Documente Academic
Documente Profesional
Documente Cultură
Econometriemsbank2007 PDF
Econometriemsbank2007 PDF
CATEDRA DE MONED
NOTE DE CURS
Octombrie 2007
Obiective
Tematic
1
Bibliografie
2
Cuprins
II.1. DISTRIBUII 8
II.2. TESTAREA IPOTEZELOR 14
II.3. TESTAREA MEDIEI 17
II.4. TESTAREA VARIANEI 18
V. 1. PROCESE AR 60
V. 2. PROCESE MA 61
V. 3. PROCESE ARMA 61
V. 4. ESTIMAREA MODELELOR ARMA N EVIEWS 63
3
VII.2. ESTIMAREA MODELELOR ARCH N EVIEWS 88
4
Capitolul I. Serii de timp
Principalele caracteristici ale seriilor de timp, care trebuie avute n vedere n analiza
econometric a datelor sunt:
(y i y)
2
s= i =1
,
N 1
unde:
N reprezint numrul de observaii din eantion,
yi observaiile incluse n eantion, i = 1, N
y valoarea medie a eantionului.
5
N 1
un estimator al deviaiei standard a seriei: = s .
N
s dispersia seriei de timp.
Coeficientul de asimetrie pentru o distribuie normal este zero.
Kurtotica care msoar nlimea distribuiei seriei. Kurtotica (K) este calculat
dup cum urmeaz (notaiile de mai sus se menin):
4
1 N y y
K = i ) .
N i =1
Pentru o distribuie normal, kurtotica are valoarea 3. Dac distribuia are kurtotica mai
mare dect 3, aceasta se numete leptocurtotic (i are o nlime mai mare dect o
distribuie normal), iar n cazul n care kurtotica are o valoare mai mic dect 3,
distribuia se numete platycurtotic (i are o nlime mai mic comparativ cu o
distribuie normal).
Din punct de vedere economic, o serie este staionar dac un oc asupra seriei este
temporar (se absoarbe n timp) i nu permanent.
Exemple de serii staionare: rata de cretere a PIB real, rata inflaiei (cu excepia
perioadelor de hiperinflaie). Exemple de serii nestaionare: cursul de schimb nominal,
indicele preturilor de consum, nivelul PIB real.
n cazul n care seria nu este staionar, prin difereniere, se obine o serie staionar.
Astfel, ordinul de integrare a seriei reprezint numrul de diferenieri succesive necesare
pentru obinerea unei serii staionare (sau numrul de rdcini unitare al seriei). n
economie, cele mai ntlnite serii nestaionare sunt integrate de ordinul I (necesit o
singur difereniere, au o rdcin unitar).
De asemenea, exist serii de timp trend-staionare: serii de timp care pot fi fcute
staionare prin eliminarea (scderea) trendului (deterministic) al seriei.
6
5. Sezonalitatea seriei de timp. Seriile de timp cu frecven lunar sau trimestrial
prezint adesea evoluii care au o anumit ciclicitate. De exemplu activitatea economic
se ncetinete n lunile de iarn, preurile cresc mai mult n lunile reci dect n perioada
de var etc.
7
Capitolul II. Teste statistice
Estimarea parametrilor rspunde ntrebrii: care este valoarea parametrului (de exemplu
care este media populaiei). Rspunsul la aceast ntrebare este prezentat sub forma
unui interval de ncredere construit n jurul valorii estimate.
Pentru a putea rspunde ambelor ntrebri este esenial cunoaterea distribuiei seriei
de date ai crei parametrii se analizeaz.
II.1. Distribuii
n cazul unei variabile aleatoare discrete (variabil care poate lua numai anumite valori),
distribuia de probabilitate este reprezentat printr-o funcie care returneaz
probabilitile de apariie pentru valorile variabilei aleatoare.
n cazul unei variabile aleatoare continue (variabil care poate lua orice valori n cadrul
unui anumit interval) este utilizat funcia de densitate. Deoarece, pentru o variabil
aleatoare continu, probabilitatea de a avea o anumit valoare este 0, se calculeaz
probabilitatea ca valoarea nregistrat de variabila aleatoare s aparin unui anumit
interval.
8
unde:
reprezint media distribuiei,
abaterea medie ptratic a acesteia,
x variabila aleatoare,
3.14159
e 2.71828 .
Dup cum se poate observa din ecuaie, aceast distribuie poate fi construit numai pe
baza primelor dou momente ale seriei (media i abaterea medie ptratic).
n graficul de mai jos sunt prezentate exemple de distribuii normale n funcie de medie
i deviaie standard:
Distribuia lognormal.
O variabil este lognormal distribuit dac logaritmul natural al variabilei este nomal
distribuit.
9
unde:
reprezint media distribuiei,
abaterea medie ptratic a acesteia,
x variabila aleatoare.
Funcie de diverse valori ale abaterii medii ptratice, n tabelul de mai jos sunt
prezentate exemple de distribuii lognormale.
Distribuia t.
Aceast distribuie este folosit pentru modelarea mediei unui eantion mic de date (sub
30 de observaii) extras dintr-o populaie cu o distribuie normal, n cazul n care
abaterea medie ptratic a eantionului nu este cunoscut. Pentru eantioane mari de
observaii, distribuia t converge ctre distribuia normal.
Pentru eantioane mici de date, aceast distribuie are o kurtotic mai mare dect o
distribuie normal; datorit acestei caracteristici este folosit n modelarea
randamentelor activelor financiare.
10
Numrul de grade de libertate este o msur a numrului de uniti de informaie
independente pe baza cruia un parametru este estimat. Pentru un parametru (media,
abaterea medie ptratic a unei distribuii, coeficientul unei variabile independente
dintr-o ecuaie de regresie) numrul de grade de libertate este egal cu numrul
observaiilor pe baza crora s-a realizat estimarea minus numrul de parametri adiionali
calculai pentru estimarea acestui parametru.
Aceast distribuie este printre cele mai folosite distribuii n testele statistice.
11
Dac z ~ N (0,1) , atunci x = z 2 ~ 2 [1], x este distribuit 2 cu un grad de libertate.
Dac x1 , x2 ,..., xn sunt n variabile independente avnd fiecare o distribuie 2 [1] , atunci
n
x i ~ [n] .
i =1
Proprieti
Dac zi , i = 1,2,..., n sunt variabile independente care urmeaz distribuii
n
N (0,1) , atunci z 2
i ~ 2 [n] ;
i =1
i =1
x1 + x2 ~ 2 [n1 + n2 ] .
12
Distribuia F.
x1
Dac x1 ~ 2 [n1 ] i x2 ~ 2 [n2 ] sunt variabile independente, atunci F = 1 ~ F [n1 , n2 ] .
n
x2
n2
13
II.2. Testarea ipotezelor
O ipotez este definit ca o afirmaie referitoare la una sau mai multe populaii.
1. Primul pas n testarea ipotezei este specificarea ipotezei nule i a ipotezei alternative.
Ipoteza nul, notat cu H 0 , reprezint ipoteza ce este testat, iar ipoteza alternativ,
notat cu H a , este ipoteza acceptat n cazul n care ipoteza nul este respins.
Prima formulare reprezint un test care se refer la ambele cozi ale distribuiei (two
tailed test), ipoteza nul fiind respins fie dac x este mai mare, fie dac x este mai mic
dect x0 . A doua i a treia formulare sunt teste care se refer la o singur coad a
distribuiei (one tailed test), ipoteza nul este respins numai dac x este mai mare
(punctul b)), respectiv mai mic (punctul c)) dect x0 .
Testul statistic reprezint o cantitate calculat pe baza unui eantion, a crei valoare st
la baza deciziei de acceptare sau respingere a ipotezei nule.
Astfel, dac media unui eantion cu n observaii extras dintr-o populaie este x , eroarea
standard a mediei poate fi calculat prin dou metode:
14
fie ca x = n cazul n care abaterea medie ptratic a populaiei este
n
cunoscut,
s
sau ca s x = atunci cnd abaterea medie ptratic a populaiei nu este
n
cunoscut, dar este cunoscut abaterea medie ptratic a eantionului, s.
n luarea deciziei statistice, trebuie gsit un compromis ntre cele dou tipuri de erori.
Astfel, dac scdem probabilitatea de a face o eroare de tipul I vom crete probabilitatea
de a face o eroare de tipul II i invers. Singura metod de a reduce ambele tipuri de erori
este creterea numrului de observaii din eantion, n.
4. Al patrulea pas n testarea ipotezei este stabilirea regulii de decizie. Astfel, atunci
cnd este testat ipoteza nul, dac valoarea absolut calculat a testului statistic este
mai mare sau egal cu valoarea tabelat pentru testul respectiv pentru nivelul de
relevan , ipoteza nul este respins (parametrul estimat este semnificativ din punct
de vedere statistic). n caz contrar ipoteza nul nu este respins, adic parametrul
estimat nu este semnificativ din punct de vedere statistic. Valorile cu care se compar
valorile calculate ale testului statistic se numesc valori critice.
