Documente Academic
Documente Profesional
Documente Cultură
6000
5500
5000
puncte
4500
4000
3500
zile
Trend Stationary Processes (TSP)?
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.990315 y t a 0 ryt 1 a1Tt vt
R Square 0.980724
Adjusted R 0.980566
Standard Error 102.0071
Observations 247
ANOVA df SS MS F Signif. F
Regression 2 1.29E+08 64587643 6207.098 5.9E-210
Residual 244 2538930 10405.45
Total 246 1.32E+08
Coeffici. Standard Er t Stat P-value Lower 95% Upper 95%
Intercept 128.8177 60.8532 2.1168 0.0352842 8.953077 248.6823
X Variable 1 0.976085 0.012225 79.842517 6.95E-177 0.952005 1.000165
X Variable 2 0.081664 0.126318 0.646497 0.5185649 -0.16715 0.330477
Difference Stationary Processes (DSP)?
SUMMARY OUTPUT
Regression Statistics y t a 0 ryt 1 v t
Multiple R 0.990298
R Square 0.980691
Adjusted R 0.980612
Square
Standard Error 101.8859
Observations 247
ANOVA df SS MS F Signif. F
Regression 1 1.29E+08 129170937 12443.34 5.2E-212
Residual 245 2543279 10380.729
Total 246 1.32E+08
Coefficients Standard Err t Stat P-value Lower 95% Upper 95%
Intercept 101.6971 44.03065 2.3096899 0.0217375 14.9703 188.424
X Variable 1 0.981565 0.008799 111.54972 5.21E-212 0.964233 0.998897
DSP!
Corelaţia pozitivă între indicele BET t şi BET t-1
6500
6000
5500
5000
BET t
4500
4000
3500
3000
3000 3500 4000 4500 5000 5500 6000 6500
BET t-1
DSP!
Diferentele de ordinul 1 ale indicelui BET, in perioada 14.11.2004-14.11.2005
500
400
300
200
100
puncte
0
1 9 17 25 33 41 49 57 65 73 81 89 97 10 5 113 12 1 12 9 13 7 14 5 153 16 1 16 9 177 18 5 19 3 201 20 2 17 2 2 5 23 241
-100
-200
-300
-400
-500
-600
zile
200
400
600
-800
-600
-400
-200
800
0
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
Diferentele de ordinul 2 al indicilor BET in perioada .....
197
204
211
218
225
232
239
246
Probleme - Răspunsuri
• Cât de importantă este • Foarte importantă
ipoteza de staționaritate
pentru modelare și
inferență?
• Care sunt efectele • Potențial periculoase
presupunerii incorecte?
• Care sunt sursele ne- • Multe și variate
staționarității?
• Pot fi transformate • Uneori, în funcție de natura
analizele empirice astfel staționarității
încât staționaritatea să
devină o presupunere
validă?
Pașii
• Concepte de bază – modelul de regresie
• Proprietățile staționarității și nestaționarității
• Analize de regresie folosind date cu trend și analiza
posibilității de obținere a staționarității prin
transformare – numită cointegrare
• Consecințe ale datelor nestaționare în regresie
• Teste de determinare a prezenței nestaționarității
(procese univariate ale radăcinii unitare ”unit root”
• Validitatea transformărilor prin teste de cointegrare
• Exemplu empiric
Testarea staționarității
unei serii de timp
Proces random walk
Este cel mai simplu caz de proces nestaționar:
𝑦𝑡 = 𝑦𝑡−1 + 𝑒𝑡
𝑦𝑡 = 𝑦𝑡−1 + 𝑒𝑡 = 𝑦𝑡−2 + 𝑒𝑡−1 + 𝑒𝑡 = ⋯
= 𝑦0 + (𝑒1 + ⋯ + 𝑒𝑡−1 + 𝑒𝑡 )
Unde et sunt erorile i.i.d. (independ și identic distribuite –
distribuția de probabilitate nu depinde de valori trecute și
𝐶𝑜𝑣 𝑒𝑡 , 𝑒𝑡−1 = 0) cu media 0 și varianță constantă σ2.
Media procesului este 𝐸 𝑦𝑡 = 𝑦0 , unde 𝑦0 este fixă, și
varianța depinde de timp 𝑉𝑎𝑟 𝑦𝑡 = 𝑡 ∙ 𝜎 2 .
Pentru un proces nestaționar, efectele șocurilor rămân în
timp, și acțiunea lor va persita și va fi infinită.
Rădăcină unitate - unit root
Un proces random walk poate cu intercept (drift):
𝑦𝑡 = 𝑎0 + 𝑦𝑡−1 + 𝑒𝑡 devine
𝑦𝑡 = 𝑦0 + 𝑡𝑎0 + (𝑒1 + ⋯ + 𝑒𝑡−1 + 𝑒𝑡 )
și are media procesului {yt}: 𝐸 𝑦𝑡 = 𝑦0 + 𝑡𝑎0 , și varianța:
𝑉𝑎𝑟 𝑦𝑡 = 𝑡 ∙ 𝜎 2 .
Dacă seria de timp are rădăcină unitate (unit root), este integrată de
ordinul 1, I(1), și diferențele de ordinul 1 ale procesului {yt} sunt slab
dependente:
∆𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1 = 𝑎0 + 𝑒𝑡 = 𝑢𝑡 , și 𝑢𝑡 este slab dependent.
Prezența rădăcinii unitate în reziduuri, 𝑢𝑡 , înseamnă că efectele unui
șoc persistă pentru totdeauna, făcând dificilă separarea creșterii pe
termen lung de alte fluctuații ciclice, pentru a fi studiate separat.
