Serii de timp

Curs 11 Mai, 2022

 Capitolul 4
MODELE MULTIVARIATE
Serii cointegrate
 Conceptul de cointegrare a fost introdus de Granger (1983), Granger and Weiss
(1983), Engle si Granger (1987).
 Intuitiv, două serii de timp sunt în relație de cointegrare dacă nu sunt neapărat
corelate dar ele sunt într-o relație de echilibru relativ pe termen lung.
 Noţiunea de cointegrare este strâns legată de cea de „regresii false” cu serii de
timp. Atunci când se estimează regresii cu serii de timp în economie deseori R 2 este
mare (R  1) iar statistica Durbin-Watson este mică DW  0 (erorile sunt
corelate). Dacă în plus R2 > DWcalc acesta ar putea fi un semnal ca regresia este
falsă; dependenţa este exagerată iar estimatorii sunt suspecţi. Aceasta se întâmplă
deoarece variabilele din economie sunt deseori nestaţionare şi se comportă ca şi un
proces de tip mers aleator (au rădăcină unitate).
 Observație: Pentru a exista o relaţie pe termen lung între variabile, acestea trebuie
să fie cointegrate.
Serii cointegrate
 Cointegrarea este o proprietate a seriilor de timp nestationare.

 Definiţie:
 1. Spunem că două serii de timp integrate de ordin 1 sunt cointegrate de
ordin CI(1,1) dacă o combinaţie liniară a celor două este staţionară
(integrată de ordin 0), deşi fiecare din ele nu este stationară.
 2. Dacă două serii sunt integrate de acelaşi ordin d şi există  astfel încât
rezidu-ul din regresie are un ordin mai mic de integrare I(d-b) atunci,
conform definitiei Engle-Granger (1987), cele doua serii sunt cointegrate de ordin
CI(d,b).
Serii cointegrate
 Fie două serii de timp integrate de ordin 1 - I(1) pentru care există o
combinație liniară, notată t :
care este staționară I(0)
 Seriile se numesc serii cointegrate de ordinul 1
 Vectorul (1-a1) se numește vector de cointegrare
 Relația se numește relație de cointegrare

 Diferenţa rămâne stabilă în jurul unei medii fixe a0 (media lui este zero).
 Dacă constanta este zero, relaţia ce le menţine legate pe termen lung este una de proporţionalitate

 Variabilele rămân legate pe termen lung prin relaţia de echilibru iar deviaţiile de la
aceasta au loc doar pe termen scurt; această relaţie de echilibru poate fi interpretată ca o relaţie
echilibru pe termen lung, „deranjată” doar de şocuri aleatoare () cu efect pe termen scurt.
 Relația de echilibru pe termen lung este înţeleasă în sensul de stabilitate a relaţiei de dependentă.
 Două serii cointegrate au o tendinţă stochastică comună (tendinţe de evoluţie similare), adică
„hoinăresc” împreună (analogie în evoluţie). Relaţia de dependenţă dintre ele este stabilă.
Serii cointegrate
 Posibile relaţii de cointegrare sugerate de teoria economică, variabilele fiind de
regulă considerate în formă logaritmată:
 între venit PIB şi consum C. Raportul C/PIB este constant pe termen lung, astfel ln(C)-
ln(PIB) este staţionar iar ln(C) şi ln(PIB) sunt cointegrate. In mod similar PIB şi învestiţiile;

 cererea de monedă, preţuri, venit

 între cursul valutar, preţurile domestice respectiv preţurile din ţara străină, cursul real având
comportament staţionar (conform teoriei parităţii de cumpărare);
 cursul diferitelor acţiuni;
 rentabilitatea activelor şi rata inflaţiei, diferenţa acestora adică rata reală a rentabilităţii, ce
are comportament staţionar;
 ratele dobânzii pentru diferite maturităţi, diferenţa faţă de rata activului fără risc (rata pe
termen scurt) reflectând prima de risc a investitorilor;
 logaritmul indicelui preţului acţiunilor respectiv al dividendelor diferenţa reprezentând
logaritmul randamentului.
 logaritmul indicelui preţurilor, respectiv al salariului, diferenţa reprezentând logaritmul
indicelui salariului real;
 cursurile acţiunilor (de regulă în formă logaritmată) etc.
Serii cointegrate
 Abordări în teoria cointegrării:

 abordări bazate pe o singură ecuaţie, cea mai cunoscută fiind metoda în

două etape propusă de Engle şi Granger;

