Documente Academic
Documente Profesional
Documente Cultură
UTILIZATE ÎN ECONOMIE
Modelul regresiei simple
(recapitulare)
Clasificarea modelelor econometrice
Nr. variabilelor factoriale
Modele unifactoriale y f ( x) u
Modele multifactoriale y f ( x1 , x2 ,..., xn ) u
Forma legăturii
Modele liniare C a bV u
Modele neliniare C aV bu
Sfera de cuprindere
Modele parţiale
Modele globale (agregate)
Considerarea timpului, ca factor
Modele statice yt f ( x1t , x2t ,..., xkt ) ut
Modele dinamice yt f ( x1t , x2t ,..., xkt , t ) ut
Clasificarea modelelor econometrice
Nr. de ecuaţii
Cu o singură ecuaţie
Cu ecuaţii multiple
Scopul utilizării
Modele euristice, raţionale – în teoria economică
Modele decizionale, operaţionale – în practica economică
Modelele dinamice
Introducerea în mod explicit a variabilei timp
yt f ( x1t , x2t ,..., xkt , t ) ut
Modele autoregresive yt f ( xt , yt 1, yt 2 ,..., yt k ) ut
Modele cu lag distribuit yt f ( xt , xt 1 , xt 2 ..., xt k ) ut
ECONOMETRIA FINANCIARĂ
Ce este Econometria?
- “mărimi si măsurători în economie”.
Econometria financiară:
Aplicarea tehnicilor statistice şi matematice
la problemele din domeniul finanţelor
Exemple de probleme ce pot fi rezolvate
Calitatea
Prețurile activelor înregistrate sunt de obicei acelea la
care a avut loc tranzacția. Deși nu există posibilitatea
erorilor de măsurare, totuși datele financiare sunt
afectate de “zgomot”.
Tipuri de date folosite – serii de timp
3 tipuri de date care ar putea fi folosite în analiza econometrică:
- serii de timp (Time series data) – analiză longitudinală
- serii de date instantanee (Cross-sectional data) – analiză transversală
- paneluri (Panel data), o combinație 1 & 2.
Datele pot fi:
Cantitative (ex.: rate de schimb, prețurile acțiunilor, nr. de acțiuni în circulație),
pt pt 1 pt
Rt 100% Rt ln 100%
pt 1 pt 1
Motivele sunt:
1. Pot fi interpretate ca fiind rate compuse continue (continuously
compounded returns)
2. Se pot aduna, de exemplu dacă vrem un profit săptămânal
(weekly return) şi dispunem de valorile zilnice ale ratelor
profitului (daily log returns):
r1 = ln p1/p0 = ln p1 - ln p0
r2 = ln p2/p1 = ln p2 - ln p1
r3 = ln p3/p2 = ln p3 - ln p2
r4 = ln p4/p3 = ln p4 - ln p3
r5 = ln p5/p4 = ln p5 - ln p4
ln p5 - ln p0 = ln p5/p0
Dezavantajul utilizării “Log Returns”
Culegerea datelor
Estimarea modelului
NU DA
Varianţa erorilor pentru fiecare xi (varianţa condiţionată a lui i) este un număr
pozitiv constant şi egal cu 2 sau altfel spus, populaţiile lui y, corespunzătoare valorilor
xi, au aceeaşi varianţă. Situaţia opusă se numeşte heteroscedasticitate şi se poate nota:
V i / xi i2 , şi unde varianţa nu mai este constantă, i=1,n.
Ajustarea liniară a profitului în funcţie de numărul de angajaţi
230
210
190
170
profit (mii euro)
150
130
110
90
70
50
0 50 100 150 200 250 300 350 400 450 500 550
ymed ymed.teoretic număr angajaţi (persoane)
5. Nu există corelaţia (covarianţa) erorilor.
cov( i , j ) E[ i E ( i )][ j E ( j )] E ( i j ) 0 pentru oricare i j.
Pentru anumite valori date xi, abaterile oricăror două valori y de la valoarea
lor medie nu prezintă nici o tendinţă.
unde t = 1, 2, 3, 4, 5
Exemplu de regresie simplă
Se dau următoarele date despre excesul de profit “excess
returns” al portofoliului unui manager de fond (“fund XXX”)
împreună cu excesul de profit al indexului de piaţă:
45
Excess return on fund XXX
40
35
30
25
20
15
10
5
0
0 5 10 15 20 25
Excess return on market portfolio
Regresia simplă (cont.)
