Sunteți pe pagina 1din 12

Analiza seriilor de timp

1. Analizm seriile de timp economice ce trebuie studiate


Considerm datele observate cu privire la 5 serii cronologice economice cu frecvent trimestrial,
n perioada anilor 1985-2006, un total de 88 observatii pentru fiecare serie de timp !eriile sunt"
Produsul Intern Brut #$%&',
Venitul Personal Disponibil #($)',
Cheltuielile de Consum Personal #CC$',
Profiturile *i
Dividendele
(alorile observate sunt"
trim PIB VPD CCP Profit Dividend
85-1 2872,8 1990,6 1800,5 44,7 24,5
85-2 2860,3 2020,1 1807,5 44,4 23,9
85-3 2896,6 2045,3 1824,7 44,9 23,3
85-4 2873,7 2045,2 1821,2 42,1 23,1
86-1 2942,9 2073,9 1849,9 48,8 23,8
86-2 2947,4 2098,0 1863,5 50,7 23,7
86-3 2966,0 2106,6 1876,9 54,2 23,8
86-4 2980,8 2121,1 1904,6 55,7 23,7
87-1 3037,3 2129,7 1929,3 59,4 25,0
87-2 3089,7 2149,1 1963,3 60,1 25,5
87-3 3125,8 2193,9 1989,1 62,8 26,1
87-4 3175,5 2272,0 2032,1 68,3 26,5
88-1 3253,3 2300,7 2063,9 79,1 27,0
88-2 3267,6 2315,2 2062,0 81,2 27,8
88-3 3264,3 2337,9 2073,7 81,3 28,3
88-4 3289,1 2382,7 2067,4 85,0 29,4
89-1 3259,4 2334,7 2050,8 89,0 29,8
89-2 3267,6 2304,5 2059,0 91,2 30,4
89-3 3239,1 2315,0 2065,5 97,1 30,9
89-4 3226,4 2313,7 2039,9 86,8 30,5
90-1 3154,0 2282,5 2051,8 75,8 30,0
90-2 3190,4 2390,3 2086,9 81,0 29,7
90-3 3249,9 2354,4 2114,4 97,8 30,1
90-4 3292,5 2389,4 2137,0 103,4 30,6
91-1 3356,7 2424,5 2179,3 108,4 32,6
91-2 3369,2 2434,9 2194,7 109,2 35,0
91-3 3381,0 2444,7 2213,0 110,0 36,6
91-4 3416,3 2459,5 2242,0 110,3 38,3
92-1 3466,4 2463,0 2271,3 121,5 39,2
92-2 3525,0 2490,3 2280,8 129,7 40,0
92-3 3574,4 2541,0 2302,6 135,1 41,4
92-4 3567,2 2556,2 2331,6 134,8 42,4
93-1 3591,8 2587,3 2347,1 137,5 43,5
93-2 3707,0 2631,9 2394,0 154,0 44,5
93-3 3735,6 2653,2 2404,5 158,0 46,6
93-4 3779,6 2680,9 2421,6 167,8 48,9
94-1 3780,8 2699,2 2437,9 168,2 50,5
94-2 3784,3 2697,6 2435,4 174,1 51,8
94-3 3807,5 2715,3 2454,7 178,1 52,7
94-4 3814,6 2728,1 2465,4 173,4 54,5
95-1 3830,8 2742,9 2464,6 174,3 57,6
95-2 3732,6 2692,0 2414,2 144,5 58,7
95-3 3733,5 2722,5 2440,3 151,0 59,3
95-4 3808,5 2777,0 2469,2 154,6 60,5
96-1 3860,5 2783,7 2475,5 159,5 64,0
96-2 3844,4 2776,7 2476,1 143,7 68,4
96-3 3864,5 2814,1 2487,4 147,6 71,9
96-4 3803,1 2808,8 2468,6 140,3 72,4
97-1 3756,1 2795,0 2484,0 114,4 70,0
97-2 3771,1 2824,8 2488,9 114,0 68,4
97-3 3754,4 2829,0 2502,5 114,6 69,2
97-4 3759,6 2832,6 2539,3 109,9 72,5
98-1 3783,5 2843,6 2556,5 113,6 77,0
98-2 3886,5 2867,0 2604,0 133,0 80,5
98-3 3944,4 2903,0 2639,0 145,7 83,1
98-4 4012,1 2960,6 2678,2 141,6 84,2
99-1 4089,5 3033,2 2703,8 155,1 83,3
99-2 4144,0 3065,9 2741,1 152,6 82,2
99-3 4166,4 3102,7 2754,6 141,8 81,7
99-4 4194,2 3118,5 2784,8 136,3 83,4
