1.3.1.

Testul Unit Root

O condiţie necesară pentru ca o serie de timp (t
y ) să fie random walk este , unde
εeste o serie aleatoare staţionară. Seriay are o valoare estimată constantă iar varianţa creşte
odată cu timpul. Seria random walk este staţionară în diferentă din moment ce prima diferenţă
este staţionară:
t
O serie staţionară în diferenţă se numeşte integrată ş i este notată cu I(d ), unde d este ordinul
de integrare.Ordinul de integrare este numărul de radăcini unitare conţinut în serie sau
numărul de operaţiuni de diferenţiere astfel încât seria să fie staţionară.
Seria random walk de mai sus este (trebuie să fie)I(1).
Unit Root testează dacă o serie de timp este sau nu staţionară. Unit Root poate fi testată prin
testele Dickey-Fullerşi Phillips-Perron.
O altă metodă de testare este cu ajutorul coeficienţilor de autocorelaţie. În acest caz, pentru ca
o serie să fieI(1) (sau random walk), coeficientul de autocorelaţie pentru o serie de timp
trebuie să fie cât mai aproape de 1, iar coeficientul de autocorelaţie pentru prima diferentă
trebuie să fie mai mic decât 1.
Testul Dickey-Fuller
Doua dintre cele mai utilizate modele de investigare a volatilitatii randamentelor
sunt asa-numitele modele ARCH (Autoregressive Conditional
Heteroskedasticity) si modele ARCH Generalizate (Generalized
ARCH sau GARCH), In continuare, existenta altor efecte ARCH posibil ramase in reziduuri
este testata cu ajutorul testului LM (Lagrange multiplier). Daca ecuatia
variantei propusa de modelul nostru este corect specificata, atunci nu
ar trebui sa mai avem efecte ARCH in reziduuri. Testul LM investigheaza ipoteza nula de
inexistenta a efectelor ARCH si este necesar ca
acesta sa aiba o valoare estimata care sa nu fie semnificativa din punct
de vedere statistic pentru a nu avea puterea sa respinga H0.
Faptul că multe serii de timp macro-economice conţin unit root a dus la dezvoltarea
teoriei ne-staţionarităţii seriilor de timp. Engle şi Granger au demonstrat în 1987 că o
combinaţie liniară de serii staţionare poate fi staţionară. Dacă o asemenea combinaţie
liniară există, seriile respective se numesc cointegrate, iar combinaţia liniară găsită se
numeşte ecuaţie de cointegrare.
Pentru a testa cointegrarea mai multor serii ne-staţionare, de obicei se utilizează ţestul
Johansen. Scopul unui test de cointegrare este de a determina dacă există sau nu o ecuaţie
de cointegrare pentru un grup de serii ne-staţionare (adică o combinaţie liniară a seriilor
analizate, care să fie staţionară). Testul se aplică numai seriilor despre care se ştie că sunt
ne-staţionare.
Mai general, atunci când un grup de variabile integrate de ordinul d , I(d), admite o
singură ecuaţie de cointegrare, se poate arăta că fiecare dintre ele are o reprezentare
errorcorrection
(teorema de reprezentare Engle-Granger). Atunci când există mai multe relaţii
de cointegrare, fiecare termen de corecţie a erorii poate afecta evoluţia tuturor celorlalte
variabile. tip de modele:
Testul de staţionaritate Augmented Dickey-Fuller;
Testul de cauzalitate Granger;
Testul de cointegrare Johansen;
R2; DW; t-statistic; SE de regresie;
Testele „informaţionale” Akaike şi Schwartz pentru alegerea numărului de lag-uri.

