Seminar 2: Rata somaj

ANALIZA DE CORELOGRAMA (STATISTICA BARTLETT, LJUNG-

BOX, BOX-PIERCE):

a) Testul Bartlett
H0: SK=0 coeficientii de autocorelatie nu sunt statistic semnificativi
H1:SK!=0 coeficientii de autocorelatie sunt statistic semnificativi
Interpretare:
Coeficientii de autocorelatie pana la lag-ul 13 inclusiv, sunt in afara intervalului de
incredere (adica nu apartin intervalului (-1,96×1/√ T , 1,96×1/√ T )=(-17,17), unde
T=nrul de observatii)→ sunt statistic semnificativi diferiti de 0→ seria e nestationara (
trebuie sa fie calup diferit de 0, la AC).

b) Testul Box-Pierce
Ipoteze: HO: Seria e stationara
H1: Seria e nestationara.
Interpretare:
Daca luam m=3 → H(0): S1=S2=S3=0 stationara , unde S=ro roman
H(1): exista Sk ǂ0 nestationara
Construim o statistica Q BP = nr obsevatii * ( ^
S 1+ S^2+ S^3) = 121 * (0.9782+ 0.9282+
0.8702) → le luam de la AC.
 Decizia: daca Q BP > fi patrat tabelat (7.81 se stie pentru m=3 si 0.05 grade de
libertate) → se respinge ipoteza nula→ seria e nestationara.

c) Testul Ljung- Box

Ipoteze: HO: Seria e stationara
H1: Seria e nestationara.
Interpretare:
Daca luam m=3 → H(0): S1=S2=S3=0 stationara
H(1): exista Sk ǂ0 nestationara
Q LB= nr observatii * (nr observatii-2) *[ ^ S 12 /nr observatiii-lag 1+ ^
S 22/nr observatii-
S 32/nr observatii-lag3]→
lag2 + ^
Q LB= 121*119*[0.9782/121-1 + 0.9282/121-2 + 0.8702/121-3) → le luam de la AC.
Decizia : daca Q LB>fi patrat tabelat (7,81)→ resping H(0)→ serie nestationara

SAU Ne uitam la:

Prob( eroarea pe care o fac daca resping ipoteza nula)<0.05→ resping H(0)→ serie
nestationara

SEMINAR 3: Metoda de netezire exponentiala Holw-Winters

Se consideră profiturile (milioane Euro) înregistrate de o companie multinațională în perioada

2010 – 2017, date trimestriale.
PROFIT
3.0

2.5

2.0

1.5

1.0

0.5

0.0
2010 2011 2012 2013 2014 2015 2016 2017

Figura 1 – Evolutia profiturilor companiei între 2010 – 2017

În urma aplicării unei metode de netezire exponențială, se obține următorul output:

 Sample: 2010Q1 2017Q4
Included observations: 32
Method: Holt-Winters Multiplicative Seasonal
Original Series: PROFIT
Forecast Series: PROFITSM

Parameters: Alpha 0.4000

Beta 0.1000
Gamma 0.0500
Sum of Squared Residuals 0.108775
Root Mean Squared Error 0.058303

End of Period Levels: Mean 1.610226

Trend 0.046193
Seasonals: 2017Q1 0.619978
2017Q2 0.960279
2017Q3 0.756759
2017Q4 1.662984

Figura 2 – Rezultatele aplicării unei metode de netezire exponențială asupra seriei

Cerințe:
a) Menționați ce metodă a fost aplicată și justificați alegerea
b) Previzionați valorile profiturilor pentru trimestrele 3 si 4 din anul 2018.

Rezolvare pe bune:
a) Metoda aplicata a fost metoda de netezire exponentiala Holt Winters de tip
Multiplicativ cu componenta sezoniera-> model multiplicativ, deoarece:
- fluctuatiile trendului nu sunt constante
- avem componenta sezoniera
Holt Winters Multiplicativ cu luarea in considerare a trendului, fluctuatiilor reziduale
si fluctuatiilor sezoniere observate in grafic.
Trendul este crescator, iar fluctuatiile in jurul trendului nu sunt constante in timp, ci se
amplifica -> de aceea este potrivit tipul de model multiplicativ.

b) Previziune:

ŶT+h= (ŶT+h*TRT)*ST-p+h , ST-p+h= indicele corespunzator sezonului, aici

trimestrului

Ŷ2018Q3= (1.61+3*0.046)*0.75
Ŷ2018Q4= (1.61+4*0.046)*1.66
SEMINAR 4

Analiza stationaritatii:
-analiza graficului: din grafic obs ca seria are o componenta nestationara ( seria e
nestationara in varianta)