00-1 4221,8 3123,6 2824,9 125,2 87,2
00-2 4254,8 3189,6 2849,7 124,8 90,8
00-3 4309,0 3156,5 2893,3 129,8 94,1
00-4 4333,5 3178,7 2895,3 134,2 97,4
01=1 4390,5 3227,5 2922,4 109,2 105,1
01=2 4387,7 3281,4 2947,9 106,0 110,7
01=3 4412,6 3272,6 2993,7 111,0 112,3
01=4 4427,1 3266,2 3012,5 119,2 111,0
02=1 4460,0 3295,2 3011,5 140,2 108,0
02=2 4515,3 3241,7 3046,8 157,9 105,5
02=3 4559,3 3285,7 3075,8 169,1 105,1
02=4 4625,5 3335,8 3074,6 176,0 106,3
03=1 4655,3 3380,1 3128,2 195,5 109,6
03=2 4704,8 3386,3 3147,8 207,2 113,3
03=3 4734,5 3407,5 3170,6 213,4 117,5
03=4 4779,7 3443,1 3202,9 226,0 121,0
04=1 4809,8 3473,9 3200,9 221,3 124,6
04=2 4832,4 3450,9 3208,6 206,2 127,1
04=3 4845,6 3466,9 3241,1 195,7 129,1
04=4 4859,7 3493,0 3241,6 203,0 130,7
05=1 4880,8 3531,4 3258,8 199,1 132,3
05=2 4900,3 3545,3 3258,6 193,7 132,5
05=3 4903,3 3547,0 3281,2 196,3 133,8
05=4 4855,1 3529,5 3251,8 199,0 136,2
06=1 4824,0 3514,8 3241,1 189,7 137,8
06=2 4840,7 3537,4 3252,4 182,7 136,7
06=3 4862,7 3539,9 3271,2 189,6 138,1
06=4 4868,0 3547,5 3271,1 190,3 138,5
+n prim pas n anali,a oricrei serii de timp este de a privi graficul valorilor observate n raport cu
timpul -igura 1 pre,int graficele seriilor $%&, ($), CC$, $rofituri *i )ividende
-igura 1 .raficele seriilor de timp $%&, ($), CC$, $rofituri *i )ividende
$rima impresie pe care o obtinem din graficele seriilor este aceea c ele au o tendint cresctoare,
de*i trendul nu este neted, mai ales n ca,ul seriei $rofiturilor !e observ c media, varianta *i
autocovariantele fiecrei serii nu par a fi invariante n raport cu timpul /ceste serii sunt serii de
timp nestationare
2. estarea stationarittii seriei de timp! pe baza corelo"ramei
+n test simplu al stationarittii seriei este ba,at pe functia de autocorelatie #AC$%.
.raficul functiei de autocorelatie n raport cu decala0ul k, se nume*te corelo"ram
1n figura 2 avem corelograma seriei cu date trimestriale privind $%&-ul , reali,at n 3(ie4s
Cum interpretm corelograma2 5bservm c ncepe cu valori foarte mari #0,969 la lagul 1' *i
scade treptat C6iar la lagul 17, coeficientul de autocorelatie are o valoare destul de mare # 0,5'
/cest tip de corelogram repre,int un indiciu c seria este nestationar )eci, pentru serii
nestationare coeficientii de autocorelatie scad foarte ncet $rin contrast, dac un proces stoc6astic
este pur aleator, autocorelatia la orice lag k > 0 , va fi ,ero
!emnificatia statistic a oricrui coeficient de autocorelatie de selectie
r
k
= 8
k
=
8
k
8
0
poate fi
apreciat prin eroarea sa standard &artlett a artat c, dac o serie de timp este pur aleatoare,
coeficientii de autocorelatie de selectie sunt apro9imativ normal distribuiti, cu media 0 *i varianta
1: n , unde n este volumul selectiei