15
Pentru un test care se refer la o singur coad a distribuiei (one tailed test) valoarea
critic este indicat cu expresia z , unde z reprezint valoarea critic iar nivelul de
relevan. Pentru un test care se refer la ambele capete ale distribuiei (two tailed test),
valoarea critic este indicat cu z .
2
Astfel, n cazul testului z (care este normal distribuit) pentru testarea mediei unui
eantion i considernd un nivel de relevan de 0.05 rezult urmtoarele posibiliti:
Pentru testul H 0 : = 0 versus H a : 0 sunt dou puncte de respingere a
ipotezei nule, unul pozitiv i unul negativ. Avnd n vedere c testul se refer la
ambele capete ale distribuiei, pentru un nivel de relevan de 0.05,
probabilitatea total pentru apariia unei erori de tipul I nu trebuie s fie mai mare
0.05
de 0.05. Astfel, o probabilitate de = 0.025 trebuie luat n considerare
2
pentru fiecare coad a distribuiei pentru testarea ipotezei nule. Ca o consecin,
cele dou puncte de respingere sunt z0.025 = 1.96 i z0.025 = 1.96 . Dac
considerm z ca fiind valoarea calculat a testului statistic, atunci respingem
ipoteza nul dac z < 1.96 sau z > 1.96 .
Pentru testul H 0 : 0 versus H a : > 0 , la nivelul de relevan de 0.05,
valoarea critic este z0.05 = 1.645 . Ipoteza nul se respinge dac z > 1.645 .
Pentru testul H 0 : 0 versus H a : < 0 , la nivelul de relevan de 0.05,
valoarea critic este z0.05 = 1.645 . Ipoteza nul este respins dac z < 1.645 .
5. Al cincilea pas n testarea ipotezei este colectarea datelor i calculul testului statistic.
Astfel, majoritatea testelor solicit cel puin un numr de 20 30 de observaii.
16
II.3. Testarea mediei
Pentru testarea mediei sunt folosite dou tipuri de teste: testul z i testul t. Modul de
calcul al celor dou teste este identic, ceea ce difer sunt valorile critice ale testului.
Decizia de a utiliza unul dintre cele dou teste se ia funcie de distribuia populaiei i
numrul de observaii disponibile astfel:
n aceste condiii testul statistic are ca ipotez nul este H 0 : = 1.10 versus ipoteza
alternativ H a : 1.10 .
Avnd n vedere c este un test care ine cont de ambele capete ale distribuiei,
valoarea critic este t = t0.05, 23 . Conform tabelelor distribuiei t, valoarea critic
, n 1
2
17
1.5 1.10 0 .4
Valoarea testului statistic este: t23 = = = 0.544331 .
3.60 0.734847
24
Deoarece 0.544331 nu satisface nici una din condiiile t > 1.714 sau t < 1.714 , ipoteza
nul nu este respins.
Astfel, pentru exemplul de mai sus, cu un nivel de relevan de 90 la sut, cele dou
valori sunt 1.5 (1.714 0.734847 ) = 0.240472 i 1.5 + (1.714 0.734847 ) = 2.759528 .
Astfel, intervalul de confiden al mediei, la un nivel de relevan de 90 la sut este
[0.240472;2.759528] . Cum valoarea de 1.10 la sut aparine acestui interval, ipoteza
nul nu este respins.
Variana i deviaia standard sunt msuri utilizate frecvent pentru msurarea riscului n
investiiile financiare.
a) H 0 : 2 = 02 versus H a : 2 02 ;
b) H 0 : 2 02 versus H a : 2 > 02 ;
c) H 0 : 2 02 versus H a : 2 < 02 .
Pentru testele statistice referitoare la variana unei populaii cu distribuie normal este
folosit testul 2 .
2 =
(n 1)s 2 ,
02
cu n 1 grade de libertate.
n 2
(x i x)
s =
2 i =1
reprezint variana eantionului de date utilizat.
n 1
18
Dac alegem un nivel de relevan al testului, , punctele de respingere ale ipotezei
nule pentru cele trei tipuri de teste sunt:
a) H 0 : 2 = 02 versus H a : 2 02 . Respingem ipoteza nul dac valoarea
testului statistic este egal cu sau mai mare dect punctul cel mai la dreapta
(cel mai mare) a distribuiei 2 cu n 1 grade de libertate (notat cu 2 )
2 2
sau dac valoarea testului statistic este egal cu sau mai mic dect punctul
cel mai la stnga (cel mai mic) a distribuiei, (notat cu 2 ).
2 1
2
b) H 0 : 2 2
0 versus H a : >
2 2
0 . Respingem ipoteza nul dac valoarea
testului statistic este egal cu sau mai mare dect punctul cel mai la dreapta
(cel mai mare) a distribuiei 2 cu n 1 grade de libertate.
c) H 0 : 2 02 versus H a : 2 < 02 . Respingem ipoteza nul dac valoarea
testului statistic este egal cu sau mai mic dect punctul cel mai la stnga (cel
mai mic) a distribuiei 2 cu n 1 grade de libertate.
Revenind la exemplul utilizat n cazul testului privind media unei populaii, presupunnd
c, pe parcursul celor 24 de luni de observaie a randamentelor fondului de investiii,
deviaia standard a randamentelor lunare ale acestuia a fost de 3.60 la sut, se cerea s
se analizeze dac strategia de investiii a fondului a urmrit (i a reuit) o abatere
standard a randamentelor lunare de cel mult 4 la sut.
2
=
(n 1)s 2
=
23 3.6 2 298.08
= = 18.63
02 42 16
Deoarece valoarea calculat a testului statistic, 18.63, nu este mai mic dect valoarea
critic, 13.091, nu respingem ipoteza nul.
19
Capitolul III. Analiza seriilor de timp n EViews
20
n acest fiier de lucru trebuie definite seriile cu care for fi folosite n analiza
econometric.
Definirea seriilor: click buton dreapa mouse n interiorul fiierului de lucru, selectarea
opiunii new object, alegerea opiunii series i specificarea numelui seriei. Seria creat
se numete eur.
21
Introducerea datelor n seria creat: selectarea serie, click buton stnga mouse,
selectare opiune edit +/- n fereastra seriei, introducerea datelor cu copy (din fiierul
Excel) i paste n prima coloan a fiierului seriei.
Asupra seriilor introduce pot fi aplicate operaii matematice. Cele mai utilizate sunt
logaritmarea i prima diferen.
x(-n) reprezint lag-ul n al seriei, adic observaia xt n . x(n) reprezint lead-ul n al seriei,
adic observaia xt + n .
22
III.3. Staionaritatea seriilor de timp
Opiunile pentru analiza seriilor de timp sunt disponibile n fereastra seriei, prin opiunea
view.
23
Graficele celor dou serii (View/Graph/Line) sunt prezentate mai jos:
1.6 .08
1.4 .06
1.2 .04
1.0 .02
0.8 .00
0.6 -.02
0.4 -.04
0.2 -.06
500 1000 1500 2000 2500 500 1000 1500 2000 2500
L_EUR DL_EUR
Din grafice rezult c l_eur (seria cursului de schimb) ar trebui sa fie o serie nestaonar
iar seria dl_eur (variatia zilnic a cursului de schimb) o serie staionar. Dar aceste
observaii trebuie confirmate prin testele de staionaritate.
24
1st difference prima diferen a seriei (de obicei n cazul n care testul
aplicat asupra seriei nivel a artat c seria este nestaionar);
2nd difference a doua diferen a seriei (atunci cnd i testul aplicat primei
diferene a artat c seria de prime diferene este nestaionar.
Include in test equation
Intercept dac testul s includ i un termen constat. Acesat opiune se
alege atunci cnd din graficul seriei se observ c aceasta fluctueaz n jurul
unei anumite valori sau pornete dintr-o anumit valoare.
Trend and intercept n cazul n care seria prezint un trend.
None in cazul n care seria fluctueaz n jurul valorii 0.
Prima parte a testului prezint informaii cu privire la tipul testului (AFD, variabilele
exogene introduse constant, trend) i cuprinde rezultatul testului, valorile critice
pentru fiecare nivel de relevan (1, 5 i 10 la sut), i probabilitatea, p, asociat
rezultatului testului.
n acest exemplu, pentru l_eur, ADF are valoarea 0.981155 i valoarea p asociat
acestuia este de 0.9448. Dac valoarea testului este mai mare dect valoarea critic, nu
este respins ipoteza nul seria are o rdcin unitar (este nestaionar). n acest
caz nu este respins ipoteza nul seria este nestaionar.
Utiliznd valoarea p, este acceptat ipoteza nul seria este nestaionar pentru un
anumit nivel de relevan, ori de cte ori probabilitatea p este mai mare dect acel nivel
de relevan.
Partea a doua a testului prezint ecuaia estimat, pe baza creia a fost calculat testul
ADF.
t-Statistic Prob.*
25
Method: Least Squares
Date: 09/22/07 Time: 12:51
Sample (adjusted): 5 2148
Included observations: 2144 after adjustments
Pentru a determina ordinal de integrare al seriei (de cte diferenieri este nevoie pentru
a obine o serie staionar, se va testa staionaritatea seriei de prime diferene (dl_eur).