-analiza corelogramei :
 Am facut pt level care arata seria in nivel yt , se observa ca avem un singur
lag. Observăm că în funcția de autocorelație (definită prin indicatorul AC), există valori ce
diferă semnificativ de 0 și este descrescătoare, ceea ce înseamnă că are o componentă de tip
AR. AC(functie autocorelatie) porneste de la o val foarte apropiata de 1( 0,96), iar coef de
AC descresc f lent carte 0( pana la lagul 27 coef devin nesemnificativi)-> seria ar avea un
caracter NESTATIONAR
Statistica Q prezintă valori foarte mari și de aceea putem spune că seria este
nestaționară, iar pentru verificarea staționarității vom aplica în continuare testele Unit-Root
→ADF ( Augumented Dickey-Fuller).

- TESTELE ADF
Test Unit-Root (ADF) are următoarele ipoteze:
H(0): Seria logaritmată are rădăcina unitate ( e nestaționară).
H(1): Seria logaritmată nu are rădăcină unitate ( e staționară).

Forma INTERCEPT
 Se observă din , că Prob*= 0.6151> 0.05→ vom accepta ipoteza nulă→seria e
nestaționară.

- TREND si INTERCEPT
 Se obs Prob c= 0.01 < 0.05 -> coef term liber e statistic seminificativ , iar Prob
Trend = 0.02< 0.05 ->e statistic seminificativ.
Pentru a lua decizia , analizam că Prob*= 0.28> 0.05→ vom accepta ipoteza
nulă→seria Curs Euro are radacina unitate-> e nestaționară.
Dyt=d(curs_euro)=-0.14++1.13*10-5+(-0.09)yt-1
Conform rezultatelor obținute observăm că valoarea testului ADF este -2.58 mai mare
decât valorile critice pentru nivelurile de semnificație 1%, 5%, 10%, așadar aceptam ipoteza
nulă, deci seria este nestaționară.
Deoarece seria prezinta radacina unitate, stationarizarea se face prin diferentiere.
 Stationarizarea prin diferentiere

Ne arata modificarile cursului euro de la o zi la alta.

Observam ca cursul euro a crescut in luna iulie cu 0.002000 fata de luna iunie.

A rezultat un grafic cu media aproape 0, iar fluctuatile sunt in jurul mediei 0->serie
stationara. Am realizat statistici descriptive pentru seria de date diferențiată pentru a arăta că
aceasta variază în jurul unei medii 0.
Test Bartlett
H0: Sk=0 coeficientii de autocorelatie nu sunt statistic semnificativi
H1:Sk!=0 coeficientii de autocorelatie sunt statistic semnificativi
 Coeficientii de autocorelatie pana la lag-ul 13 inclusiv, sunt in intervalului de
incredere (adica apartin intervalului (-1,96×1/√ T , 1,96×1/√ T )=(-0.16,0.16), unde
T=nrul de observatii)→ nu difera semnificativ de 0→ nu sunt statistic semnificativi.
Observăm că în funcția de autocorelație (definită prin indicatorul AC), nu există
valori ce diferă semnificativ de 0 și este nu este descrescătoare.Prob >0.05-> coeficientii de
autocorelatie nu difera semnificativ de 0 -> se accepta H0->nu sunt statistic semnificativi.
Avem varfuri la lag-ul 4,11 deoarece depasesc intervalul de incredere ->accept H1->
coeficienti de autocorelatie asociati sunt statistic semnificativi.
 Test ADF pe NONE: fara trend, fara termen liber:

Din testul ADF 8, aplicat pe seria de date diferențiată, observăm că valoarea lui
Prob*=0.0000<0.05→respingem ipoteza nulă de la testul ADF → seria diferențiată este
staționară. Cea mai corecta forma este cea cu NONE.
Alegem None pt ca seria variaza in jurul unei medii 0 ( daca ne uitam pe descriptive
statistics).
Deoarece am facut o singura diferentiere si seria de date s-a stationarizat -> curs euro e
integrata de ordinul 1 (ORDINUL DE INTEGRARE).
Exercitiu 1
Se consider tabelele de output de mai jos obținute pentru o serie de timp, Yt:

A) Care sunt ipoteza nulă si alternativă ale testului din prima figură? Scrieți ecuația testului și
interpretați rezultatul.
B) Ce modele AR / MA / ARMA ati putea utiliza pentru aceasta serie ? Justificați raspunsul.
Rezolvare:
A)Test Unit-Root (ADF) are următoarele ipoteze:
H(0): Seria logaritmată are rădăcina unitate ( e nestaționară).
H(1): Seria logaritmată nu are rădăcină unitate ( e staționară).
 Ecuatia testului ADF:

Δyt=µ+ δ*yt-1+∑αi *dyt-i+Et

Δyt=0.109-0.465*yt-1+0.54 *dyt-1+Et +interpretare ecutie
Prob*=0.00<0.05→respingem ipoteza nulă de la testul ADF → seria diferențiată este
staționară.
B) FAC descreste sinusoidal catre 0 si FACP se anuleaza dupa lag-ul 3 -> FACP are 2
varfuri-> Cred ca e AR(1) si AR(3).

Exercițiu 2
Se considera următoarele rezultate obținute în urma aplicării unor teste asupra Ratei Șomajului în
România (serie lunara, 2010 – 2017):

Comentați staționaritatea seriei pe baza rezultatelor de mai sus și specificați ordinul de integrare
al seriei.Justificați!
Rezolvare:
Din testul ADF, aplicat pe seria de date diferențiată, observăm că valoarea lui
Prob*=0.0000<0.05→respingem ipoteza nulă de la testul ADF → seria diferențiată este
staționară.
Ecuatia pentru forma cu termen liber (CONSTANT)= INTERCEPT:

Δyt=µ+ δ*yt-1+∑αi *dyt-i+Et

Deoarece am facut o singura diferentiere si seria de date s-a stationarizat -> seria e
integrata de ordinul 1 (ORDINUL DE INTEGRARE).
 Conform rezultatelor obținute observăm că valoarea testului ADF este -6.00 mai mic
decât valorile critice pentru nivelurile de semnificație 1%, 5%, 10%, așadar respingem
ipoteza nulă, deci seria este staționară.

Pe baza corelogramei de mai jos (a primei diferențe pentru rata șomajului) ce proces(e) ați alege
pentru modelarea seriei?

Combinatie de AR si MA, avem lag la 1, 11, 12= pot fi ordine pentru MA.
 Modele ce pot fi testate pentru validitate: AR(1), AR(11), AR(12), MA(1), MA(11),
MA(12), ARMA(11,12)=ARMA(1,11;1,12).
De obicei ARMA(11,12) e cel mai bun si l-as alege.
As alege si ARMA(1,1) si ARMA(12,12).

Exercitiu – Box Jenkins

Pentru seria Rata Somajului (date lunare, 2007 – 2016) , se estimeaza modelul de mai jos.
Cerinte:
a) Scrieti ecuatia modelului, menționati tipul de model și ordinul de integrare al seriei inițiale.
Justificati
b) Comentati calitatea modelului estimat pe baza predicției realizate.
c) Estimați valoarea ratei somajului pentru luna ianuarie 2018 stiind urmatoarele:
Rezolvare>
a) Ecuatia modelului:
zt=1.64*10-5+0.24*zt-2+0.55*Et-1+0.17*Et-3+Êt , unde Zt= Δln(somaj)t
Δln(somaj)t=1.64*10-5+0.24*Δln(somaj)t-2+0.55*Et-1+0.17*Et-3+μt

Tipul de model este: ARMA(2,3) pentru ca la MA, 3 e termenul cel mai din TRECUT.
ARMA(2,3)->zt (pentru seria diferentiata Δln(somaj) )
Pentru seria initiala (somaj) avem un model de tip ARIMA(2,1,3), unde 1=ordinul de intgrare
deoarece avem sus in print screen dlog(rata somaj, 1) -> arata ca diferentierea a fost facuta o
singura data. Ceea ce inseamna ca seria e integrata de ordin 1, pentru ca a fost nevoie de o
singura diferentiere sa o stationarizam.

c) Calitatea modelului estimat pe baza predicttiei:

R2 mare, coeficientii semnificativi PROB<0.05, F statistic foarte mare
Se observă faptul că valoarea coeficientului Theil de 0.008 CU CAT E MAI APROAPE DE
0, cu atat valorile previzonate se aproprie de cele actuale si deci predictia ARE E CALITATE
MAI BUNA si este de incredere.THEIL CU CAT E MAI APROAPE DE 1, CU ATAT E
PREDICTIA E DE O CALITATE MAI SLABA. THEIL E CUPRINS IN (0,1).
Bias Proportion arată cât de departe se situează media predicției de valoarea actuală.
Variance arată cât de departe este varianța predicției față de valoarea actuală.
Covariance măsoară erorile nesistematice de predicție.
Cu cât Variance și Bias sunt mai mici, iar valoarea lui Covariance are o pondere mai mare, cu
atât predicția este mai bună, de o calitate , acuratete mare.
C) PE CAIET.

