Seminar 5 Serii de Timp (27.04.

2017)
Serii cointegrate. Cointegrare ntr-o singur ecuaie. Metodologia Engle-Granger. Modele VAR.

Serii cointegrate
Cointegrarea arat existena unei relaii de cauzalitate pe termen lung ntre serii nestaionare.
Definitie: Dou serii y t i xt sunt numite cointegrate dac sunt I(1) i exist o combinaie liniar a lor
care este I(0).
Teoria economic sugereaz c seriile de timp economice ar fi caracterizate prin relaii de echilibru pe
termen lung, de tip cauz-efect. Intuitiv, dou serii cronologice considerate drept cointegrate trebuie
percepute ca evolund n acelai ritm. Cointegrarea implic faptul c aceste perechi de variabile au
trenduri stochastice similare. n plus, dinamica variabilelor economice sugereaz c ele pot devia, pe
termen scurt, de la acest echilibru i, atunci cnd variabilele sunt cointegrate, termenul u t este staionar.
n cazul a dou variabile unidimensionale y t i xt care sunt I(1), echilibrul pe termen lung poate fi scris
ca yt = 0 + 1 xt . Seria u t = y t 0 1 xt este I(0).
Teoria economic sugereaz cupluri de variabile a cror evoluie prezint analogii evidente, ca urmare a
tendinei de echilibru pe termen lung.
Exemple de serii economice cointegrate.
- Cheltuielile guvernamentale i Veniturile din taxe
- Veniturile i Consumul
- Indicele de preuri i Indicele salariului mediu
- Indicele de preuri i Rata Dobnzii
- Exportul i Importul
- Preurile aciunilor i Dividendele.
- Cursurile diferitelor aciuni;
- Ratele dobnzilor pentru diferite maturiti;
Aceste posibile relaii de cointegrare trebuie confirmate i de datele empirice.

Abordri n studiul cointegrrii seriilor:

I. Abordarea bazat pe o singur ecuaie. Se folosete metodologia n dou etape Engle-Granger.
II. Abordarea multivariat bazat pe modelul vector autoregresiv (VAR). Se folosete metodologia
lui Johansen i Juseliu, implementat n pachetele de programe pentru statistic.

I. Metodologia Engle-Granger (Algoritmul n dou etape Engle-Granger)

Procedura este bazat pe o singur ecuaie i a fost propus de Engle i Granger (1987).
Etapa 1: Testarea existenei unei relaii de cointegrare ntre dou variabile
1) Se testeaz dac cele dou variabile sunt I(1), utiliznd teste de rrcin unitar (de exemplu, testul
ADF- Augmented Dickey Fuller). Seriile trebuie s fie integrate de acelai ordin.
Fie variabilele y t ~ I(1) i xt ~ I(1)
2) Se estimeaz relaia pe termen lung dintre variabile prin modelul y t = 0 + 1 xt + u t .
Aplicnd OLS se obine o estimaie a relaiei de cointegrare. Cnd ambele variabile sunt I(1), estimatorii
obinui sunt consisteni chiar dac erorile sunt corelate. Erorile standard nu sunt ns de ncredere, deci
nu se pot realiza inferene privind modelul pe termen lung. Dac exist o relaie de cointegrare ea va fi
estimat prin OLS, iar dac nu exist atunci regresia este fals. Se reine seria reziduurilor
) ) )
u t = y t 0 1 xt .

1
 )
3) Se testeaz dac seria reziduurilor u t este staionar. Staionaritatea reziduurilor poate fi analizat cu
ajutorul testelor ADF.
) ) )
Relaia de cointegrare este acceptat dac reziduurile u t = yt 0 1 xt sunt staionare. Dac
reziduurile sunt staionare, cele dou serii sunt cointegrate. Relaia de echilibru pe termen lung este
) )
y t = 0 + 1 xt .