26
Testul ADF pentru dl_eur:
t-Statistic Prob.*
Cum valoarea testului este mai mic dect valoarea critic pentru oricare dintre nivelele
de relevan, alegnd nivelul de relevan cel mai restrictiv, 1 la sut, se poate spune c
la 1 la sut nivel de relevan, ipoteza nul (seria este nestaionar) este respins. Acest
rezultat rezult i din valoarea probabilitii asociate, p. Astfel, aceasta este mai mic
dect cel mai restrictiv nivel de relevan, de 1 la sut i ca urmare, ipoteza nul seria
este nestaionar este respins. Deci ordinul de integrare al seriei este 1 sau seria
este I(1).
27
Cele dou teste, pentru nivel i pentru prima diferen sunt:
28
@TREND(1) -5.70E-07 3.98E-07 -1.430085 0.1528
29
Durbin-Watson stat 1.986885 Prob(F-statistic) 0.000000
Pentru seria variaiilor zilnice ale cursului de schimb, dl_eur, momentele seriei sunt
prezentate mai jos:
900
Series: DL_EUR
800 Sample 1 2500
700 Observations 2147
n exemplul de mai sus, conform rezultatelor statistice, distribuia evoluiilor zilnice ale
cursului de schimb are media apropiat de zero, prezint asimetrie pozitiv (ceea ce
nseamn c, n perioada analizat cursul de schimb EUR/RON a avut o tendina de
cretere leul s-a depreciat) iar kurtotica are o valoare de peste 14, ceea ce nseamn
c aceast distribuie este leptokurtotic.
30
modelele de evaluare a preului i riscului activului respectiv pot genera erori dac
presupun distribuia normal a acestuia.
Jarque-Bera testeaz dac o distribuie este normal distribuit. Testul msoar diferena
dintre coeficientul de asimetrie i kurtotica distribuiei analizate cu cele ale distribuiei
normale. Testul are ca ipoteza nul: seria este normal distribuit. Astfel, dac
probabilitatea asociat testului este superioar nivelului de relevan ales (1, 5 sau 10 la
sut), atunci ipoteza nul este acceptat.
n exemplul de mai sus, cum valoarea probabilitii asociate este zero, se respinge
ipoteza nul, cum c seria este normal distribuit.
31
Theoretical Quantile-Quantile
12
Normal Quantile 0
-4
-8
-12
-.06 -.04 -.02 .00 .02 .04 .06 .08
DL_EUR
32
Kernel Density (Epanechnikov, h = 0.0018)
100
80
60
40
20
0
-.04 -.02 .00 .02 .04 .06
DL_EUR
33
Specificaiile corelogramei:
Correlogram of
o Level corelograma serie n nivel;
o 1st Difference corelograma seriei n prime diferene,
o 2nd Difference corelograma celei de a doua diferene a seriei.
Lags to include numrul lag-urilor ce sunt incluse.
t =1
t
n
unde:
k reprezint coeficientul de corelaie de ordinul k;
n numrul de observaii al seriei;
X media seriei X t
34
III.6. Trendul seriilor de timp
Pentru estimarea unei componente pe termen lung a seriei de timp (trend), cea mai
simpl metod ce poate fi utilizat n programul EViews este filtrul Hodrick-Prescot.
35
Opiuni:
Smoothed series repreprezint numele seriei trend ce va fi generat;
Cycle series numele seriei abaterii de la trend (calculat ca diferen ntre seria
efectiv i seria trend).
1.2
0.8
.10
0.4
.05 0.0
.00
-.05
500 1000 1500 2000 2500
36
III.7. Ajustarea sezonier a seriilor de timp
Pentru analiza sezonalitii unei serii s-a folosit seria de PIB trimestrial al Romniei,
pentru perioada trimestrul I 1998 trimestrul IV 2006.
Pentru introducerea seriei de date n EViews a fost creat un fiier de lucru cu date
trimestriale pentru perioada 1998 2007 i a fost creat seria gdp.
80000
70000
60000
50000
40000
30000
98 99 00 01 02 03 04 05 06 07
GDP
37
De asemenea, sezonalitatea poate fi pus n eviden prin opiunea
View/Graph/Seasonal Stacked Line apelat din fereastra seriei de timp analizate:
GDP by Season
80000
70000
60000
50000
40000
30000
Q1 Q2 Q3 Q4
38
Opiunile pentru cele dou metodologii sunt:
Component Series to Save/Series to Save - Generarea de serii.
Generarea seriei ajustat sezonier bifarea opiunii _SA. Va vi generat o serie
numele seriei initiale_SA care reprezint seria ajustat sezonier;
Cele dou proceduri pot genera, similar cu filtrul Hodrick-Prescot i trendul/ciclul
seriei opiunea _TC pentru X12 i respectiv, opiunile _TRD i _CYC pentru
Tramo-Seats.
Pentru a reprezenta pe acelai grafic cele dou serii, se selecteaz seriile cu CTRL +
click buton stnga mouse, apoi click buton dreapta mouse/Open as group i apoi, n
fereastra grupului View/Graph/Line.
39
Cele dou serii, cea nedesezonalizat, gdp, i cea ajustat sezonier, gdp_sa sunt
prezentate n graficul de mai jos.
80000
70000
60000
50000
40000
30000
98 99 00 01 02 03 04 05 06 07
GDP_SA GDP
40
Capitolul IV. Regresia liniar multipl
Pentru ca inferena bazat pe rezultatele regresiei liniare multiple s fie valid, trebuie
ndeplinite un set de ase ipoteze, regresia bazat pe acest set de ipoteze fiind
cunoscut ca modelul clasic normal de regresie multipl.
Ipoteze:
1. Legtura dintre variabila dependent i variabilele independente este liniar.
2. Variabilele independente sunt aleatoare. De asemenea ntre variabilele
independente incluse ntr-o regresie nu exist nici o relaie liniar. Dac
variabilele independente sunt corelate atunci exist multicoliniaritate.
3. Valoarea ateptat a termenului de eroare, t , este zero, E ( t ) = 0 .
4. Variana termenului de eroare, t , este aceeai pentru toate observaiile,
( )
E t2 = 2 . Aceste erori se numesc homoskedastice. Dac, n schimb, variana
41
termenului de eroare este variabil, erorile se numesc heteroskedastice, i
trebuie utilizate metode diferite de estimare a regresiei.
5. Termenul de eroare, t , este necorelat ntre observaii, E ( t s ) = 0, s t .
Dac exist corelaie serial a erorilor, trebuie folosite utilizate metode diferite de
estimare a regresiei.
6. Termenul de eroare este normal distribuit.
Impactul nclcrii uneia dintre ipoteze asupra rezultatelor regresiei este prezentat n
tabelul de mai jos:
Abaterea ptratic total lui Yi , numit i variaia total, (total sum of squares, TSS) este
2
(Y Y )
n
calculat ca i .
i =1
Suma total a ptratelor erorilor regresiei, numit i variaia neexplicat (residual sum of
i i i reprezint
i =1
Partea din abaterea ptratic total a lui Yi obinut din regresie, numit i variaia
(Y Y ) , unde
n 2
(Y b b X )
n 2 n
t 0 1 1t b2 X 2t ... bk X kt t
2
SEE = t =1
= t =1
,
n (k + 1) n (k + 1)
42
unde x reprezint x obinut din regresie (x estimat).
SSE
Media erorii ptratice (mean square error, MSE) se calculeaz ca .
n (k + 1)
Similar cu testarea mediei unui eantion, coeficienii ecuaiei de regresie pot fi testai
printr-un test t. Ipoteza nul a testului este bk = bk 0 , unde bk este coeficientul obinut din
regresie iar bk 0 valoarea testat a coeficientului.
Dac valoarea testului este mai mare dect valoarea critic, atunci ipoteza nul este
respins.
RSS
k MSR
F= =
SSE MSE
n (k + 1)
43
Ca i n cazul testului t, programele software econometrice raporteaz valoarea testului
i probabilitatea, p, asociat acestuia.
Dac valoarea p este inferioar nivelului de relevan la care se lucreaz, atunci ipoteza
nul este respins, ceea ce nseamn c cel puin unul dintre coeficienii din regresie
este semnificativ din punct de vedere statistic. ns dac valoarea p este superioar
nivelului de relevan, atunci este acceptat ipoteza nul, ceea ce nseamn c toi
coeficienii din regresie sunt considerai nesemnificativi din punct de vedere statistic
(egali cu zero).
Un alt indicator care arat dac modelul de regresie este bine specificat este R 2 . Acesta
arat ct la sut din variana total a variabilei dependente este datorat variabilelor
independente.
TSS SEE
R 2 se calculeaz ca R 2 =
TSS
De fiecare dat cnd este introdus n regresie o nou variabil independent care este
ct de puin corelat cu variabila dependent, R 2 crete, dar n acelai timp se pierde
un grad de libertate.
nk
unde:
n reprezint numrul de observaii,
k numrul de variabile independente incluse n regresie.