Modele multivariate
Metodologia Johanson

CUM ARATA UN OUTPUT si o interpretare:

**MAI E SI IN CAIET, pe alt exemplu.

Exercitiu VAR + Cauzalitate Granger

Pentru a testa existența unei corelații semnificative între rata dobanzii de politică monetară
(RM) și rata dobanzii la facilitatea de depozit (RDD), s-au folosit date lunare, rezultatele fiind
prezentate mai jos:

a) Scrieti modelul VAR asociat tabelului de mai sus si comentati legatura dintre rata dobanzii
de politica monetara si rata dobanzii la facilitate de depozit.
Rezolvare:
a) Modelul VAR asociat tabelului:
Comentariu: SE ADUNA TOATE!!!!!! NU SE SCADE NIMIC!
RDDt= -0.03+0.9RDDt-1+0.03RDDt-2 + 0.48RMt-1– 0.45RMt-2 +Et
RMt= 0.16+1.26RMt-1-0.29RMt-2-0.028RDDt-1+0.00RDt-2+Et
Cu RDD si RM integrate de ordin 0, pentru ca sunt deja stationarizate, fara sa se
aplice diferentierea.
RDD depinde de RM, deoarece coeficientii asociati testului t (cele din parantezele
drepte : 5.77 si -5.77 (pentru RM, la RDD), sunt in modul mai mari ca 2 -> RM din t-
1, t-2 are un impact asupra RDD.
RDD din t-1 si t-2 nu influenteaza RM deoarece coeficientii asociati testului t: -0.30
si 0.01 in modul sunt mai mici ca 2.

b) H0: RDD nu cauzeaza Granger RM

H1: RDD cauzeaza Granger RM

Prob =0.7>0.05 -> accept H0-> RDD nu cauzeaza Granger RM

H0: RM nu cauzeaza Granger RDD

H1: RM cauzeaza Granger RDD

Prob= 3*10-7<0.05 -> resping H0 ->RM cauzeaza Granger RDD.

Rezolvare:
a) Inflatia si pretul sunt integrate de ordin 1 amandoua si cointegrate Johansen, deci
exista cel putin o relatie de cointegrare.
Forma adecvata a modelului, pe baza componentelor deterministe s-a dedus prin
modelul VECM multivariat.

NE UITAM DOAR LA INFLATIE_SUA(-1) si PRET_TITEI(-1) de sus, ca alea

sunt pe TERMEN LUNG:
Ecuatia de cointegrare:
Inflt-1-0.66*Pret t-1+ 2.004= Et-1
 Vector de cointegrare [1,-0.66]
Relatia de echilibru pe Termen Lung de COINTEGRARE:
Inflt-1= 0.66*Pret t-1- 2.004+ Et-1
Coeficientul pretului ( ala din parantezele [ ], adica -2.23 in modul e >2 -> e
seminificativ statistic-> pretul influenteaza inflatia.

B) VECM: NE UITAM IN TABELUL 2 GEN.

ΔINFL= -0.014-0.039*ECTt-1+0.28 ΔINFLt-1+ 0.23 ΔINFLt-2+0.002ΔPrett-1+0.006 ΔPrett-2+
Vt
Unde ECTt-1 este Et-1 din relatia pe termen lung

Pe T LUNG: α= - 0.39= viteza de ajustare la echilibru < 0 -> seriile converg,

ajung la echilibru -> are loc ajustarea, dezechilibrul se reduce.
Ne uitam la primul [ ]:
Tcalc= |-2.94| > tcritic(2) -> coeficient semnificativ
-> sistemul ajunge la echilibru pe Termen lung, ajustarea fiind de 3,9% pe luna,
adica 3.9% din dezechilibrul sistemului este ajustat in urmatoarea perioada.

Pe T SCURT: Titeiul cauzeaza Granger Inflatia daca coef corespunzat ΔPrett-1 si

ΔPrett-2 sunt semnificativi statistic ->[ 0.32] si [0.96] sunt mai mici decat 2, in
modul -> coeficienti nesemnificativi -> pretul nu cauzeaza Granger inflatia ->
nu exista cauzalitate Granger dinspre pret spre inflatie-> modificarile care au loc
in Pret nu preced modificari in Inflatie.