Etapa 2. Construirea unui Model de Corectare a Erorilor (ECM - Error Correction Model)
Abordarea clasic de a construi modele de regresie pentru variabile nestaionare este de a diferenia
seriile cu scopul de a induce staionaritatea i de a analiza relaiile dintre variabilele staionare.
Dac vom diferenia seriile I(1), vom pierde informaiile despre relaia pe termen lung i vom estima
doar relaia pe termen scurt. Dei variabilele sunt nestaionare, este mai bine s estimm relaia dintre
niveluri, fr a diferenia datele, adic, s estimm relaia de cointegrare.
Vom construi un model de corectare a erorilor (MCE), care combin att comportamentul pe termen
lung ct i cel pe termen scurt al variabilelor.
Teorema de reprezentare Granger: Dac dou serii sunt cointegrate, atunci relaia dintre ele poate fi
exprimat sub forma unui model vector de corectare a erorilor
Un model de corectare a erorilor este un model destinat a fi aplicat pentru seriile nestaionare care sunt
cunoscute ca fiind cointegrate.
Pas1: Aplicm MCMMP regresiei de cointegrare: yt = 0 + 1 xt + u t .
Pas2: Se estimeaz prin MCMMP modelul dinamic
yt = 0 + 1 ut 1 + 2 xt + t , 1 < 0
Modelul poate fi rescris sub forma:
yt = 0 + 1 ( y t 1 0 1 xt 1 ) + 2 xt + t deoarece u t 1 = yt 1 0 1 xt 1 .
Parametrul 1 msoar viteza de deplasare ctre noul echilibru.
Mecanismul de corectare a erorilor este yt 1 0 1 xt 1 = u t 1 .
Modelul de corectare a erorilor, de estimat prin MCMMP, va fi
)
y t = 0 + 1u t 1 + 2 xt + t , unde u t reprezint reziduurile din regresia de cointegrare.
Coeficientul 1 (fora de atracie spre echilibru) trebuie s fie semnificativ i negativ. n caz contrar,
mecanismul de corecie a erorii este de sens contrar, i evoluia se ndeprteaz de inta pe termen lung.
Interpretarea modelului de Corectare a Erorilor:
Abaterile de la echilibru, reprezentate prin erorile aleatoare u t , afecteaz y t i xt , astfel nct
variabilele yt i xt se apropie una de alta. Acest mecanism corecteaz erorile din sistem. De aceea
1u t 1 este numit i termenul de corectare a erorilor.
)
Dac 1 este negativ, termenul 1u t 1 va fi negativ i atunci y t va fi negativ pentru a restabili
echilibrul. Adic, dac yt este deasupra valorii de echilibru, va ncepe s scad n urmtoarea perioad
pentru a corecta eroarea de echilibru.
) )
n aceeai msur, dac u t 1 este negativ (adic dac yt este sub valoarea de echilibru), 1u t 1 va fi
pozitiv, ceea ce va face ca y t s fie pozitiv, deci yt va crete n urmtoarea perioad.
Dac 1 = 1 , reechilibrarea sistemului are loc ntr-o perioad.
Coeficientul lui xt (n acest caz 2 ) capteaz relaia pe termen scurt. El arat cum se modific imediat
Y i y , dac X crete cu o unitate.

2
Exemplul_1. Analiza a dou serii de timp cointegrate.

1. Analizm seriile de timp economice ce trebuie studiate

Considerm datele observate cu privire la 2 serii cronologice economice cu frecven trimestrial, n
perioada anilor 1985-2006, un total de 88 observaii pentru fiecare serie de timp. Seriile sunt:
Cheltuielile de Consum Personal (CCP) i Venitul Personal Disponibil (VPD).
Valorile observate se afl n fiierul Sem5 Consum-Venit.wf1.

Graficele seriilor arat c seriile au o tendin cresctoare, dei trendul nu este neted. Se observ c
media, variana i autocovarianele fiecrei serii nu par a fi invariante n raport cu timpul. Aceste serii
sunt serii de timp nestaionare.

Dac efectum testul Dickey-Fuller pentru fiecare din cele dou serii (CCP i VPD) gsim c fiecare are
o rdcin unitar, adic sunt serii nestaionare.
ntrebare: Care sunt ipotezele de testat?
Analizai t-statistic i Prob. Care ipotez va fi acceptat?