De multe ori este nevoie de introducerea unor variabile calitative n regresie. Unul dintre
tipurile de variabile calitative cele mai des folosite n regresii sunt variabilele dummy.
Acestea iau valoarea 1 dac o anumit condiie este adevrat i valoarea 0 n caz
contrar.
44
De exemplu, dac se testeaz dac randamentele obinute de o aciune sunt diferite n
luna ianuarie fa de restul lunilor din an, se va include n regresie o variabil dummy,
care ia valoarea 1 n luna ianuarie i valoarea zero n celelalte luni ale anului.
Numrul de variabile dummy este cu 1 mai mic dect numrul de condiii, n caz contrat
existnd multicoliniaritate. n exemplul de mai sus, randamentul obinut de ctre aciune
n celelalte luni ale anului este captat de termenul liber al regresiei.
Variabilele dummy pot fi utilizate i pentru captarea impactului sezonier asupra variabilei
independente, introducnd cel mult 11 variabile dummy pentru datele cu frecven
lunar sau cel mult 3 variabile dummy pentru datele cu frecven trimestrial, asta n
cazul n care datele nu au fost ajustate sezonier n prealabil.
Serii utilizate:
dln_tlv prima diferen a seriei de logaritmi naturali a preurilor zilnice ale aciunii
Banca Transilvaina (adic randamentul zilnic al aciunii);
dl_bet prima diferen a seriei de logaritmi naturali a indicelui BET.
Definirea ecuaiei: click buton dreapta mouse n interiorul fiierului de lucru, selectarea
opiune new object; n fereastra New Object selectare opiune Equation.
45
Rezultatul ecuaiei este:
46
Durbin Watson statistic (DW) este un test statistic care testeaz corelaia serial a
erorilor. Dac erorile nu sunt corelate, atunci valoarea lui DW va fi n jur de 2. n
exemplul de mai sus acest indicator are valoarea 2.18, i ca urmare, exist corelaie
serial a erorilor.
n alegerea unei ecuaii din mai multe ecuaii posibile, de asemenea importante sunt i
R 2 i R 2 (care trebuie s fie ct mai mari) i testele de corelaie serial i
heteroskedasticitate. n majoritatea cazurilor fiecare dintre teste va indica o ecuaie
diferit, de aceea va trebui s se gseasc un compromis n alegerea unei ecuaii.
Testele pentru ecuaia de regresie sunt disponibile cu meniul View din fereastra ecuaiei
de regresie.
47
.6
.4
.2
.0
.6
-.2
.4
-.4
.2
.0
-.2
-.4
250 500 750 1000 1250 1500 1750 2000
48
Conform rezultatelor acestui test, pentru primele 3 lag-uri ale erorilor exist corelaie
serial a erorilor (valoarea coeficientului de autocorelaie depete intervalul punctat n
grafic). Existena autocorelaiei este confirmat i de testul Q-statistic i probabilitatea
asociat acestuia.
49
Conform rezultatelor econometrice, pentru ecuaia estimat anterior, exist corelaie
serial a erorilor ptratice, deci este posibil s existe termeni ARCH.
50
1000
Series: Residuals
Sample 2 2091
800 Observations 2090
Mean 6.64e-20
600 Median -0.000847
Maximum 0.474478
Minimum -0.265550
400 Std. Dev. 0.028905
Skewness 4.453284
Kurtosis 93.72818
200
Jarque-Bera 723743.4
Probability 0.000000
0
-0.25 -0.00 0.25
Alegnd 3 lag-uri pentru acest test, rezultatul este prezentat mai jos.
Cea mai important parte a output-ului testului este prima parte care prezint cele dou
teste statistice F-Statistic i R-squared i probabilitile asociate acestor teste.
Ipoteza nul a celor dou teste este c nu exist corelaie serial a erorilor ecuaiei de
regresie pn la lag-ul k (specificat mai sus). Dac probabilitatea asociat celor dou
teste este inferioar nivelului de relevan la care se lucreaz, atunci ipoteza nul este
respins, deci se respinge inexistena corelaiei seriale. n caz contrar ipoteza nul este
acceptat, (nu exist corelaie serial).
51
Breusch-Godfrey Serial Correlation LM Test:
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09/24/07 Time: 22:31
Sample: 2 2091
Included observations: 2090
Presample missing value lagged residuals set to zero.
Testul similar (testului Serial Correlation LM) pentru testarea corelaiei seriale a erorilor
ptratice este ARCH LM Test, disponibil cu ajutorul opiunii View/Residual testsARCH
LM Test. Testul funcioneaz pe aceleai principii ca i testul pentru autocorelaia
erorilor.
Alegnd tot 3 lag-uri pentru acest test, conform celor dou probabiliti asociate, este
respins ipoteza nul (inexistena corelaiei seriale a erorilor ptratice ale ecuaiei de
regresie).
52
ARCH Test:
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/24/07 Time: 22:44
Sample (adjusted): 5 2091
Included observations: 2087 after adjustments
53
Testul CUSUM se bazeaz pe suma cumulativ a erorilor recursive ale ecuaiei de
regresie.
EViews reprezint grafic suma cumulativ a erorilor recursive mpreun cu liniile critice
de 5 la sut. Parametrii ecuaiei nu sunt considerai stabili dac suma cumulativ a
erorilor recursive iese n afara celor dou linii critice.
Erorile recursive sunt calculate dup cum urmeaz: folosind primele k + 1 observaii,
unde k reprezint numrul de coeficieni ai ecuaiei de regresie, se estimeaz coeficienii
ecuaiei, se prognozeaz variabila dependent pentru a k + 2-a observaie i se
calculeaz eroarea de prognoz (prin compararea valorii variabilei dependente
prognozate cu valoarea efectiv a acesteia). Apoi se mai introduce o observaie n
eantion (acesta avnd k + 2 observaii) i se repet procedura descris anterior.
unde:
WT reprezint suma cumulativ a erorilor recursive pentru primele T observaii;
wt eroarea recursiv calculat pe baza primelor t observaii din eantion;
k numrul de coeficieni ai regresiei;
s eroarea standard a regresiei.
Pentru ecuaia analizat, testul CUSUM este prezentat n graficul de mai jos.
54
150
100
50
-50
-100
-150
250 500 750 1000 1250 1500 1750 2000
CUSUM 5% Significance
Pentru ecuaia analizat, conform acestui test, coeficienii ecuaiei nu sunt stabili.
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
250 500 750 1000 1250 1500 1750 2000
CUSUM of Squares
5% Significance
55
Coeficienii sunt stabili dac, odat cu mrirea eantionului, valoarea acestora nu se
modific.
Pentru ecuaia analizat, coeficienii recursivi sunt reprezentai n graficele de mai jos.
.008
.004
.000
-.004
-.008
-.012
-.016
-.020
-.024
-.028
250 500 750 1000 1250 1500 1750 2000
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
250 500 750 1000 1250 1500 1750 2000
56
IV.5. Regresii cu serii crossecionale i variabile calitative n EViews
Conform rezultatelor statistice, n prima jumtate a anului 2006 (perioad care a cuprins
cele dou episoade de criz valutar):
- att soldul contului curent ct i soldul bugetului de stat i-au pus amprenta
asupra evoluiei spread-ului obligaiunilor externe n anul 2006 n sensul c un
deficit mai mare a condus la o majorare a spread-ului;
- soldul bugetului de stat a avut o importan mai mare asupra evoluiei spread-
ului dect soldul contului curent;
- asupra spread-ului i-a pus amprenta i datoria extern total a rii, n sensul c
o valoare a acestei datorii superioar valorii medii a eantionului n anii 2004 i
2005 a condus la o majorare a spread-ului n perioada analizat;
- rile n curs de dezvoltare din America Latin au nregistrat o majorare a spread-
ului n anul 2006 inferioar celorlalte ari n curs de dezvoltare.
1
n cazul n care ara respectiv nu are obligaiuni externe emise cu scadena de 10 ani, n analiz
a fost inclus spread-ul pentru obligaiunile externe cu scadena cea mai apropiat de aceast termen.
2
Africa de Sud, Argentina, Brazilia, Bulgaria, Cehia, Chile, China, Columbia, Coreea de Sud,
Croaia, Ecuador, Egipt, Estonia, India, Indonezia, Israel, Letonia, Lituania, Malaezia, Maroc, Mexic, Noua
Zeeland, Peru, Philipine, Polonia, Romnia, Rusia, Singapore, Slovacia, Slovenia, Tailanda, Taiwan,
Tunisia, Turcia, Ucraina, Ungaria, Uruguay, Venezuela
57
Dependent Variable: S_30DEC30JUN
Method: Least Squares
Sample (adjusted): 1 38
Included observations: 38 after adjustments
n cazul extinderii perioadei de calcul a evoluiei spread-ului la primele trei trimestre ale
anului 2006, coeficienii celor dou variabile macroeconomice devin nesemnificativi din
punct de vedere statistic ceea ce sugereaz reducerea aversiunii fat de risc a
investitorilor, n trimestrul III al anului 2006, ctre nivelurile anterioare celor dou
episoade de criz.