 abordarea multivariată de tip VAR respectiv VECM; în acest caz ne

așteptăm la existenţa mai multor relaţii de cointegrare. În cazul general,
dat fiind un grup de mai multe variabile nestaţionare suntem interesaţi
dacă acestea sunt cointegrate, şi dacă sunt, care este relaţia de echilibru
pe termen lung dintre ele. Pentru analiza cointegrării între mai multe
procese nestaţionare, cu rădăcină unitate, se apelează la metodologia
dezvoltată de Johansen şi Juseliu (1990), implementată în softurile de
statistică.
Metodologia Engle-Granger
 Etapa 1: Testarea existenței unei relații de cointegrare între cele două variabile
 a) se testează dacă ambele variabile sunt integrate de ordin 1, , utilizând teste de tip unit root,
precum testul ADF
 b) se estimează regresia liniară prin MCMMP pentru a obţine o estimație a relaţiei
(vectorului) de cointegrare. Interesant este că estimatorii obţinuţi pentru şi sunt superconsistenţi
(în acest caz, când ambele variabile sunt I(1)), chiar dacă erorile sunt corelate. Erorile standard nu
sunt însă de încredere, astfel nu se pot realiza inferenţe privind modelul pe termen lung. Dacă există o
relaţie de cointegrare atunci MMP o va depista, iar dacă nu există atunci regresia este falsă. Se extrag
apoi estimaţiile pentru reziduuri:

 c) se testează dacă reziduurile sunt staţionare. Dacă ipoteza existenţei rădăcinii unitate în seria
reziduurilor este respinsă, atunci între cele două procese există relaţia de cointegrare. Dacă reziduurile
sunt staţionare cele două serii sunt cointegrate, relaţia de cointegrare fiind cea estimată:
iar relaţia de echilibru pe termen lung este:

 Valorile critice adecvate testului ADF de cointegrare au fost obţinute de către MacKinnon de
asemenea prin simulare şi pot fi găsite în Johnston şi DiNardo (1994):
 T=50  ttab = - 3,29; T=100  ttab = -3,17; T=200  ttab = -3,25
 dacă tcalc < ttab  H0 se respinge  t sunt staţionare  Xt, Yt cointegrate
Metodologia Engle-Granger
 Etapa 2. Elaborarea unui model de tip ECM
 Relaţia pe termen scurt dintre două variabile cointegrate, cu relaţia de cointegrare:

poate fi descrisă printr-un model de corecţie a erorilor (“error correction model”), forma simplă a
acestuia fiind:
sau

 Reziduurile din ecuaţia de cointegrare (ce surprind dezechilibrele pe termen

lung) sunt luate în considerare în modelul dinamic, fiind introduse ca un factor. Astfel,
modificările variabilei Y pe termen scurt depind de cele ale variabilei X şi de abaterea lui Y de la
valoarea sa de echilibru pe termen lung din perioada precedentă.
 O altă modalitate de a detecta existenta unei relaţii de cointegrare constă în testarea
semnificativităţii coeficientului  (cu alternativa mai mic decât zero) în modelul
ECM; dacă acesta este semnificativ atunci nu există o relaţie de cointegrare între
variabile.
Estimarea unui model de regresie între
două serii de timp
 1. Dacă variabilele sunt staţionare sau staţionare relativ la tendinţă (deterministă)
modelul este specificat pentru variabilele observate. Forma generală a modelului
dinamic adecvat în acest scop este:

 Termenul t se include doar dacă una din variabile este staţionară relativ la tendinţă. In acest caz testele
clasice din regresie, bazate pe metoda celor mai mici pătrate sunt asimptotic valide (dacă numărul
datelor e suficient de mare).

 2. Dacă variabilele sunt nestaţionare, staţionare după o singură diferenţiere şi nu

sunt cointegrate, atunci, regresia se va estima pentru variabilele diferenţiate.
Modelul dinamic are forma:

 3. Dacă variabilele sunt nestaţionare şi cu rădăcină unitate, staţionare după prima

diferenţiere şi cointegrate, atunci regresia: furnizează un estimator
(super)consistent pentru relaţia de cointegrare pe termen lung dintre variabile
(Johnston şi DiNardo, 1994). Relaţia dintre variabile este estimată utilizând un
model de tip corecţie a erorilor:
unde
Analiza cauzalităţii dintre variabile
 În sensul abordării propuse de Granger (1969) X este cauza pentru Y, sau X explică pe Y, dacă X
ajută la predicţia lui Y.
 1. Pentru a testa dacă X este cauză pentru Y, în sens Granger, se estimează ecuaţia de regresie:
* astfel încât erorile să fie zgomot alb.
unde k este fixat

 Relativ la această ecuaţie, ipoteza nulă respectiv alternativa sunt:

 Testarea ipotezei precedente se realizează utilizând un test de tip Fisher-Snedecor:

 unde SSRu şi Ru2 reprezintă suma pătratelor reziduurilor, respectiv coeficientul de determinaţie în
ecuaţia fără restricţii (*) iar SSRr şi Rr2 sunt aceleaşi elemente, dar în ecuaţia de regresie cu restricţii
(**) ce include doar termenii de tip Yt-i :
**
Analiza cauzalităţii dintre variabile
 În urma aplicării celor două teste sunt posibile patru concluzii:
 cauzalitate unidirecţională: X este cauză pentru Y (X Y) dacă ipoteza
nulă se respinge la 1) şi se acceptă la 2);
 cauzalitate unidirecţională: Y este cauză pentru X (Y  X) dacă ipoteza
nulă se respinge la 2) şi se acceptă la 1);
 cauzalitate bidirecţională: X Y dacă ipoteza nulă se respinge atât la 1)
cât şi la 2).