Cand socul corespunzator ecuatiei pretului titeiului are loc, se propaga catre pretul
tieiului, iar cand pretul titeiului creste, rata inflatiei creste cu o rata crescatoare in prima luna
si jumatate, iar dupa aceea cresterea in rata inflatiei are loc cu o rata descrescatoare .
Rata inflatiei creste in timp la un soc aferent pretului titeiului (trend crescator) , dupa
10 luni ajungand la o crestere de aproximativ 0.25% ( se vede aproximativ din desen).
Exercitiu VECM:

Rezolvare:
a) Inflatia si GDP sunt integrate de ordin 1 amandoua si cointegrate Johansen, deci
exista cel putin o relatie de cointegrare.
Forma adecvata a modelului, pe baza componentelor deterministe s-a dedus prin
modelul VECM multivariat.

NE UITAM DOAR LA INFLATI(-1) si GDP(-1) de sus, ca alea sunt pe

TERMEN LUNG:
Ecuatia de cointegrare:
GDPt-1 -0.126*Infl t-1 -2.7= Et-1
Vector de cointegrare [1,-0.126]
Relatia de echilibru pe Termen Lung de COINTEGRARE:
GDPt-1 = 0.126*Infl t-1 + 2.7+ Et-1
 Coeficientul inflatiei ( ala din parantezele [ ], adica -0.79 in modul e <2 -> e
neseminificativ statistic-> inflatia nu influenteaza GDP.

B) VECM: NE UITAM IN TABELUL 2 GEN

ΔGDP= -0.066-0.55*ECTt-1-0.055 ΔGDPt-1-0.75 ΔINFLt-1+ Vt
Unde ECTt-1 este Et-1 din relatia pe termen lung

Pe T LUNG: α= - 0.55= viteza de ajustare la echilibru < 0 -> seriile converg,

ajung la echilibru -> are loc ajustarea, dezechilibrul se reduce.
Ne uitam la primul [ ]:
Tcalc= |-3.58| > tcritic(2) -> coeficient semnificativ
-> sistemul ajunge la echilibru pe Termen lung, ajustarea fiind de 55% pe an,
adica 55% din dezechilibrul sistemului este ajustat in urmatoarea perioada.

Pe T SCURT: Inflatia cauzeaza Granger GDP daca coef corespunzat sunt

semnificativi statistic ->[ -2.77] > decat 2, in modul -> coeficient semnificativ
-> inflatia cauzeaza Granger GDP -> exista cauzalitate Granger dinspre inflatie
spre GDP-> modificarile care au loc in Inflatie preced modificari in GDP.
In sens invers pe t scurt, nu exista cauzalitate Granger pentru ca |-1.21|<2 ->
coeficient nesemnificativ statistic. Si nici pe T lung nu exista pentru ca ECT t-1=
0,27>0 , semnific statistic => seriile nu converg la echilibru pe T lung.

3. Pentru a testa existența unei corelații semnificative între rata reala a dobanzii si PIB-ul
real s-au folosit date trimestriale, rezultatele fiind prezentate mai jos:

a) Exista o relatie de cointegrare intre seriile analizate? Definiti si Exemplificati conceptul de

cointegrare(1p)
b) Descrieti cauzalitatea Granger si mentionati daca exista o relatie de cauzalitate Granger pe
termen lung si pe termen scurt intre variabilelele analizate.
c) Interpretati economic rezultatele din outputul VECM si cuantificați impactul ratei dobanzii
asupra PIB-ului real.

Rezolvare:

a) H0: exista r relatii de cointegrare

H1: exista r+1 relatiii de cointegrare.

Se testeaza succesiv pt r=0,1,...,n-1.

Se opreste testarea cand gasim un H0 care se accepta.

La None Prob=0.01 < 0.05 -> se respinge H0.

La At most 1 Prob=0.43 > 0.05 -> se accepta H0 -> exista o relatie de Cointegrare -> se
preteaza modelarea VECM.

b) Cauzalitatea Granger pe T Lung: α (adica ECTt-1)= -0.07 <0 -> seriile de

timp converg , ajung la echilibru-> are loc ajustarea -> dezechilibrul se reduce.
Testul t [ -4.00] in modul >2 -> coeficient semnificativ
-> sistemul ajunge la echilibru pe Termen lung, ajustarea fiind de 7% pe an, adica 7% din
dezechilibrul sistemului este ajustat in urmatoarea perioada.
Cauzalitatea Granger pe T Scurt:
[1,08] < decat 2, in modul -> coeficienti nesemnificativi -> GFP nu cauzeaza Granger
dobanda-> nu exista cauzalitate Granger dinspre GDP spre dobanda -> modificarile care
au loc in GDP nu preced modificari in dobanda.