Metodologia VAR
Presupunem că procesul care a generat seriile de timp Yt = (y1t, y2t, ..., ynt )’ este o sumă
dintre
un trend deterministic şi o parte pur stohastică:
Yt = μt + xt 1. 1
Unde μt este partea deterministică şi xt este un proces stohastic de medie zero. Componenta
deterministică poate fi zero (μt = 0) poate fi o constantă (μt =μ0) sau poate avea o tendinţă
liniară (μt = μ0 + μ1 t). Componenta pur stohastică a procesului xt include tendinţe stohastice
sau relaţii de cointegrare. Se presupune că are media zero şi o reprezentare VAR. Procesul
observabil yt preia proprietăţile deterministice şi stohastice de la μt şi xt. Ordinul de integrare
şi cointegrare este dat de xt .
Pentru început se presupune că partea stohastică Xt = (y1t, y2t, ..., ynt )’este generată de un
proces VAR de ordinul p, (VAR(p)) conform formulei:
Yt = C + A1 Yt-1 + A2 Yt-2 + ...+ Ap Yt-p + ut, 1. 2
unde t= 1, ..., T; este lungimea seriei de timp;
n este numărul de variabile endogene;
C= (c1, c2, ..., cn)’ este un vector de constante;
A1, A2, ..., Ap sunt matricile coeficienţilor variabilelor lag şi au dimensiunea
(nxn);
ut are dimensiunea (nx1) şi este un vector de erori necorelate şi cu media zero
(zgomot alb).
Un model bivariatVAR cu două lag-uri are următoarea formă:
În cazul în care Yt ~I(1) deci procesul nu este stabil şi pot exista relaţii de cointegrare între
Variabile. Pentru estimarea unui model VAR trebuie parcurse mai multe etape. Se începe cu
specificarea
modelului, prin alegerea variabilelor dependente care vor fi modelate. Acestea pot fi, din
puncte de vedere teoretic, oricât de multe dar în practică suntem limitaţi de numărul de
observaţii disponibile. Trebuie remarcat că în cazul aplicării unui VAR(p) la n variabile
dependente, numărul de coeficienţi conţinuţi în model este n2 x p. Dependenţa numărului de
coeficienţi de numărul de variabile endogene nu este liniară, ci pătratică, şi de acea din punct
de vedere al gradelor de libertate această alegerea a numărului de variabilelor dependente este
foarte importantă.
Ca exemplificare se consideră 3 lag-ri şi 2 variabile endogene, acest model va necesita 12
coeficienţi de estimat, câte 6 în fiecare ecuaţie, dacă însă se doreşte includerea a 3 variabile
exogene cu 3 lag-uri, fiecare ecuaţie va avea acum 9 coeficienţi de estimat, fără considerarea
trendului, în total 27. Din acest motiv, numărul de variabile endogene care pot fi modelate
simultan este limitat de numărul de observaţii disponibile.
Un al doilea pas în specificarea modelului este alegerea numărului de lag-uri. Cel mai simplu,
alegerea numărului de lag-uri se face cu ajutorul criteriilor informaţionale. Criteriile
informaţionale cuantifică practic partea din variabila endogenă care nu este explicată de
model. Cele mai răspândite criterii informaţioanale sunt Akaike şi Schwartz.

Între cele două criterii, Akaike sugerează un număr de laguri mai mare de cât Schwartz.
Valorile celor două criterii nu au nici o relevanţă de sine, dar pentru decizia privind numărului
de lag-uri, se estimează diverse modele de lag-uri diferite, iar pentru fiecare model se
calculează cele două criterii informaţionale. Alegerea unuia sau a altuia se face comparând
criteriile informaţionale şi alegându-l pe cel care are valoarea cea mai mică. Ca regulă, atunci
când cele două criterii dau rezultate contradictorii se recomandă selectarea modelului care dă
rezultate mai bune la criteriul Schwartz.

Cointegrarea este un concept relativ nou în econometria modernă. Două procese integrate de
ordin p sunt cointegrate dacă combinaţia liniară a proceselor integrate de ordin (p-1) este un
proces staţionar. În econometria financiară, cointegrarea este de regulă proprietatea acelor
procese ce integrate de ordin 1 admit o combinaţie liniară integrată de ordin 0 (adică
staţionară).