2. Regresii false sau aparente

Ne propunem s regresm Cheltuielile de Consum Personal (CCP) n raport cu Venitul Personal
Disponibil (VPD), pentru a determina legtura dintre cele dou variabile.
CCPt = 0 + 1 VPDt + u t .
Am obinut rezultatele
)
CCPt = 171,4412 + 0.96725 VPDt (vezi eq01).
Avem R2 = 0,9941, deci foarte aproape de 1, iar nclinaia marginal spre consum este pozitiv i panta
este semnificativ. Singura problem o ridic statistica DW. Avem DW=0,5316.
Dac R2>>DW, exist suspiciunea c regresia este fals.

3
Difereniem cele dou serii i obinem seriile staionare CCP=CCPtCCPt-1 i VPD=VPDtVPDt-1.
Vom aplica testul ADF pentru diferenele de ordin 1 ale celor dou serii. Rezultatele arat c seriile
diferenelor de ordin 1, adic D(CCP) i D(VPD) sunt staionare.

ntrebare: Care sunt ipotezele de testat?

Analizai t-Statistic i Prob. Care ipotez va fi acceptat?

Deoarece seriile CCP i VPD sunt staionare, este bine s regresm CCP n raport cu VPD?
Rspunsul este NU, deoarece, lund diferenele de ordinul nti ale seriilor, putem pierde relaia pe
termen lung dintre variabile, relaie care este dat prin nivelurile variabilelor.
Din graficele celor dou serii se vede c, dei au o tendin cresctoare stochastic, totui, cele dou
serii par a se modifica mpreun, n acelai ritm. Cele dou serii sunt serii cointegrate.
Combinaia liniar a celor dou serii CCP i VPD ar putea fi staionar. Putem scrie modelul:
u t = CCPt 0 1 VPDt .
Gsim c u t ~ I (0) sau staionar.
n concluzie, dac reziduurile, dintr-o regresie cu date serii de timp, reprezint o serie I(0), adic
staionar, metodologia de regresie clasic, ce include testele t i F, este valabil i aplicabil i datelor
de tip serii de timp.
O asfel de regresie se numete regresie de cointegrare, iar parametrul 1 este numit parametru de
cointegrare.
Modelul CCPt = 0 + 1 VPDt + u t a fost estimat (vezi EQ01).
Salvm reziduurile obinute la estimarea modelului din EQ01 sub numele res_eq01 sau ut.
Folosim comanda series res_eq01=resid sau series ut=resid.

4
Aplicm reziduurilor obinute din aceast regresie (res_eq01) testul ADF de rdcin unitar.

) )
Am obinut rezultatele urmtoare: u t = 0,2753 u t 1
t = [3,7582]
p = (0,0003)
(Variabila dependent este D(RES_EQ01) iar constanta este nesemnificativ)
Valoarea statisticii este 3,7582 i este mai mic dect valorile critice (3,5073, 2,8951 i 2,5847,
corespunztoare nivelurilor de semnificaie de 1%, 5% i 10%).
Deoarece Prob=0,0048<0,05 respingem H0 si acceptm H1 seria reziduurilor este staionar.
Rezult c seriile CCP i VPD sunt cointegrate.
3. Cointegrarea i mecanismul de corectare a erorilor
Am artat c seriile CCP i VPD sunt cointegrate, adic exist o relaie de echilibru pe termen lung ntre
ele. Desigur c, pe termen scurt ar putea exista dezechilibru. Se poate trata termenul eroare
ut = CCPt 0 1VPDt ca eroarea de echilibru. Se poate folosi acest termen eroare pentru a pune n
legtur comportamentul pe termen scurt al lui CCP cu valoarea lui pe termen lung. Folosim modelul
CCPt = 0 + 1 ut 1 + 2 VPDt + t .
)
u t 1 este estimaia empiric a termenului eroare de echilibru. Aceast ultim regresie leag modificarea
din CCP de modificarea din VPD i eroarea de echilibru din perioada anterioar. n aceast regresie
)
VPD capteaz perturbaiile pe termen lung din VPD, iar termenul u t 1 capteaz ajustarea ctre
)
echilibrul pe termen lung. Dac 1 este negativ, termenul 1ut 1 va fi negativ i atunci CCPt va fi
negativ pentru a restabili echilibrul. Adic, dac CCPt este deasupra valorii de echilibru, va ncepe s
scad n urmtoarea perioad pentru a corecta eroarea de echilibru. De aici este i denumirea de Error
Correction Mechanism. n aceeai msur, dac u t 1 este negativ (adic dac CCPt este sub valorea de
)
echilibru), 1u t 1 va fi pozitiv, ceea ce va face ca CCPt s fie pozitiv, deci CCPt va crete n
urmtoarea perioad. Astfel, valoarea absolut a lui 1 va arta ct de repede este restabilit echilibrul.
Dac 1 este semnificativ statistic, el arat ce proporie a dezechilibrului din CCP ntr-o perioad, este
)
corectat n perioada urmtoare. Vom estima modelul CCPt = a0 + a1VPDt + a 2 u t 1 + t
n Eviews specificm ecuaia: D(CCP) D(VPD) UT(-1) C EQ02