58
Dependent Variable: S_30DEC30SEP
Method: Least Squares
Sample (adjusted): 1 38
Included observations: 38 after adjustments
59
Capitolul V. Modele ARMA
Modelele ARMA (autoregresive moving average) sunt modele univariate modele prin
care variabila dependent este modelat funcie de propriile observaii.
V. 1. Procese AR
( )
unde t ~ N (0, 2 ) serie staionar, E ( t ) = 0 , E t2 = 2 , E ( t s ) = 0, daca, t s
n aceast ecuaie, p valori anterioare ale lui Y sunt folosite pentru a prognoza valoarea
curent.
Procesul AR(p) este staionar dac valorile absolute ale rdcinilor polinomului su
caracteristic sunt strict mai mici dect 1.
p
Media procesului AR(p) se obine rezolvnd ecuaia Yt = 0 + Y
i =1
i t i + t , pentru = 0
Unul dintre modelele de tip AR cele mai folosite n finane este modelul Random Walk,
model pentru care p = 1, 0 = 0 i 1 = 1 .
60
Ca urmare, valoarea unei serii ntr-o anumit perioad depinde de valoarea seriei n
perioada anterioar i de un termen de eroare aleator a crui valoare ateptat este 0.
Astfel, cea mai bun prognoz a valorii seriei este valoarea sa anterioar.
Acest model este foarte utilizat n analiza pieelor financiare i n special a cursului de
schimb.
Procesul random walk poate s aib i un trend (random walk with drift), n exemplul de
mai sus, pentru 0 0 . Reprezentarea acestui model este:
Yt = 0 + Yt 1 + t ,
( )
unde t ~ N (0, 2 ) , E ( t ) = 0 , E t2 = 2 , E ( t s ) = 0, daca, t s .
V. 2. Procese MA
Procesul Yt este urmeaz un proces medie mobil de ordinul q , dac este definit prin
egalitatea:
Yt = t 1 t 1 ... q t q ,
( )
unde t ~ N (0, 2 ) serie staionar, E ( t ) = 0 , E t2 = 2 , E ( t s ) = 0, daca, t s .
V. 3. Procese ARMA
61
p q
Yt = 0 + iYt i + t + i t i ,
i =1 i =1
( )
unde t ~ N (0, 2 ) serie staionar, E ( t ) = 0 , E t2 = 2 , E ( t s ) = 0, daca, t s .
1. Testarea staionaritii seriei. Dac este staionar se trece la pasul trei, dac nu
se parcurg cerinele pasului urmtor.
2. Se stionarizeaz seria de date prin difereniere. Marea majoritate a seriilor
nestaionare sunt integrate de ordinul 1, I(1), aa c seria se staionarizeaz prin
prima diferen.
3. Pe baza coeficienilor de autocorelaie (funciei de autocorelaie) i a
coeficienilor de corelaie parial (funciei de autocorelaie parial) se determin
modelele autoregresive de start pentru analiza seriei de date. Astfel, dac exist
o valoare a lui h egal cu q ncepnd de la care valoarea funciei de
autocorelaie scade brusc ctre zero, atunci pentru prelucrarea seriei se
folosete un proces MA(q) sau un proces ARMA ce cuprinde o component
MA(q). n cazul n care valoarea funciei de autocorelaie parial scade
instantaneu ctre zero, ncepnd cu o valoare a decalajului egal cu p, atunci se
recomand ca seria de timp s fie prelucrat prin intermediul unui proces AR(p)
pur sau printr-un proces ce cuprinde i aceast component.
4. Se estimeaz parametrii modelelor ARMA.
5. Se testeaz caracteristicilor modelelor autoregresive ce au fost estimate n etapa
anterioar. Astfel se verific dac coeficienii modelului sunt semnificativi (diferii
de zero) din punct de vedere statistic, autocorelarea reziduurilor regresiei,
proprietatea de homoscedasticitate, stabilitatea parametrilor i caracteristicile
distribuiei rezidurilor.
6. Se alege cel mai potrivit model folosind diverse criterii de analiz. Astfel, se
alege modelul care are valoarea cea mai mare pentru R 2 ajustat sau valoarea
cea mai mic pentru variana sau dispersia reziduurilor. De asemenea se alege
modelul care are valorile cele mai mici pentru criteriile informaionale (Akaike,
Schwartz).
7. Pe baza modelului selectat se fac diverse analize i prognoze.
62
V. 4. Estimarea modelelor ARMA n EViews
Utiliznd seria de date cu frecven lunar a BUBOR 1W pentru perioada ianuarie 1997
august 2007 au fost estimate trei modele AR, MA i ARMA care s descrie evoluia
ratei lunare a dobnzii BUBOR 1W.
250
200
150
100
50
0
97 98 99 00 01 02 03 04 05 06 07
BUBOR
t-Statistic Prob.*
63
Method: Least Squares
Sample (adjusted): 1997M02 2007M08
Included observations: 127 after adjustments
Testul de staionaritate PP
64
C 33.57762 7.478112 4.490120 0.0000
@TREND(1997M01) -0.303782 0.074919 -4.054833 0.0001
65
Att funcia de autocorelaie (care pornete de la o valoare ridicat i scade gradual) ct i funcia
de autocorelaie parial (care scade brusc) indic c aceast serie este preponderent un proces
AR.
Pentru specificarea ecuaiei, se procedeaz similar ca n cazul estimrii unei ecuaii de regresie
liniar: click buton dreapta mouse n interiorul ferestrei fiierului de lucru (workfile)/new
object/equation:
De asemenea, n cazul modelelor care conin termeni AR, valoarea absolut a unui coeficient AR
trebuie s fie mai mic dect 1 (dac este egal atunci exist o rdcin unitar, iar dac este
mai mare dect 1 atunci procesul este exploziv). De asemenea suma coeficienilor termenilor AR
trebuie sa fie mai mic dect 1 (n caz contrar procesul fiind exploziv).
n plus, pentru ca ecuaia s fie stabil, valoarea absolut a rdcinilor ecuaiei trebuie s fie mai
mici dect 1.
66
Estimarea modelului MA
67
Rdcinile polinomului caracteristic pot fi reprezentate att ca tabel ct i grafic.
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
MA roots
Conform rezultatelor statistice, modulul rdcinilor polinomului caracteristic este mai mic dect 1,
i ca urmare ecuaia este stabil.
Dar, conform corelogramei erorilor, prezentat n graficul de mai jos, exist autocorelaie serial
la al 5-lea lag.
68
Valoarea efectiv i cea estimat de model a BUBID 1W este prezentat n graficul de
mai jos.
250
200
150
100
80
50
40 0
-40
-80
97 98 99 00 01 02 03 04 05 06 07
69
Estimarea modelului AR
Coeficientul termenului AR este mai mic dect 1, deci ecuaia este stabil.
Valorile efective i cele estimate ale variabilei dependente sunt prezentate n graficul de mai jos.
70
250
200
150
100
150 50
100 0
50
0
-50
-100
97 98 99 00 01 02 03 04 05 06 07
71
Conform rezultatelor statistice, modulul rdcinilor polinomului caracteristic este mai mic dect 1,
i ca urmare ecuaia este stabil.
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
MA roots
72
Valorile efective i cele estimate ale variabilei dependente sunt prezentate n graficul de mai jos.
250
200
150
120
100
80
50
40
0
0
-40
-80
97 98 99 00 01 02 03 04 05 06 07
Indicatorii statistici pentru cele trei specificaii de modele sunt prezentai in tabelul de mai
jos.
73
Conform tuturor celor trei criterii (cea mai mare valoare a R 2 i, respectiv, cele mai mici
valori nregistrate de criteriile informaionale), este aleas specificaia ARMA(1,10).
74
Utiliznd o prognoz dinamic, valorile prognozate i marjele de eroare (simbolizate cu
linii roii ntrerupte sunt prezentate n graficul de mai jos.
80
60
40
20
-20
-40
-60
2007M09 2007M10 2007M11 2007M12
BUBORF
75
Capitolul VI. Modele cu date panel
Modelele cu date panel constau n estimarea de ecuaii de regresie n care sunt folosite
serii care sunt n acelai timp att serii de timp ct i date crosssecionale.
Perioada pe care s-a realizat analiza este ianuarie 2005 iulie 2005, rezultnd un
numr de 84 de observaii.
76
Date utilizate:
Rata dobnzii active practicate pentru persoane fizice (ACT_PF);
Rata dobnzii active practicate pentru persoane juridice, clieni nebancari,
neguvernamentali (ACT_PJ);
Rata dobnzii pasive practicate pentru persoane fizice (PAS_PF);
Rata dobnzii pasive practicate pentru persoane juridice, clieni nebancari
neguvernamentali (PAS_PJ);
Rata dobnzii la operaiunile de sterilizare ale BNR (RN_BNR);
Rata dobnzii bonificate de BNR pentru rezervele minime obligatorii n lei
(DOB_RMO);
Rata anual a inflaiei ateptat de operatorii bancari peste 24 de luni
(A_INFL_24);
Deviaia standard a rspunsurilor participanilor la sondaj cu privire la rata anual
a inflaiei ateptate peste 12 luni (A_INFL_12_DEV), utilizat ca variabil proxy
pentru incertitudinea din piaa bancar cu privire la evoluia inflaiei din
urmtoarele 12 luni;
Rata dobnzii pentru depozitele pe piaa monetar cu scadena de o sptmn
ateptate de operatorii din sistemul bancar pentru un orizont de 12 luni
(RN_1W_12).