Primul pas in analiza este de a determina ordinul integrarii variabilelor, pentru a evita
conceperea unui model slab.

Nestationaritatea datelor motiveaza folosirea procedurii multivariabile Johansen pentru a

detecta prezenta relatiilor de stationaritate pe termen lung ("cointegrarea") intre variabilele
nestationare. Un avantaj al procedurii Johansen este acela ca permite celui care face analiza sa
investigheze viteza ajustarii la echilibrul pe termen lung si astfel sa testeze exogenitatea
(slaba) a variabilelor explicative (daca viteza de ajustare a variabilei nu este in mod
semnificativ diferita de zero, variabila este slab exogena). Testele de rădăcină unitară indică
faptul că seriile sunt nestaŃionare în nivel si
staŃionare în prima diferenŃă, ceea ce înseamnă că sunt integrabile de ordinul I (procese
I(1)) (testele au fost efectuate utilizând ADF, Philips-Perron si KPSS)10. Acest lucru
justifică utilizarea procedurii Johansen de cointegrare pentru a identifica o relaŃie de

cointegrare existentă între variabilele analizate. Coeficientul de asimetrie (Skewness) - are

valoarea 0 dacă distribuţia este simetrică. (Distribuţia normală este simetrică!) Testul Jarque-
Bera ia in considerare atât coeficientul de asimetrie cât şi cel de aplatizare şi verifică în ce
măsură distribuţia empirică poate fi apoximată cu o distribuţie normală.  
 

 Conform distribuţiei χ2 [2], valoarea critică a testului Jarque-Bera pentru un grad de

semnificaţie statistică de 5% este 5.99, iar pentru 1% este de 9.21.
 Cu alte cuvinte, dacă statistica JB calculată pentru o serie de radamente este mai mare
de 9.21 respingem ipoteza nulă.

 variabila dummy - deseori intalnita in practica atunci cand se codifica, din motive de
analiza, nivelurile unei variabile categoriale (in special pentru regresii). Spre exemplu,
avem lista de ocupatii pe care respondentii unui studiu le pot bifa. La finalul studiului,
avem sa zicem 25% bifata optiunea "student". Putem considera acest nivel particular
al variabilei "ocupatie" drept o variabila de sine statatoare, dihotomica, avand valori 0
sau 1 (0 daca nu a fost bifata, 1 daca a fost bifata de respondent). Acest "artificiu"
permite aplicarea unui panel mai larg de metode de analiza statistica si este
frecvent intalnit, iar variabila astfel rezultata este denumita "dummy".

Astfel,s-a introdus o variabilă dummy în cazul în care gospodăria contractează un

împrumut de la bancă în luna de referinţă. In general împrumuturile sunt contractate
pentru
achiziţionarea unui bun de folosinţă îndelungată, şi deci variabila dummy este menită să
captureze o creştere anormală a cheltuielilor cu produsele nealimentare. De asemenea,
existenţa unor rate la bancă influenţează comportamentul gospodăriei, şi din acest motiv a fost
introdusă şi o variabilă dummy pentru această situaţie. 
Atunci când testăm o ipoteză nulă pot apărea patru situaţii:
Se respinge o ipoteză nulă falsă. Aceasta este acţiunea corectă.
Se respinge o ipoteză nulă adevărată. Aceasta este o eroare de tipul I.
Nu se respinge o ipoteză nulă falsă. Aceasta este o eroare de tipul II.
Nu se respinge o ipoteză nulă adevărată. Aceasta este acţiunea corectă.
Astfel, în cazul testului z (care este normal distribuit) pentru testarea mediei unui
eşantion şi considerând un nivel de relevanţă de 0.05 rezultă următoarele posibilităţi:
Pentru testul H 0 : μ = μ0 versus H a : μ ≠ μ0 sunt două puncte de respingere a