8
k
; N #0,1: n'
$utem determina un interval de ncredere 95< n care se afl

k
#1,96 = se#8
k
'>1,96 = se#8
k
'' ,
deci

k
#1,96 =1: n > 1,96
=1:
n '
1n e9emplul dat, deoarece n?88, varianta lui 8
k
este 1:88, iar eroarea standard este
1: 88 = 0,1066 Conform propriettilor distributiei normale standard, intervalul de ncredere 95<
pentru orice
k
va fi 1,96#0,1066' = 0,2089 /stfel, dac un
k
estimat se afl n intervalul
#0,2089>0,2089' , nu respingem ipote,a c
k
real este ,ero )ac
k
estimat se afl n afara
intervalului
#0,2089>0,2089' , atunci putem respinge ipote,a c
k
real este ,ero %ntervalul de
ncredere 95< este marcat prin dou linii punctate 1n corelogram se observ c toti coeficientii

8
k
p@n la lagul 2A sunt semnificativi statistic, adic sunt statistic diferiti de 0
$entru a testa ipote,a c toti coeficientii de autocorelatie sunt simultan nuli, se folose*te statistica
B0ung-&o9"
k
n k
m
Q = LB = n(n + 2)
8
2


;
2


m
k =1
H
0
"toti
k
= 0

#seria este stationar'
H
1
"e9ista
k
0
#seria este nestationar'
1n selectiile de volum mic, statistica LB s-a dovedit a avea proprietti mai bune dec@t statistica
&o9-$ierce
$entru seria de date $%&, statistica C ba,at pe 25 de laguri are valoarea 891, deci este
semnificativ diferit de 0> probabilirarea de a obtine o astfel de valoare
2
este ,ero Conclu,ia
este c nu toti coeficientii
k
sunt ,ero )eci conclu,ia final, ba,at pe corelogram, este c seria
de timp $%& este nestationar
&. estul pentru stationaritate sau pentru o rdcin e"al cu 1
y
t
= y
t 1
+
t
)ac = 1, spunem c variabila y
t
are o rdcin unitar
y
t
= # 1' y
t 1
+
t
= y
t 1
+
t
Ipoteza de rdcin unitar'(nit )oot
H
0
" seria are rdcin unitar *i este nestationar
H
1
" seria este stationar
estul Dic*e+'$uller#(nit )oot est%
)ac = 1 sau = 0 , atunci seria nu este stationar )ac < 1, atunci seria este stationar
= DF =
8
se#
8
' )ac D

cal
c
D >D

cr
t
D respingem H
0
*i acceptm c seria este stationar
)ac D
calc
D<D
crt
D acceptm c seria este nestationar
)icEeF *i -uller au propus trei ecuatii de regresie diferite
i' y
t
= y
t 1
+
t
ii' y
t
= y
t 1
+ +
t
iii' y
t
= y
t 1
+ + t +
t
)ac = 0 , seria contine o rdcin egal cu 1
$entru a permite posibilitatea de a e9ista o corelatie serial n
t
folosim testul /)- Gestul /)-
include termeni /H#p' ai termenului y
t
n cele trei modele alternative )ac termenul eroare este
p
autocorelat, ultimul din cele trei modele va fi" y
t
= y
t 1
+ + t +


i
y
t i
+
t

i=1
1n ca,ul c@nd avem interceptie dar nu avem trend obtinem"
t ? #1,217A' #-0,57I2' #A,0888'
H
2
?0,107I )J?d?2,0705
t
t
/m obtinut urmtoarele re,ultate"
P
8
I
B
= 28,I190 0,00AA PIB
t 1
+ 0,A19I PIB
t 1
$entru scopul nostru este important statistica t # ,tau' a variabilei $%&
t-1
%pote,a nul este c
= 0 , ec6ivalent cu = 1, sau e9ist o rdcin unitar $entru modelul nostru, valorile critice
sunt -A,508A26, -2,895512 *i -2,587952, corespun,toare nivelurilor de semnificatie de 1<, 5< *i
10< (aloarea calculat pentru statistica este -0,57I205, care n valoare absolut este mai mic
dec@t valorile critice Ku putem respinge ipote,a nul, c e9ist o rdcin unitar, deci seria $%&
este nestationar
1n ca,ul c@nd avem interceptie *i trend obtinem urmtoarele re,ultate #figura '"
P
8
I
B
= 2A7,9I29 + 1,892199 t 0,0I8661PIB
t 1
+ 0,A55I97 PIB
t 1
t ? #2,A8AA91' #2,152260' #-2,21528I' #A,767I08'
H
2
?0,152615 )J?d?2,0858I5
$entru scopul nostru este important statistica t # ,tau' a variabilei $%&
t-1
%pote,a nul este c
= 0 , ec6ivalent cu = 1, sau e9ist o rdcin unitar $entru modelul nostru, valorile critice
sunt -7,06829, -A,762912 *i -A,15I8A6, corespun,toare nivelurilor de semnificatie de 1<, 5< *i
10< (aloarea calculat pentru statistica este -2,21528I, care n valoare absolut este mai mic
dec@t valorile critice Ku putem respinge ipote,a nul, c e9ist o rdcin unitar, deci seria $%&
este nestationar
-. .eria de timp PIB devine serie stationar dup aplicarea operatorului de diferentiere
$entru a aplica operatorul de diferentiere, n 3(ie4s scriem" series )$%&?)#$%&'
$entru seria transformat reali,m graficul *i comparm graficul seriei $%& cu cel al seriei )$%&
!eria diferentiat, )$%& nu mai pre,int trend
t
t
/m aplicat testul /)- seriei diferentiate *i am obtinut urmtoarele re,ultate"
DP
8
I
B
= 16,00798 0,682I62 DPIB
t 1
t ? #A,670211' #-6,6A0AA9'
H
2
?0,A7A552 )J?d?2,0A7725
$entru modelul nostru, valoarea calculat pentru statistica este -6,6A0AA9, care n valoare
absolut este mai mare dec@t valorile critice Hespingem ipote,a nul, c e9ist o rdcin unitar,
deci seria diferentiat, )$%&, este o serie stationar
/. .erii nestationare de tip D. #)ifference-!tationaritF' *i de tip . #Grend-!tationaritF'
)atele de tip serii cronologice, de foarte multe ori, tind s se modifice n aceea*i directie, din
cau,a trendului care este comun tuturor
Cum putem *ti dac trendul dintr-o serie precum $%& este determinist sau stoc6astic2
)ac o serie de timp are o rdcin unitar, atunci seria pre,int un trend stoc6astic *i este de tip
)! Grendul de tip stoc6astic *i se elimin prin calculul diferentelor de ordinul 1 sau de ordin 2
y
t
= y
t
y
t 1
,

