Introducao

Modelos Estruturais
Conclusao

Series Temporais e Modelos Dinamicos em

Econometria

Marcelo C. Medeiros

Departamento de Economia
Pontifcia Universidade Catolica do Rio de Janeiro

Aula 1

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Ementa

Introducao aos modelos para series temporais: definicoes,

interpretacao e identificacao.
Propriedades dinamicas: estacionariedade, funcao de resposta
ao impulso, etc.
Estimacao e propriedades dos estimadores para modelos de
series temporais: mnimos quadrados ordinarios (MQO),
maxima verossimilhanca (MV), variaveis instrumentais (VI) e
metodo generalizado dos momentos (MGM).
Testes e ciclo de modelagem
Raiz unitaria, cointegracao e regressao espuria.
VAR e cointegracao: estimacao, interpretacao e identificacao.
Previsao.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais

O que e uma serie temporal?

Um conjunto de observacoes de uma determinada variavel ao
longo do tempo.
Sendo um pouco mais especfico:
Um conjunto de observacoes de uma determinada variavel em
intervalos de tempo discretos e equiespacados.
Exemplos:
Inflacao mensal, ndice mensal de producao industrial, PIB
trimestral, IBOVESPA diario, consumo horario de energia
eletrica, etc.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Alguns Exemplos

Indice diario (cotacao de fechamento) da BOVESPA e os log

retornos para perodo entre 01/08/1994 e 31/03/2000.

4
x 10
1.8
1.6
1.4
1.2
Indice

1
0.8
0.6
0.4

200 400 600 800 1000 1200 1400 1600

Observacao

0.2
Retornos

0.1

0.1

200 400 600 800 1000 1200 1400 1600

Observacao

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Alguns Exemplos

M1 mensal (media) entre agosto/1994 e dezembro/2004.

0.4
12log(M1)

0.3
0.2
0.1
0
10 20 30 40 50 60 70 80 90 100 110
Observao

0.2
log(M1)

0.1
0
12

0.1
0.2
10 20 30 40 50 60 70 80 90 100 110
Observao

100
log(M1)

50
0
12

50
100
10 20 30 40 50 60 70 80 90 100 110
Observao

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Alguns Exemplos

Consumo horario de energia eletrica na area de concessao de

uma empresa no sudeste no Brasil para os anos 19902000.

4500

4000

3500
MW

3000

2500

2000

1500

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Alguns Exemplos

A figura apresenta os mesmos dados, so que agora a serie foi

dividida em 24 novas series. Uma para cada hora (Dados
referentes aos anos 1999 e 2000 foram omitidos).

hour 1 hour 2 hour 3 hour 4

4500

2750

1000
hour 5 hour 6 hour 7 hour 8
4500

2750

1000
hour 9 hour 10 hour 11 hour 12
4500

2750

1000
hour 13 hour 14 hour 15 hour 16
4500

2750

1000
hour 17 hour 18 hour 19 hour 20
4500

2750

1000
hour 21 hour 22 hour 23 hour 24
4500

2750

1000
90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Alguns Exemplos

Inflacao mensal medida pelo IPCA para o perodo entre

janeiro de 1980 e dezembro de 2004.

90

80

70

60

50
Inflao (IPCA)

40

30

20

10

10
0 50 100 150 200 250 300
Observao

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Objetivos

Modelar relacoes entre variaveis. Podem ser relacoes estaticas
ou dinamicas (o passado influenciando o futuro). Causalidade.
Previsao: pontual, intervalos, densidades.
Dois tipos de modelos:
1 Modelos univariados: as caractersticas das series de interesse
sao explicadas exclusivamente a partir do comportamento da
propria serie.
2 Modelos multivariados: as caractersticas das series de interesse
sao explicadas em funcao nao apenas do comportamento da
propria serie, mas tambem de outras series.
Modelos escalares: apenas uma equacao.
Modelos vetoriais: multiplas equacoes.
Modelos estruturais versus forma reduzida. Em geral:
modelos estruturais interpretacao economica;
forma reduzida previsao, leis do movimento.
Importante: ha situacoes onde formas reduzidas sao
economicamente interpretaveis.
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Objetivos

Cada tipo de modelo possui certas vantagens e desvantagens,

e a opcao por determinada abordagem dependera do objetivo
da analise:
previsao;
relacoes de causalidade;
efeitos de polticas;
identificacao de choques estruturais.
Fatos estilizados:
tendencia, sazonalidade, ciclo;
heterocedasticidade;
valores extremos (outliers);
quebras estruturais.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
O Curso
Modelos Estruturais
Definicoes Basicas
Conclusao

Series Temporais Objetivos

Por que um economista deve estudar econometria para series

temporais?
1 Macroeconomia
Modelos DSGE, modelos de transmissao monetaria, avaliacao
do efeito de diferentes choques, construcao de indicadores
antecedentes, previsao, etc.
2 Financas
Analise de risco, otimizacao de carteiras e selecao de
portfolios, analise de eventos, previsao, modelos para estrutura
a termo, modelos macro-finance, aprecamento de ativos, etc.
3 Modelos dinamicos em microeconomia
Painel dinamico, modelos de duracao e de escolha discreta
para base de dados com muitas observacoes ao longo do
tempo, estrutura de dependencia temporal, etc.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Modelos Estruturais

Cameron e Trivedi (2005, cap. 2, pag. 20)