5
 ) )
CCPt = 11,69183 + 0,2906 VPDt 0,0867 u t 1
t = [5,3249] [4,1717] [1,6003]
2
R =0,1717, DW=d=1,92334
Statistic, termenul eroare de echilibru este zero, sugernd c CCP se adapteaz la schimbrile din VPD
n aceeai perioad de timp. Schimbrile pe termen-scurt din VPD au un impact pozitiv asupra
schimbrilor pe termen scurt din CCP.
Putem interpreta 2 = 0,2906 ca nclinaie marginal spre consum pe termen-scurt.
)
1 = 0,96725 este nclinaia marginal spre consum pe termen-lung.
Aceste rezultate arat c modificrile pe termen scurt din VPD au efect pozitiv semnificativ asupra seriei
CCP i c 0,0867 din discrepana dintre valoarea actual i cea de echilibru, sau pe termen lung, a lui
CCP este eliminat sau corectat pe fiecare trimestru.
Dar, pentru c p-value pentru coeficientul 1 este 0,1133, acest coeficient nu este semnificativ. Dac
privim regresia de cointegrare, nclinaia marginal spre consum era 0,96725, care sugereaz c exist
practic o relaie unu la unu ntre CCP i VPD i c CCP se ajusteaz la creterea pe termen lung destul
de rapid, ca urmare a unei perturbaii.

Rezumat Etape n Abordarea Engle-Granger

1. Testm dac fiecare serie este integrat de un anumit ordin. Folosim testul ADF pentru fiecare
variabil.
) )
2. Estimm regresia de cointegrare prin MCMMP i calculm u t = y t 0 1 xt .
)
3. Testm pentru cointegrare. Testm dac u t este staionar. Putem folosi testul ADF fr termen liber
)
deoarece u t are media zero. Dac u t este staionar tragem concluzia c seriile xt i yt sunt cointegrate
i va fi estimat un ECM pentru serii cointegrate. Dac u t este integrat, deducem c este potrivit un
model ce folosete diferenele lui xt i yt .
4. Estimm modelul de corectare a erorilor.
5. Evalum dac modelul este adecvat. Coeficientul lui u t 1 ar trebui s fie negativ i poate fi interpretat
ca vitez de ajustare.