Cum era de ateptat, rata de dobnd bonificat de BNR pentru depozitele minime
obligatorii este corelat negativ cu spread-ul, n sensul c o majorare a acesteia
conduce la reducerea spread-ului (datorit reducerii costului fondurilor atrase).
Definirea modelului panel re realizeaz cu click buton dreapta mouse selectarea opiunii
New object/Pool
77
n fereastra Cross Section Identifiers se introduc datele de identificare a seriilor de date
crossecionale. n cazul de fa _x, unde x reprezint banca. Astfel, fiecare serie de date
care se refer la banca x, va avea terminaia _x.
Dac seriile sunt comune tuturor bncilor (de exemplu rata de sterilizare a BNR, rn_bnr)
seriile se definesc tiprindu-se numele lor.
Dac, n schimb este o serie specific fiecrei bnci (cum este cazul, de exemplu,
ateptrilor privind rata inflaiei pentru urmtoarele 24 de luni, a_infl_24), seria se
definete tiprind numele acesteia i ? (a_infl_24?). n acest fel se genereaz cte o
serie a_infl_24 pentru fiecare banca, serie avnd terminaia _01 pn la _13.
78
Apoi seriile (att cele comune ct i cele pentru fiecare banc) se introduc n tabel co
copy i paste.
79
Fixed and Random Effects dac se introduc efecte fixe sau efecte
aleatoare.
Weights se alege metoda de estimare, metod care poate s in cont de
autocorelaia erorilor i de heteroskedasticitate.
Persoane fizice
Effects Specification
80
Persoane juridice
Effects Specification
81
n cazul spread-ului pasiv, conform rezultatelor econometrice, att pentru persoanele
fizice ct i pentru cele juridice, asupra acestuia i pun amprenta ateptrile n privina
evoluiilor n urmtoarele 12 luni a ratelor dobnzii cu scadena de o sptmn, evoluia
ratei dobnzii de sterilizare a BNR i incertitudinea n privina ratei inflaiei ateptate n
urmtoarele 12 luni.
Astfel, anticiparea unei creteri a ratei dobnzii pe piaa monetar conduce la majorarea
spread-ului. O explicaie a acestui rezultat ar fi faptul c, n general, durata activelor este
superioar duratei pasivelor (riscul de modificare a ratei dobnzii n sensul creterii are
un impact negativ ce nu este compensat n totalitate de impactul pozitiv asupra
pasivelor), i ca urmare modificarea ratei dobnzii are efecte asimetrice asupra
profitabilitii. Astfel, creterea dobnzii ar trebui s conduc la majorarea spread-ului.
Aceasta este explicaia i in cazul celeilalte variabile explicative evoluia ratei dobnzii
la operaiunile de sterilizare.
Persoane fizice
82
_11--C -3.607794
_12--C -1.586480
_13--C -2.490128
Effects Specification
Persoane juridice
Effects Specification
83
Cross-section fixed (dummy variables)
84
Capitolul VII. Modele GARCH
n construirea unui model ARCH trebuie luate n considerare doua ecuaii distincte: una
pentru media condiionat (ecuaia de evoluie a randamentelor activului) i una pentru
variana condiionat (ecuaia volatilitii).
t N (0, ht )
p q
ht = 0 + 1,i L ht + 2, j L j t2
i
i =1 j =1
unde:
rt este un proces ARMA(m,n) sau un model Random Walk (atunci cnd 1,i = 0, i = 1, m ,
si 2, j = 0, j = 1, n );
ht (volatilitatea) este un proces ARCH(q) i GARCH(p);
parametrii 1 reprezint persistena volatilitii;
parametrii 2 reprezint viteza de reacie a volatilitii la ocurile din pia.
i =1
1, i + 2,i < 1
j =1
Interpretat ntr-un context financiar, acest model descrie modul n care un agent
ncearc s prognozeze volatilitatea pentru urmtoarea perioad pe baza mediei pe
termen lung ( 0 ) a varianei, a varianei anterioare (termenul GARCH) i a informaiilor
privind volatilitatea observat n perioada anterioara (termenul ARCH). Dac
randamentul activului din perioada anterioar a fost, n mod neateptat, mare n valoare
absolut, agentul va mri variana ateptat n perioada urmtoare.
85
Testele efectuate pe pieele financiare mature au evideniat o vitez de reacie a
volatilitii cursului de schimb, n general, inferioar plafonului de 0,25 i un grad de
persisten a acesteia, superior pragului de 0,7.
Modelul GARCH a fost ulterior extins, pentru a relaxa anumite ipoteze sau pentru
ncorpora asimetria impactului randamentului cursului activelor financiare sau a separa
volatilitatea n trend i volatilitate pe termen scurt.
Modelul IGARCH
Rezult c t urmeaz un proces ARMA. Acest proces ARMA va avea un unit root dac
p q
+
i =1
i
j =1
j = 1.
Engle si Bollerslev (1986) numesc modelul care satisface condiia de mai sus GARCH
integrat sau IGARCH.
86
rt = t + t .
Modelul ARCH-M, introdus de Engle, Lilien i Robins (1987) este obinut prin
introducerea n ecuaia randamentelor a varianei sau a deviaiei standard condiionate
( ht sau ht ).
Efectul perceperii unui risc ridicat este cuantificat de coeficientul lui ht din ecuaia
randamentului ( ):
m n
rt = 0 + 1,i Li rt + 2, j Lj t + ht + t .
i =1 j =1
Pe pieele financiare s-a observat c agenii percep volatilitatea n mod diferit, funcie de
semnul variaiei zilnice a cursului activului financiar respectiv. De exemplu, pentru
aciuni, micrile n jos ale pieei sunt urmate de o volatilitate mai mare dect micrile
n sens cresctor de aceeai amplitudine.
Cele mai utilizate modele ARCH care permit analiza rspunsului asimetric la ocuri sunt
modelele Treshold ARCH (TARCH) i GARCH Exponential (EGARCH).
n acest model, vetile bune ( t < 0 ) i vestile rele ( t > 0 ) au efecte diferite asupra
varianei condiionate vetile bune au un impact de 1 n timp ce vetile rele au un
impact de 1 + . Dac 0 , atunci efectul informaiilor asupra volatilitii este
asimetric.
Modelul EGARCH, propus de Nelson (1991) are urmtoarea specificaie pentru ecuaia
varianei condiionate:
t 1 t 1
log(ht ) = + log(ht 1 ) + + .
ht 1 ht 1
87
Confirm acestui model, efectul informaiilor este exponenial (i nu ptratic) iar variana
prognozat va fi obligatoriu non-negativ. Impactul informaiilor este asimetric dac
0.
Specificarea ecuaiei ARCH: click buton dreapta mouse n fereastra fiierului de lucru,
alegerea opiunii New object/Equation i se selecteaz din meniul Method opiunea
ARCH Autoregresssive Conditional Heteroskedasticity.
88
Opiunile disponibile sunt:
Mean Equation specificarea ecuaiei variabilei crei i se calculeaz volatilitatea
(n cazul de fa a ecuaiei evoluiei zilnice a cursului de schimb).
ARCH-M dac modelul este ARCH in Mean adic dac n ecuaia de
regresie a evoluiei cursului este introdus i volatilitatea acestuia.
Variance and distribution specification specificarea ecuaiei varianei
(volatilitii) cursului de schimb:
Model tipul modelului: GARCH, EGARCH.
ARCH termenii ARCH.
GARCH termenii GARCH.
Asymetric order dac se introduce asimetrie n ecuaia de regresie a
varianei.
Variance regressors dac se introduc variabile independente n ecuaia de
regresie a varianei.
Error distribution distribuia erorilor (n cazul n care se presupune c
distribuia erorilor nu este normal i se dorete corectarea ecuaiei de
varian pentru ne-normalitatea erorilor).
Modelele EGARCH sunt mai puin restrictive, neavnd condiii impuse valorilor
coeficienilor ecuaiei volatilitii.
Conform estimrilor, pentru cursul EUR/RON modele GARCH estimate au fost GARCH
integrate.
Variance Equation
89
C 2.50E-07 5.08E-08 4.926018 0.0000
RESID(-1)^2 0.138819 0.009128 15.20872 0.0000
GARCH(-1) 0.868095 0.008286 104.7609 0.0000
Ca urmare, a fost estimat un model EGARCH(2,1,1) (acesta fiind mai puin restrictiv). Modelul a
acceptat att coeficient de asimetrie n ecuaia de volatilitate ct i volatilitatea cursului EUR/RON
(msurat prin abaterea medie ptratic) n ecuaia de medie.