ipotezei nule, unul pozitiv şi unul negativ. Având în vedere că testul se referă la
ambele capete ale distribuţiei, pentru un nivel de relevanţă de 0.05,
probabilitatea totală pentru apariţia unei erori de tipul I nu trebuie să fie mai mare

de 0.05. Astfel, o probabilitate de

pentru fiecare coadă a distribuţiei pentru testarea ipotezei nule. Ca o consecinţă,

cele două puncte de respingere sunt z0.025 = 1.96 şi − z0.025 = −1.96 . Dacă

considerăm z ca fiind valoarea calculată a testului statistic, atunci respingem

ipoteza nulă dacă z < −1.96 sau z > 1.96 .

0.05
= 0.025 trebuie luată în considerare
Testele de staţionaritate cele mai folosite sunt ADF (Augmented Dickey-Fuller) şi PP
(Phillips-Perron). Opţiunile disponibile sunt:
Test type: tipul testului de rădăcină unitară (Augmented Dickey-Fuller, Phillips-
Perron);
Test unit root in:
• Level – seria nivel (seria efectivă);

1st difference – prima diferenţă a seriei (de obicei în cazul în care testul
aplicat asupra seriei nivel a arătat că seria este nestaţionară);
• 2nd difference – a doua diferenţă a seriei (atunci când şi testul aplicat primei
diferenţe a arătat că seria de prime diferenţe este nestaţionară.
Include in test equation
• Intercept – dacă testul să includă şi un termen constat. Acesată opţiune se
alege atunci când din graficul seriei se observă că aceasta fluctuează în jurul
unei anumite valori sau porneşte dintr-o anumită valoare.
• Trend and intercept – în cazul în care seria prezintă un trend.
• None – in cazul în care seria fluctuează în jurul valorii 0.
Prima parte a testului prezintă informaţii cu privire la tipul testului (AFD, variabilele
exogene introduse – constantă, trend) şi cuprinde rezultatul testului, valorile critice
pentru fiecare nivel de relevanţă (1, 5 şi 10 la sută), şi probabilitatea, p, asociată
rezultatului testului.

În acest exemplu, pentru l_eur, ADF are valoarea – 0.981155 şi valoarea p asociată
acestuia este de 0.9448. Dacă valoarea testului este mai mare decât valoarea critică, nu
este respinsă ipoteza nulă – seria are o rădăcină unitară (este nestaţionară). În acest
caz nu este respinsă ipoteza nulă – seria este nestaţionară. Coeficientul de autocorelţie parţială
la lag-ul k reprezintă coeficientul de regresie al lui
X t − k , atunci când X t este regresat funcţie de X t − k şi o constantă. Existenţa corelaţiei
seriale, arătată de corelograma erorilor se confirmă cu ajutorul
testului Serial Correlation LM test, Ipoteza nulă a celor două teste este că nu există corelaţie
serială a erorilor ecuaţiei de
regresie până la lag-ul k (specificat mai sus). Dacă probabilitatea asociată celor două
teste este inferioară nivelului de relevanţă la care se lucrează, atunci ipoteza nulă este
respinsă, deci se respinge inexistenţa corelaţiei seriale. În caz contrar ipoteza nulă este
acceptată, (nu există corelaţie serială).
Testul CUSUM se bazează pe suma cumulativă a erorilor recursive ale ecuaţiei de
regresie.
Portmanteau: calculează testul multivariat Box-Pierce/Ljung-Box Q-statistics pentru corelaţie
serială până la un anumit lag specificat. Ipoteza nulă este de lipsă a autocorelaţiei până la
lag-ul specificat. Testul de mai jos respinge ipoteza nulă, deci erorile ecuaţiilor din VAR sunt
corelate serial
Valoarea p (de la testul Bartlett) este însa foarte mica (0.0000), ceea ce indica
faptul ca dispersiile/variantele sunt neomogene.