6
 Robert Engle i Clive Granger au primit premiul Nobel pentru Economie n 2003.

Exemplul_2. Un exemplu de ECM

S presupunem c seriile Ct (consumul) i Vt (venitul disponibil) sunt serii macroeconomice care sunt
legate pe termen lung. Mai exact, vom presupune c tendina medie de consum pe termen lung este de
90%. Aceast relaie pe termen lung exist dac erorile din regresia Ct= Vt+Ut reprezint o serie
staionar, dei seriile Ct i Vt sunt non-staionare. S presupunem, de asemenea, c, dac Vt se schimb
dintr-o dat prin Vt, atunci Ct se schimb prin Ct=0,5Vt, adic tendina marginal de consum este
egal cu 50%. Ultima noastr presupunere este c diferena dintre consumul curent i cel al echilibrului
scade n fiecare perioad cu 20%.
n aceast caz, o modificare Ct=Ct-Ct-1 a nivelului Consumului poate fi modelat ca
Ct=0,5Vt 0,2(Ct-1 0,9Vt-1)+t
Primul termen din dreapta semnului egal descrie impactul pe termen scurt al schimbrii din Vt asupra lui
Ct, al doilea termen explic modificarea pe termen lung ctre relaia de echilibru dintre variabile, iar al
treilea termen reflect ocurile aleatorii primite de sistem. Vom lua n considerare dou tipuri de ocuri:
permanent i tranzitoriu (temporar). S presupunem c n perioada t-1 sistemul este n echilibru, adic
Ct-1=0,9Vt-1. Presupunem c n perioada t Vt crete cu 10 i apoi revine la nivelul anterior. Atunci, Ct
va crete, n perioada t, cu 5 (jumtate din 10), dar dup a doua perioad Ct ncepe s scad i converge
la nivelul lui iniial. n schimb, n cazul n care ocul la Vt este permanent, atunci Ct converge ncet la o
valoare care depete valoarea iniial Ct-1 cu 9.

Aceast structur este comun pentru toate modelele ECM. n practic, se evalueaz mai nti relaia de
cointegrare (ecuaia n niveluri) i apoi se introduce aceast relaie n modelul principal (n ecuaia n
diferene).

Exemplul_3. Estimarea unui model VAR

Vom folosi seriile de date Y1 i Y2 din fiierul Sem5-VAR.wf1

1) Testai dac seriile Y1 i Y2 au rdcin unitar (utilizai testul ADF)
2) Estimai un model VAR(1) dat sub forma:
Y1t = c1 + a11Y1 t 1 + a12 Y2 t 1 + 1t
Y2 t = c2 + a21Y1 t 1 + a22 Y2 t 1 + 2 t
Scriei standard errors n ( ) i t-statistics n [ ].

7
Folosii rezultatele pentru a testa cauzalitatea Granger.
3) Estimai un model VAR(2) dat sub forma:
Y1t = c1 + a11Y1 t 1 + a12 Y2 t 1 + b11Y1 t 2 + b12 Y2 t 2 + 1t
Y2 t = c2 + a 21Y1 t 1 + a 22 Y2 t 1 + b21Y1 t 2 + b22 Y2 t 2 + 2 t
Scriei standard errors n ( ) i t-statistics n [ ].
Folosii rezultatele pentru a testa cauzalitatea Granger.
Rezolvare:

1) Testm dac seriile Y1 i Y2 sunt I(0) sau I(1).

Testul ADF (Augmented Dickey-Fuller Unit Root Test)
H 0 : seria are rdcin unitar i este nestaionar
H 1 : seria este staionar

Vom estima un model VAR(1) cu dou variabile dat ca:

Y1t = c1 + a11Y1 t 1 + a12 Y2 t 1 + 1t

Y2 t = c 2 + a 21Y1 t 1 + a 22 Y2 t 1 + 2 t
Fiecare ecuaie conine ca variabile explicative lag-urile variabilelor endogene ( Y1 t 1 , Y2 t 1 ).
n scrierea matriceal, pentru dou variabile, un model VAR(1) are forma:
Y 1t c1 a11 a12 Y 1t 1 1t
= + + sau Yt = C + A Yt 1 + t
Y 2 t c 2 a 21 a 22 Y 2 t 1 2t
Pentru a specifica un model VAR n Eviews vom selecta Quick/Estimate VAR.
Selectm VAR Type: Unrestricted VAR.