Variance Equation
90
Log likelihood 8368.537 F-statistic 0.612409
Durbin-Watson stat 1.855328 Prob(F-statistic) 0.746122
Coeficientul volatilitii cursului din ecuaia de medie, fiind pozitiv, arat c, atunci cnd
volatilitatea crete, RON-ul se depreciaz (cursul EUR/RON crete).
Coeficientul de asimetrie din ecuaia volatilitii este c(6) este semnificativ din punct de vedere
statistic i arat c, dac n perioada anterioar cursul a crescut, volatilitatea se reduce.
Conform corelogramei erorilor ptratice (prezentat n graficul de mai jos), nu mai exist termeni
ARCH suplimentari.
91
Volatilitatea (msurat prin abaterea medie ptratic) a cursului EUR/RON este
prezentat n graficul de mai jos.
.028
.024
.020
.016
.012
.008
.004
.000
250 500 750 1000 1250 1500 1750 2000
92
Capitolul VIII. Modele Value at Risk
Valoarea la risc (VaR) este o ncercare de a reprezenta printr-un singur numr riscul
total dintr-un portofoliu de active financiare. Aceast msur a fost introdus de ctre J.
P. Morgan n 1994 i n prezent este folosit pe scar larg att de ctre instituiile
financiare ct i n trezoreriile corporaiilor i n fondurile de investiii. De asemenea, i
Comitetul de Supraveghere Bancar al Bncii Reglementelor Internaionale o folosete
pentru calculul cerinelor de capital pentru bnci.
n practic sunt utilizate mai multe metode de calcul al VaR, cele mai cunoscute fiind
metoda analitic, metoda istoric i simularea Monte Carlo. Alegerea metodei de calcul
depinde de:
instrumentele financiare asupra crora poate fi aplicat;
acurateea msurilor de risc, inclusiv ipotezele statistice pe care se bazeaz;
cerinele de implementare (modelele de evaluare a riscului, descompunerea
riscului, cerinele de date);
sistemele informatice necesare;
uurina de comunicare a rezultatelor ctre utilizatori.
93
Din cele dou relaii de mai sus rezult:
VaR = (Z + )S .
Metoda analitic una din cele mai simple i uor de implementat metodologii de calcul al
VaR, ea bazndu-se pe estimri ale parametrilor pe baza datelor istorice (volatilitate,
coeficieni de corelaie, randamente medii ale activelor).
Metodologie analizei Monte Carlo pentru preul unei aciuni, S, este prezentat dup
cum urmeaz. Presupunnd c S urmeaz o micare Brownian geometric, atunci:
dS
= dt + dW ,
S
unde :
este randamentul ateptat pe unitatea de timp,
este volatilitatea cursului spot al aciunii,
1
dW este un proces Wiener, care poate fi scris dW = (dt ) 2 , unde este o variabil
aleatoare i are o distribuie normal standard. Substituind pentru dW se obine:
1
= dt + (dt )2 .
dS
S
dS
Randamentul instantaneu al preului aciunii, , evolueaz funcie de trend, dt i de
S
termenul aleatoriu . n practic, n general se folosete modelul n timp discret. Astfel,
dac t reprezint frecvena de timp la care se msoar randamentul preului aciunii,
atunci,
94
S
= t + t ,
S
S
unde S reprezint modificarea preului aciunii n intervalul de timp t , iar
S
reprezint randamentul aciunii n timp discret.
Modelul de baz pentru calculul VaR prin simulare istoric const n calculul unei serii
ipotetice de profit i pierdere (P/L) sau randamente pentru portofoliul curent, pentru o
perioad istoric specific. Aceste randamente sunt msurate pe un interval standard de
timp (de exemplu o zi) pe un set suficient de mare de observaii istorice. Presupunnd
c portofoliul este format din n active, i pentru fiecare activ i, randamentul este calculat
95
pentru fiecare interval T. Dac ri , t este randamentul activului i pentru sub-perioada t, i
Ai este suma investit n activul i, atunci P/L-ul simulat pentru portofoliul curent n sub-
perioada t este:
n
(P / L )t = Ai ri ,t .
i =1
Calculnd P/L pentru toi t, se obine P/L-ul ipotetic pentru portofoliul curent pentru tot
eantionul. VaR-ul este estimat pe baza distribuiei seriei P/L.
Alte metodologii pentru calculul VaR istoric pondereaz valorile P/L folosite n
construirea distribuiei seriei P/L.
n cazul n care volatilitatea activelor este variabil, datele pot fi ponderate funcie de
volatilitatea contemporan estimat (Hull i White, 1998). Astfel, presupunnd c se
dorete estimarea VaR pentru ziua T, considernd ri , t randamentul istoric al activului i n
ziua t, i , t volatilitatea prognozat n ziua t - 1 a randamentului activului i pentru ziua t i
i ,T cea mai recent prognoz a volatilitii activului i, randamentele efective ri ,t sunt
nlocuite cu randamentele ajustate funcie de volatilitate, ri*,t :
i ,T
ri*,t = r .
i ,t i ,t
Principala deficien a simulrii istorice este legat de faptul c rezultatele sunt complet
dependente de setul de date folosit:
96
Dac n perioada folosit pentru calcul VaR pieele au fost neobinuit de calme
(sau de volatile) i condiiile s-au schimbat ntre timp, simularea istoric va
produce estimri ale VaR care sunt prea mici (mari) pentru riscurile actuale.
Simularea istoric prezint dificulti n luarea n considerare a modificrilor n
evoluia pieelor intervenite n perioada luat n considerare.
Msurile VaR obinute prin simulare istoric nu capteaz riscul asociat producerii
unor evenimente plauzibile n viitor dar care nu s-au ntmplat n trecut.
97
Odat ce matricea de covarian a fost definit, aceasta poate fi folosit pentru calculul
VaR utiliznd fie metoda analitic (indicat pentru portofolii simple), fie simularea Monte
Carlo (pentru portofolii ce includ opiuni).
Aceste modele permit calculul VaR prin luarea n considerare a impactului asupra
volatilitii viitoare a evenimetelor recente. De asemenea, cele dou serii (randamente i
volatilitatea) fiind serii staionare, aceste modele permit prognoza volatilitii pentru
fiecare sub-perioad (zi) a orizontului avut n vedere pentru calculul VaR. De exemplu,
pentru a obine o prognoz a volatilitii pentru urmtoarele 10 zile, se nsumeaz cele
250
10 variane, se multiplic cu i se extrage rdcina ptrat.
10
98
Includerea modelelor GARCH n calculul VaR, ca i n cazul modelelor EWMA, poate fi
realizat prin:
VaR analitic, similar ca n cazul EWMA, prin utilizarea unei matrice de covarian
bazat pe modele GARCH.
Simulare istoric n care datele sunt ponderate funcie de volatilitate datele
sunt standardizate funcie de volatilitatea lor estimat prin modele GARCH.
Simulare Monte Carlo. Evoluia randamentelor poate fi simulat pe baza unei
matrice de covarian calculate pe baz de modele GARCH, ceea ce permite
att simularea evoluiei volatilitii ct i simularea evoluiei randamentelor
activelor ceea ce reprezint un avantaj n cazul n care portofoliul conine i
opiuni.
n practic a fost sugerat chiar utilizarea modelelor GARCH pentru modelarea direct
P/L-ului portofoliului i calculul VaR funcie de volatilitatea condiionat a acestuia, n
acest fel evitndu-se calculul matricelor de covarian.
Considernd un portofoliu format din patru aciuni Antibiotice Iai (ATB), Impact
Bucureti (IMP), Turbomecanica (TBM) i Banca Transilvania (TLV) avnd ponderi
egale, se calculeaz VaR-ul portofoliului pe baza metodologiilor descrise n Capitolul
VIII. Calculul VaR va fi realizat pe date zilnice, perioada analizat fiind ianuarie 1999
mai 2007.
Msurile VaR calculate sunt: VaR analitic, VaR istoric, VaR prin maparea poziiilor pe
baza modelului CAPM, VaR pe baza de volatilitate EWMA i VaR pe baz de volatilitate
estimat prin modele GARCH.
Conform testului ADF, seriile randamentelor celor patru aciuni, indicelui BET i
portofoliului sunt staionare, iar conform testului Jarque Berra seriile randamentelor nu
au o distribuie normal (ci leptokurtotic).