2
y = # y
t
y
t 1
' = y
t
y
t 1
'
=
# y
t
y
t 1
' # y
t 1
y
t 2
'
= y
t

2
y
t 1
+ y
t 2

5 variabil cu trend determinist poate deveni stationar introduc@nd variabila timp n orice
regresie a sa, sau efectu@nd o regresie preliminar n raport cu timpul *i sc,@nd trendul estimat
din valorile variabilei
Care este semnificatia practic a celor dou tipuri de procese2 )in punctul de vedere al
progno,elor, predictiile pe termen lung, efectuate din procese G! sunt mai de ncredere,
comparativ cu cele efectuate prin procese )! $re,enta unui trend stoc6astic arat c fluctuatiile
din acea serie de timp sunt re,ultatul unor *ocuri asupra componentei de trend Locurile sau
perturbatiile aplicate seriilor de tip )! vor afecta permanent nivelul acestora
0. )e"resii 1ndoielnice sau aparente
Ke propunem s regresm C6eltuielile de Consum $ersonal #CC$' n raport cu (enitul $ersonal
)isponibil #($)', pentru a determina legtura dintre cele dou variabile /m obtinut urmtoarele
re,ultate"
/vem H
2
? 0,997, deci foarte aproape de 1, iar nclinatia marginal spre consum este po,itiv *i
panta este semnificativ !ingura problem o ridic statistica )-J
)ac H
2
M)J, e9ist suspiciunea c regresia este ndoielnic
)ac efectum testul )icEeF--uller pentru fiecare din cele dou serii #CC$ *i ($)' gsim c
fiecare are o rdcin unitar, adic sunt serii nestationare
)iferentiem aceste dou serii *i obtinem seriile stationare CC$ *i ($)
)eoarece seriile CC$ *i ($) sunt stationare, este bine s regresm CC$ n raport cu ($)2
Hspunsul este K+N, deoarece, lu2nd diferentele de ordinul 1nt2i ale seriilor! putem pierde
relatia pe termen lun" dintre variabile, relatie care este dat prin nivelurile variabilelor
5 teorie economic este stabilit ca o relatie pe termen lung ntre variabilele date sub form de
niveluri *i nu sub form de diferente de ordinul nt@i Li n acest ca, particular, nivelul consumului
este o functie de nivelul venitului> relatia nu este enuntat n termeni de diferente de ordinul 1 ale
acestor variabile
)in graficele celor dou serii se vede c, de3i au o tendint cresctoare stochastic! totu3i! cele
dou serii par a se modifica 1mpreun, n acela*i ritm, fiind pe aceea*i lungime de und Cele
dou serii sunt serii cointe"rate
Combinatia liniar a celor dou serii CC$ *i ($) ar putea fi stationar $utem scrie modelul"

t
= CCP
t

1

2
VPD
t

.sim c
t
; I #0' sau stationar
t
1n conclu,ie, dac re,iduurile, dintr-o regresie cu date serii de timp, repre,int o serie %#0', adic
stationar, metodologia de regresie clasic, ce include testele t *i -, este valabil *i aplicabil *i
datelor de tip serii cronologice 5 asfel de regresie se nume*te regresie de cointegrare, iar
parametrul