yi
û i
ŷi
xi x
Regresia simplă – determinarea
termenului “intercept” şi “slope”
Se determină (the intercept) şi (the slope) astfel
încât distanţele de la puncte la model să fie minime:
x
Dispersia reziduurilor
n n
naˆ 0 aˆ1 xi yi
i 1 i 1
n n n
aˆ 0 xi aˆ1 xi2 xi yi
i 1 i 1 i 1
2 ˆ
var(aˆ1 ) ˆ aˆ V aˆ1
i
n
(x
1 2
i x) 2 x x
i 1 i
x2
V aˆ 0 ˆ
x2 1
2 1
var(aˆ0 ) n ˆ aˆ
n
0
n xi x 2
( xi x ) 2
i 1
i
Precizia şi erorile standard ale estimatorilor
Abaterile estimatorilor sunt:
ˆ x2
ˆ aˆ V aˆ1 V aˆ 0 ˆ
1
ˆ aˆ
n xi x 2
x x
1 2 0
i
i i
n
2
1 1 1
2
2 2
E w k w2 k ..... w1k11 2 ... w1k n 1 n ... E wi ki i2
i 1
2 1 2 ki 2
ˆ 2 n 2
n n n
ˆ E k i x k i
ˆ E k i x E ki x ˆ E ki2
i 1 n i 1 n n i 1 i 1
n 2 1
ˆ E ki x
x 2
ˆ 2 n
x var(aˆ1 )
i 1
i
( x
i 1
x ) 2
2
var(a )
1 n
var(aˆ1 )
i
( x
i 1
x ) 2
1 ) var(a1 ) şi estimatorul nu va mai fi de
În caz contrar var( a ˆ
varianţă minimă. Dacă există un estimator de varianţă
minimă acela este cel al metodei celor mai mici pătrate. În
mod similar se poate arăta şi pentru â 0 că este estimatorul
de varianţă minimă pentru parametrul a 0 .
â1
a1
distribuţia lui â1 distribuţia lui a1 distribuţia lui â1 şi a1
Tabela de regresie
cuprinde în sumarul său, SUMMARY OUTPUT, trei părţi:
Regression Statistics,
tabelul ANOVA şi
informaţiile despre estimatorii coeficienţilor modelului liniar.
Regression Statistics conţine informaţii cu caracter general despre
variabilele implicate în analiza de regresie:
coeficientul de corelaţie multiplă Multiple R, care la regresia simplă este
coeficientul de corelaţie liniară simplă, r;
coeficientul de determinaţie R2, numit R Square arată validitatea modelului.
Adjusted R Square care este R2 ajustat cu un anumit număr de grade de
libertate;
Standard Error este eroarea medie standard a valorilor teoretice ale lui y şi se
calculează ca o abatere medie pătratică a valorilor empirice faţă de cele
teoretice:
n n
yi yˆ i i
2 2
e
ˆ i 1
i 1
ˆ 2
n k 1 n k 1
Observations reprezintă n este numărul de observări ale variabilei dependente,
care este egal cu numărul de valori ale variabilei (variabilelor) independente xi.
Coeficientul de determinaţie.
n n
y2 / x ( yi y )
ˆ 2
( yi yi )
ˆ 2
R
2
i 1
1 i 1
1 N 2
2 n n
y
i
( y
i 1
y ) 2
i
( y
i 1
y ) 2
y2 / x i
( ˆ
y y ) 2
i i
( y ˆ
y ) 2
R i 1
1 i 1
y 2 n n
i
( y
i 1
y ) 2
i
( y
i 1
y ) 2
Coeficientul de corelaţie simplă
-1 < r < 1
n
(x i x )( yi y )
cov( X , Y ) i 1
n
cov( X , Y )
r=
xy
n n n
n x i yi x i yi
rxy i 1 i 1 i 1
n 2 n 2 n 2 n 2
n x i x i n y i y i
i 1 i 1 i 1 i 1
Tabelul de analiză a varianţei pentru
regresia simplă
Sursa variaţiei Suma pătratelor Grade Pătrate
libertate medii
190
170
150
130
yi yi
i ei
110
E(y/x) E(y/xi)
90
70
0 50 100 150 200 250 300 350 400 450 500 550
i i
( x x ) 2
ˆ 2
Ipoteza de normalitate a erorilor implică: (n 2) 2 urmează o lege 2
cu n-2 grade de libertate.
aˆ1 a1 aˆ 0 a 0
şi urmează o lege normală centrată redusă N(0,1).
aˆ
1
aˆ 0
ˆ 2 ˆ a2ˆ
urmează o lege cu n-2 grade de libertate.
2
(n 2) 2 (n 2) 2
aˆ
Rezultă că:
aˆ 0 a 0 aˆ a1 urmează o lege Student cu n-2 grd. lib.
şi 1
ˆ aˆ0 ˆ aˆ1
Testul de semnificaţie al estimatorilor şi intervalele de încredere ale
acestora apar ca fiind consecinţe ale ipotezei de normalitate a erorilor.
Teoria testelor statistice: raţia Student
H0 cu probabilitatea P=1-
H1 H1
/2 /2
I
/ 20.025
t n2 grd.lib. a1 t n/22grd
0.025
.lib.
t t
2 1 x2 x n21 2 x n 1 x
ˆ 1 2
n ( xt x ) 2 ( xt x ) 2 t t
( x x )
t t
2
ˆ 2 1
1 ( x n 1 x )
n ( xt x ) 2
t
Previziuni cu modelul regresiei simple
Abaterea medie pătratică a erorii de previziune este:
1 ( x n 1 x ) 2
ˆyˆ n 1 ˆ n 1
t
n
( x x ) 2
t 1
1 ( x n 1 x ) 2
ICy n 1 yˆ n 1 t n/22 ˆ 1
n ( xt x ) 2