99
Testul de staionaritate ADF
100
Testul Jarque-Berra
ATB IMP
1400 1200
Series: DLN_ATB Series: DLN_IMP
Sample 1 2100 Sample 1 2100
1200 1000
Observations 2090 Observations 2090
TBM TLV
1400 1400
Series: DLN_TBM Series: DLN_TLV
Sample 1 2100 1200 Sample 1 2100
1200
Observations 2090 Observations 2090
1000 1000
Mean 0.002376
Mean 0.001890
800 Median 0.000000
800 Median 0.000000
Maximum 0.474894
Maximum 1.798494
Minimum -0.262364
Minimum -0.184093 600
600 Std. Dev. 0.030051
Std. Dev. 0.051122 Skewness 3.754518
Skewness 20.74361 400
400 Kurtosis 77.53756
Kurtosis 732.6264
200 Jarque-Bera 488732.0
200 Jarque-Bera 46509111 Probability 0.000000
Probability 0.000000 0
0 -0.25 -0.00 0.25
-0.0 0.5 1.0 1.5
Portofoliu
1000
Series: DLN_PORTOFOLIU
Sample 1 2100
800 Observations 2090
Mean 0.001923
600 Median 0.001221
Maximum 0.487856
Minimum -0.099785
400 Std. Dev. 0.023377
Skewness 6.518779
Kurtosis 132.5431
200
Jarque-Bera 1476185.
Probability 0.000000
0
-0.000 0.125 0.250 0.375 0.500
101
Cele patru momente ale distribuiilor sunt prezenetate n tabelul de mai jos. Ca urmare,
msurile VaR bazate pe ipoteza distribuiei normale a seriilor pot subestima riscul.
Matricea de corelaie dintre cele patru aciuni, calculat pe baza eantionului de date
pentru perioada analizat, este:
102
Evoluia randamentelor zilnice ale aciunilor i a portofoliului
DLN_ATB DLN_IMP
1.6 .3
.2
1.2
.1
0.8
.0
0.4
-.1
0.0
-.2
-0.4 -.3
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
DLN_TBM DLN_TLV
2.0 .5
.4
1.6
.3
1.2
.2
0.8 .1
.0
0.4
-.1
0.0
-.2
-0.4 -.3
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
DL_BET DLN_PORTOF
.12 .5
.08 .4
.04 .3
.00 .2
-.04 .1
-.08 .0
-.12 -.1
-.16 -.2
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
103
Pentru calculul VaR prin metoda analitic a fost calculat deviaia standard a P/L-ului
portofoliului de aciuni pe ultimele 250 de zile, p , i pe baza acestei serii, considernd
o valoare a portofoliului de o unitate monetar (1 RON), un nivel de relevan de 1 la
sut i un orizont de prognoz de 10 zile a fost generat msura VaR pe baza relaiei
VaR = 2.32635 p 10 .
Pentru calculul VaR prin simulare istoric, msura VaR pentru un orizont de 10 zile a
fost considerat percentila 1 la sut pentru seria de randamente zilnice ale portofoliului
de aciuni nmulit cu 10 .
Pentru calculul VaR prin EWMA, lund n considerare un coeficient pentru date
zilnice de 0,94, pornind, ca observaie iniial, de la abaterea medie ptratic istoric au
fost generate seriile de volatilitate pentru cele patru monede, conform relaiei
t2 = (1 )rt 21 + t21 ,
iar apoi, pe baza coeficienilor de corelaie istorici a fost calculat seria volatilitii
portofoliului. Seriile de volatiliti EWMA sunt prezentate n graficele de mai jos.
Msura VaR care ncorporeaz volatilitile calculate pe baza metodologiei EWMA a fost
generat prin metoda analitic, orizontul de timp fiind de 10 zile, iar nivelul de relevan
de 1 la sut.
104
Volatilitatea zilnic a seriilor de cursuri de schimb i a portofoliului
calculat pe baza metodologiei EWMA
EWMA_ATB EWMA_IMP
.4 .10
.08
.3
.06
.2
.04
.1
.02
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_TBM EWMA_TLV
.5 .14
.12
.4
.10
.3
.08
.06
.2
.04
.1
.02
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_PORTOFOLIU
.14
.12
.10
.08
.06
.04
.02
.00
250 500 750 1000 1250 1500 1750 2000
105
Specificaia modelelor ARCH utilizate a fost aleas funcie de testele de autocorelaie a
erorilor (modelele s nu prezinte autocorelaie), testele de autocorelaie a erorilor
ptratice (s nu existe termeni ARCH suplimentari), suma i semnul coeficienilor ARCH
i GARCH (s nu existe procese ARCH integrate iar volatilitatea s fie strict mai mare
dect zero). Ecuaia de volatilitate pentru cele patru aciuni este determinat dup cum
urmeaz:
ATB GARCH(1,1)
Variance Equation
106
S.E. of regression 0.046911 Akaike info criterion -4.557171
Sum squared resid 4.588325 Schwarz criterion -4.543667
Log likelihood 4767.244 Durbin-Watson stat 1.966671
IMP TARCH(1,1,1)
Variance Equation
TBM TARCH(1,1,1)
Dependent Variable: DLN_TBM
Method: ML - ARCH (Marquardt) - Generalized error distribution (GED)
Sample (adjusted): 2 2091
Included observations: 2090 after adjustments
Convergence achieved after 31 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*RESID(-1)^2*(RESID(-1)<0)
+ C(5)*GARCH(-1)
107
C 1.42E-05 0.000505 0.028193 0.9775
Variance Equation
TLV GARCH(1,1)
Variance Equation
108
Portofoliu EGARCH(1,1)
Variance Equation
Volatilitatea pentru un orizont de 10 zile a fost calculat ca radical din suma varianelor
la momentele t , t + 1,..., t + 9 .
Pe baza acestei volatiliti a fost calculat msura VaR pentru un nivel de relevan de 1
la sut, conform relaiei:
VaR = 2.32535 ARCH ,
unde ARCH reprezint volatilitatea portofoliului calculat prin modele GARCH, pentru un
orizont de 10 zile.
109
Volatilitatea cursurilor aciunilor i a portofoliului
calculat prin modele GARCH
STDEV_ARCH_ATB STDEV_ARCH_IMP
1.4 .40
1.2 .35
1.0 .30
0.8 .25
0.6 .20
0.4 .15
0.2 .10
0.0 .05
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_TBM STDEV_ARCH_TLV
1.2 .40
.35
1.0
.30
0.8
.25
0.6 .20
.15
0.4
.10
0.2
.05
0.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_PORTOFOLIU STDEV_ARCH_PORTOFOLIU_AN
.5 .36
.32
.4 .28
.24
.3
.20
.16
.2
.12
.1 .08
.04
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
110
unde ST_DEV_ARCH_PORTOFOLIU_AN reprezint volatilitatea portofoliului calculat
prin metoda analitic, pe baza volatilitilor celor patru aciuni incluse n portofoliu i a
coeficienilor de corelaie dintre acestea (considerai constani pentru perioada
analizat), iar ST_DEV_ARCH_PORTOFOLIU este volatilitatea portofoliului calculat
printr-un model GARCH pentru randamentele portofoliului.
Msurile VaR calculate pe baza celor cinci metodologii de mai sus sunt prezentate n
graficele de mai jos mpreun cu randamentele pe 10 zile ale portofoliului, nmulite cu -1
pentru comparabilitate (cu msurile VaR).
Conform rezultatelor:
Modelul bazat pe EWMA a performat cel mai bine, n perioada analizat
producnd o singur eroare, n 1841 de observaii (incadrndu-se n nivelul de
relevan de 1 la sut).
De asemenea i modelul pe baz de simulare istoric, modelul analitic i
modelele bazate pe estimarea volatilitii prin modele GARCH se ncadreaz n
nivelul de relevan de 1 la sut (au produs fiecare cte dou erori n 1841 de
observaii pentru modelul analitica i modelul istoric i, respectiv, 2072 de
observaii pentru modelele GARCH). Dintre aceste patru modele se detaeaz
modelele bazate pe GARCH, care fa de celelalte dou implic cerine de
capital mai reduse.
Dintre cele dou modele GARCH, modelul bazat pe metoda analitic implic
cerine de capital inferioare modelului GARCH aplicat randamentelor
portofoliului, dar n acelai timp implic cerine de calcul superioare.
111
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1/18/1999 12/22/1999
4/18/1999
3/22/2000
7/18/1999
6/22/2000
10/18/1999
9/22/2000
1/18/2000
4/18/2000 12/22/2000
7/18/2000 3/22/2001
(-1)*Randament 10 zile
1/18/2001 9/22/2001
4/18/2001
12/22/2001
7/18/2001
3/22/2002
10/18/2001
6/22/2002
1/18/2002
VaR GARCH
4/18/2002 9/22/2002
7/18/2002 12/22/2002
10/18/2002 3/22/2003
1/18/2003
6/22/2003
4/18/2003
9/22/2003
7/18/2003
12/22/2003
10/18/2003
1/18/2004 3/22/2004
4/18/2004 6/22/2004
VaR istoric
7/18/2004 9/22/2004
10/18/2004
12/22/2004
1/18/2005
3/22/2005
(-1)*Randament 10 zile
4/18/2005
6/22/2005
7/18/2005
10/18/2005 9/22/2005
Msurile VaR calculate pe baz de modele GARCH
1/18/2006 12/22/2005
4/18/2006 3/22/2006
VaR analitic
VaR EWMA
7/18/2006
6/22/2006
10/18/2006
9/22/2006
Msurile VaR bazat pe mapare a poziiilor, istoric, analitic i EWMA
1/18/2007
12/22/2006
4/18/2007
3/22/2007
112