173
0.353338

0.078033
0.362458
0.359252
0.353114

28.11984
1.998701
0.732560
1.000635

0.0000
0.0462
0.4642
0.3175

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.985437
0.985348
0.013813
0.093681
1419.299
2.022437

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

2.130488
0.114114
-5.718381
-5.684405
11075.02
0.000000

Asist. Univ. Dr. Smaranda Cimpoeru / Seminar Econometrie Serii de timp / FABBV AN II

Etapa 5 Testarea caracteristicilor modelelor estimate

Am testat anterior daca parametrii sunt sau nu semnificativi diferiti de zero si am vazut ca
singurul model care este valid din punctul de vedere al parametrilor este AR(1). Sa verificam
acum daca se respecta ipotezele formulate asupra reziduului. Deoarece coeficientul termenului
autoregresiv de orind intai este 1 (0.99), atunci, din relatia (*) tragem concluzia ca reziduul seriei
este chiar seria initiala diferentiata. Ipotezele de indeplinit sunt:
- Necorelare a reziduului. In acest caz reziduul este chiar seria diferentiata, care dupa
cum am vazut din figura 3 (etapa 2), sunt necorelate.
- Homoscedasticitate : se verifica cu corelograma patratelor reziduurilor (e indeplinita)
- Normalitate: Efectuam testul Jarque-Bera si intr-adevar ipoteza de normalitate este
indeplinita.

Interpretari
Seria diferentiata reprezinta chiar randamentul indicelui bursier. Deoarece am obtinut ca
indicele BET se poate modela dupa un proces autoregresiv de ordin intai, cu coeficient unu al
termenului autoregresiv (tip de proces deosebit care poarta denumirea de Mers Aleator), in
perioada analizata, piata bursiera este eficienta informational, conform teoriei de specialitate.
Dupa Fama, piata eficienta informational a fost definita ca acea piata care are abilitatea de a se
adapta rapid sub impactul ultimelor informatii disponibile.
Aceasta caracteristica are mai multe consecinte. In primul rand, inseamna ca atunci cand
apare o noua informatie pe piata, aceasta se raspandeste foarte repede si este incorporata in
preturile actiunilor fara intarziere. Deci, nici analiza tehnica (care presupune studiul preturilor
trecute in incercarea de a prezice cursul viitor), nici analiza fundamentala (care are la baza
analiza informatiilor financiare despre companii) nu l-ar ajuta pe un investitor sa dobandeasca
randamente mai mari decat cele pe care le-ar obtine prin detinerea unui portofoliu de titluri alese
aleator. De asemenea, pornind de la faptul ca randamentele urmeaza un proces Mers la
Intamplare, putem afirma ca, daca fluxul de informatii nu este impiedicat de nimic si informatia
se reflecta imediat in pretul actiunilor, atunci variatia cursului de maine va reflecta doar
informatiile din ziua urmatoare si va fi independenta de modificarile pretului din ziua curenta.