Test de existență a rădăcinii unitate
- Unit root test -
- Se folosește la verificarea existenței rădăcinii unitate a seriilor de timp
- Fie modelul autotregresiv AR(1):
𝑦𝑡 = 𝑎0 + 𝜌𝑦𝑡−1 + 𝑒𝑡
unde {et } sunt i.i.d. Cu medie 0 și varianță σ2.
Dacă procesul {yt} urmează acest model, el are ”unit root” dacă ρ = 1.
Dacă a0 ≠ 0 și ρ = 1 atunci {yt} este un proces random walk cu intercept,
având mdia 𝐸 𝑦𝑡 o funcție liniară de t.
Lăsând interceptul nespecificat sub ipoteza nulă, se obține următorul
test al rădăcinii unitate (test de unit root):
H0: ρ = 1
H1: ρ < 1
Dacă IρI < 1 atunci procesul {yt} este un AR(1) stabil, fiind slab dependent
(asimptotic necorelat).
Testul statistic este echivalent cu a testa dacă {yt} este I(1) pentru H0 față
de lui H1, de a fi I(0).
Testul Dickey-Fuller (DF)
Dacă un proces {yt} urmează modelul 𝑦𝑡 = 𝑎0 + 𝜌𝑦𝑡−1 + 𝑒𝑡 și are
ρ = 1, semnificativ, se acceptă H0 ca rezultat al testului statistic de ”unit
root” și procesul {yt} este I(1). În consecință 𝑦𝑡 este serial necorelat.
Scăzând yt-1 din ambele părți ale ecuației 𝑦𝑡 = 𝑎0 + 𝜌𝑦𝑡−1 + 𝑒𝑡 , și
definind = ρ – 1, se obține:
𝑦𝑡 = 𝑎0 + 𝑦𝑡−1 + 𝑒𝑡 ,
Testul statistic de ”unit root” devine testul Dickey-Fuller (DF):
H0: = 0
H1: < 0
Procesul yt este I(1) sub H0 și se folosește t statistic a distribuției Dickey-
Fuller pentru .
Acceptând H0 înseamnă că procesul {yt} are o rădăcină unitate.
Ipoteza H0 se respinge dacă rația t Student pentru < valorile critice, care
sunt valori negative t stabilite de Dickey și Fuller pentru nivelele de
semnificație corespunzătoare.
Consumul trimestrial al gospodariilor in România
din 2000 Q1- 2020 Q2
Consf
32,000
28,000
24,000
20,000
16,000
12,000
8,000
00 02 04 06 08 10 12 14 16 18 20
Null Hypothesis: CONSF has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic
*MacKinnon (1996)
Ipoteza H0 se respinge dacă rația t Student pentru < valorile critice, care sunt
valori negative t stabilite de Dickey și Fuller pentru nivelele de semnificație
corespunzătoare.
Augmented Dickey-Fuller test (ADF)
Considerând modelul AR, se poate adăuga inca un lag:
𝑦𝑡 = 𝑎0 + 𝑦𝑡−1 + 𝛾1 𝑦𝑡−1 + 𝑒𝑡 , unde 𝛾1 < 1
In acest caz 𝑦𝑡 urmează un model stabil AR(1) sub H0: = 0;
sub H1: < 0, 𝑦𝑡 urmează un AR(2).
Pentru p laguri adăugate, regresia este mărită cu termenii decalați și
versiunea extinsă a testului Dickey-Fuller este augmented Dickey-Fuller
test.
𝑦𝑡 = 𝑎0 + 𝑦𝑡−1 + 𝛾1 𝑦𝑡−1 + 𝛾2 𝑦𝑡−2 + ⋯ + 𝛾𝑝 𝑦𝑡−𝑝 + 𝑒𝑡
Rolul termenilor decalați ai 𝑦𝑡 este de a curăța orice corelație serială în
acest proces.
Verificarea semnificației introducerii termenilor decalați se stabilește cu
valorile lor t, care au o distribuție aproximativă t Student, dar t statistic
pentru este verificată pe distribuție Dickey-Fuller.
DEPENDENŢE ÎN ECONOMIE
DW 2(1 r ) DW t 1
n
t
u 2
t 1
Să se stabilească:
a. Ordinul de integrare al fiecărei serii cronologice
b. Care din perechile menţionate pot fi considerate serii
cointegrate şi de ce?
Exercitii pentru
analiza de cointegrare
• Graficele:
- Evolutia cursului de schimb in Romania intre
1995-2020
- Evolutia IPC in Romania intre 1995-2020
Analiza grafica a cointegrarii pe perioada 1995-2005
Evolutia cursului de schim b Euro/lei in
Rom ania intre 1995-2005
50000
40000
lei/euro
30000
20000
10000
0 Evolutia IPC in Romania intre 1995-2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
anii 3000
2500
% (1995=100%)
2000
1500
1000
500
0
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
anii
Tabela de regresie y=f(x), perioada 1995-2005
SUMMARY OUTPUT
ANOVA
df SS MS F Significance F
Regression 1 1,909E+09 1,91E+09 335,7971 1,961E-08
Residual 9 51165857 5685095
Total 10 1,96E+09
40000
30000
lei/euro
20000
10000
0
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
anii
IPC si cursul de schimb in RO in perioada 1995-2018
5000% 5.0
4500% 4.5
4000% 4.0
3500% 3.5
IPC (1995=100%)
3000% 3.0
Lei/euro
2500% 2.5
2000% 2.0
1500% 1.5
1000% 1.0
500% 0.5
0% 0.0
1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017