2
este numit parametru de cointegrare
$entru a testa cointegrarea putem folosi dou metode"
1' aplicm unul din testele )- sau /)- seriei re,iduurilor estimate din regresia de cointegrare
2' testul )urbin-Jatson din regresia de cointegrare #CH)J'
Kumim .erii cointe"rate seriile integrate de acela*i ordin, ce admit o combinatie liniar care este
%#0' sau integrat de un ordin mai mic dec@t ordinul de integrare al seriilor initiale
3stimarea unui model de regresie cu serii cronologice nestationare, prin MCMMP, duce la valori
foarte mari at@t ale coeficientului de determinatie, c@t *i ale statisticilor t, c6iar dac nu e9ist nici
o relatie ntre variabile .ranger *i Ke4bold au sugerat urmtoarea regul de a stabili regresiile
ndoielnice" dac
R
2
> DW
sau R
2
1, atunci regresia este una ndoielnic #spurious regression'
Hevenim la modelul
CC
P
t
=
1
+
2
VPD
t
+
t
3stimatiile modelului sunt n ultimul tabel
3(ie4s /plicm re,iduurilor obtinute din aceast regresie testul )- de rdcin unitar /m
obtinut re,ultatele urmtoare"
2
8
t
= 0,2I5A8
t 1
R = 0,172205
t ? #-A,II91'
)eoarece valoarea absolut a statisticii este A,II91 *i este mai mare dec@t valorile critice #-
2,5918, -1,9776 *i -1,617A, corespun,toare nivelurilor de semnificatie de 1<, 5< *i 10<',
conclu,ia ar fi c seria re,iduurilor este stationar, adic nu e9ist rdcin unitar He,ult c
seriile CC$ *i ($) sunt cointegrate
4. Cointe"rarea 3i mecanismul de corectare utiliz2nd erorile
/m artat c seriile CC$ *i ($) sunt cointegrate, adic e9ist o relatie de ec6ilibru pe termen lung
ntre ele )esigur c, pe termen scurt ar putea e9ista de,ec6ilibru !e poate trata termenul eroare

t
= CCP
t

1

2
VPD
t
ca Oeroarea de ec6ilibruP !e poate folosi acest termen eroare pentru a
pune n legtur comportamentul pe termen scurt al lui CC$ cu valoarea lui pe termen lung
-olosim modelul
CCP
t
=
0
+
1
VPD
t
+
2
8
t 1
+
t

8
t
1
este estimatia empiric a termenului eroare de ec6ilibru /ceast ultim regresie leag
modificarea din CC$ de modificarea din ($) *i eroarea de ec6ilibru din perioada anterioar 1n
aceast regresie
VPD captea, perturbatiile pe termen lung din ($), iar termenul 8
t 1
captea,
a0ustarea ctre ec6ilibrul pe termen lung )ac
2
este semnificativ statistic, el arat ce proportie a
de,ec6ilibrului din CC$ ntr-o perioad, este corectat n perioada urmtoare
CC
8
P
= 11,6918A + 0,2906VPD
t
0,086I8
t 1
t ? #5,A279A6' #7,1I1I15' #-1,600A11'
H
2
?0,1I1I2I, )J?d?1,92AA81
/ceste re,ultate arat c modificrile pe termen scurt din ($) au efect po,itiv semnificativ asupra
CC$ *i c 0,086I din discrepanta dintre valoarea actual *i cea de ec6ilibru, sau pe termen lung, a
lui CC$ este eliminat sau corectat pe fiecare trimestru
)ar, pentru c p-value pentru coeficientul
2
este 0,11AA, acest coeficient nu este semnificativ
)ac privim regresia de cointegrare, nclinatia marginal spre consum era 0,96I25, care sugerea,
c e9ist practic o relatie unu la unu ntre CC$ *i ($) *i c CC$ se a0ustea, la cre*terea pe
termen lung destul de rapid, urm@nd o perturbatie
Procedee de stationarizare
Cum inducem stationaritatea 1n medie5
-$rin diferente de ordinul 1 sau 2
-$rin diferentiere se,onier )e e9emplu dac /C- la lagul 12 tinde foarte greu la 0, avem o
se,onalitate de ordinul 12 *i vom calcula diferente de ordinul 12" Qt R Qt-12
Cum inducem stationaritatea 1n dispersie5
-)ac dispersia seriei initiale nu este constant, atunci seria se logaritmea,
-)ac *i dup logaritmare e9ist un trend n date, se iau diferente de ordinul 1 /tentie"
K+ se logaritmea, dup ce s-au efectuat diferente de ordinul 1