Introducem specificaia dorit pentru numrul de laguri: 1 1

8
Fiecare coloan din tabel corespunde unei ecuaii din modelul VAR. Pentru fiecare variabil din partea
dreapt a ecuaiei Eviews afieaz coeficientul estimat, eroarea sa standard i statistica t.
Pe meniul ecuaiei VAR01 selectm View/Representation i obinem:

Y1t = 7,0389 + 0,0193 Y1 t 1 + 0,4405 Y2 t 1

(2,4174) (0,1034) (0,0979)
[2,9118] [0,1866] [4,4982*]

Y2 t = 7,6567 + 0,2408 Y1 t 1 + 0,2834 Y2 t 1

(2,9343) (0,1255) (0,1188)
[2,6093] [1,9185] [2,3842*]

Analiza cauzalitii dintre variabile

Testm pentru cauzalitatea Granger.

9
Variabila Xt influeneaz, n sens Granger, variabila Yt dac valorile curente ale lui Yt pot fi prognozate
mai bine cu valorile decalate ale lui Xt dect fr ele.
Vom admite c Y2 influeneaz Granger pe Y1 dac respingem H0.

H 0 : a12 = 0 (Y2 nu influeneaz Granger pe Y1)

H1 : a12 0 (Y2 influeneaz Granger pe Y1)
Din output se vede c F-Statistic = 20,2341 i Prob = 0,0000. Respingem ipoteza nul la pragul de
semnificaie de 5% i admitem c Y2 influeneaz Granger pe Y1.

Vom admite c Y1 influeneaz Granger pe Y2 dac respingem H0.

H 0 : a 21 = 0 (Y1 nu influeneaz Granger pe Y2)
H1 : a 21 0 (Y1 influeneaz Granger pe Y2)
Din output se vede c F-Statistic = 3,6808 i Prob = 0,0591. Nu putem resping ipoteza nul la pragul de
semnificaie de 5% i admitem c Y1 nu influeneaz Granger pe Y2.

Pe ecuaia VAR01 selectm:

View/Lag Structure/ Granger Causality/Block Exogenity Tests

3) Vom estima un model VAR(2), deci cu dou lag-uri pentru fiecare variabil:

Y1t = c1 + a11Y1 t 1 + a12 Y2 t 1 + b11Y1 t 2 + b12 Y2 t 2 + 1t

Y2 t = c2 + a 21Y1 t 1 + a 22 Y2 t 1 + b21Y1 t 2 + b22 Y2 t 2 + 2 t

10
Y1t = 7,2181 0,0521 Y1 t 1 + 0,4758 Y2 t 1 + 0,0858 Y1 t 2 0,0406 Y2 t 2
(2,6082) (0,1369) (0,1127) (0,1078) (0,1145)
[2,7675] [-0,3802] [4,2210*] [0,7967] [-0,3546]

11
Y2 t = 8,5605 + 0,2871 Y1 t 1 + 0,3172 Y2 t 1 + 0,0281 Y1 t 2 0,1551 Y2 t 2
(2,6082) (0,1369) (0,1127) (0,1078) (0,1145)
[2,6900] [1,7187] [2,3060*] [0,2135] [-1,1096]
Not: Coeficienii semnificativi ne arat acei termeni care au influen asupra variabilei endogene.
Vom admite c Y2 influeneaz Granger pe Y1 dac respingem H0.

H 0 : a12 = b12 = 0 (Y2 nu influeneaz Granger pe Y1)

H1 : cel puin a12 0 sau b12 0 (Y2 influeneaz Granger pe Y1)
Din output se vede c F-statistic = 8,93228 i Prob = 0,0004. Respingem ipoteza nul la pragul de
semnificaie de 5% i admitem c Y2 influeneaz Granger pe Y1.

Vom admite c Y1 influeneaz Granger pe Y2 dac respingem H0.

H 0 : a 21 = b21 = 0 (Y1 nu influeneaz Granger pe Y2)
H 1 : cel puin a21 0 sau b21 0 (Y1 influeneaz Granger pe Y2)
Din output se vede c F-statistic = 1,4775 i Prob = 0,2354. Nu respingem ipoteza nul la pragul de
semnificaie de 5% i admitem c Y1 nu influeneaz Granger pe Y2.

12