Uma estrutura e composta pelos seguintes elementos:
1 um conjunto de variaveis aleatorias z = (z1 , . . . , zT )
particionado em (y, x) por conveniencia;
2 distribuicao de probabilidade conjunta de z, F (z);
3 uma ordenacao a priori sobre hipoteses de causa-e-efeito e a
imposicao de restricoes, tambem a priori; e
4 uma forma funcional (parametrica, nao-parametrica,
semi-parametrica) para a especificacao do modelo.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Modelos Estruturais

Comissao Cowles (Sargan, 1988, p. 27)

Um modelo e a especificacao da distribuicao de probabilidade para
um conjunto de observacoes. Uma estrutura e a especificacao dos
parametros desta distribuicao. Portanto, uma estrutura e um
modelo para o qual todos os parametros possuam valores
numericos.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Modelos Estruturais

Os elementos de zt podem estar relacionados tanto

contemporaneamente quanto ao longo do tempo
(dinamicamente).
E consenso a existencia de leis do movimento que explicam
as interacoes e o comportamento dinamico dos elementos de
zt .
Caso tais leis sejam conhecidas, e possvel testar teorias
comportamentais e prever o comportamento futuro de zt .
Claro que ha tambem componentes aleatorios na natureza:
incerteza, choques, erros dos agentes e distorcoes referentes ao
processo de mensuracao e agregacao.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Series Temporais e Processos Estocasticos

Neste curso os elementos de zt sao series temporais.

Mais formalmente, uma serie temporal e uma realizacao de
um processo estocastico.
Mas o que e um processo estocastico?

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Processos Estocasticos

Definicao: Variavel Aleatoria

Dado um espaco de probabilidade (, F, P), uma variavel
aleatoria e uma funcao real y : R, tal que para todo
numero real c, Ac = { |y () c} F, c R.

A probabilidade de ocorrencia do evento Ac e definida por P.

A funcao F : R [0, 1] definida como F (c) = P(Ac ) e a
Funcao Distribuicao de y .

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Processos Estocasticos
Definicao: Processos Estocasticos
Um processo estocastico e uma sequencia ordenada de
variaveis aleatorias, {yt (), , t T }, tal que para todo
t T , yt () e uma variavel aleatoria em e para todo
, yt () e uma realizacao do processo estocastico
indexado em T .

Portanto, uma serie temporal {yt }T t=1 e uma realizacao

particular {yt }tT de um processo estocastico.
Este processo estocastico e o mecanismo gerador da serie
temporal y1 (), y2 (), . . . , yT (), denotada por {yt }.
Para simplificar a notacao, {yt } pode representar tanto uma
serie temporal quanto o respectivo processo estocastico
gerador dos dados.
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

O Mecanismo Gerador de Dados e Modelos Estruturais

Defina o mecanismo gerador de dados (MGD) como sendo a

distribuicao conjunta (verdadeira!) de zt condicionada ao
conjunto de informacao disponvel:

Ft (zt |Fz,t1 ),

onde Fz,t1 = {zt1 , zt2 , . . .} e o conjunto de informacao.

Um modelo econometrico e uma famlia de funcoes dos dados
que tem por objetivo representar (aproximar) o verdadeiro
MGD. Formalmente,

{M (zt , zt1 , zt2 , . . . , dt ; ) , } , Rp ,

onde e um vetor de p parametros que define o modelo e dt

representa possveis quebras estruturais.
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

O Mecanismo Gerador de Dados e Modelos Estruturais

Axioma da Especificacao Correta

MD (zt , zt1 , zt2 , . . . , dt ; 0 ) = Ft (zt |Fz,t1 )

Z
ME (zt , zt1 , zt2 , . . . , dt ; 0 ) = zt Ft (zt |Fz,t1 )dz
Z
MV (zt , zt1 , zt2 , . . . , dt ; 0 ) = zt z0t Ft (zt |Fz,t1 )dz
Z Z
zt Ft (zt |Fz,t1 )dz z0t Ft (zt |Fz,t1 )dy

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

O Mecanismo Gerador de Dados e Modelos Estruturais

Em geral, postulamos modelos da sequinte forma:

ME (zt , zt1 , zt2 , . . . , dt ; 0 ) g(y, x, d, u; 0 ) = 0,

onde u e uma perturbacao aleatoria (erro) que e fundamental

para definicao da distribuicao conjunta de z = (y, x).
g(y, x, d, u; 0 ) = 0 e a forma estrutural.
Caso haja uma solucao unica para yt em funcao de
(yt1 , yt2 , . . . , x, u, d), entao

yt = h(yt1 , yt2 , . . . , x, u, d; 0 ),

e a forma reduzida e 0 = m( 0 ).

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Otimizacao Intertemporal - Favero (2001, cap. 7)

Considere o problema usual de otimizacao de um consumidor

representativo:
" #
X
max E (1 + )i U(ct+i )|Ft
ct+i ,At+i
i =0
s.a.
At+i = (1 + r )At+i 1 + yt+i ct+i
 
lim E At+i (1 + r )i |Ft = 0,
i

onde y e a renda, c e o consumo e A e a riqueza que gera um

retorno r . U e a funcao utilidade do consumidor (separavel
inter- e intra-temporalmente). e a taxa de desconto.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Otimizacao Intertemporal - Favero (2001, cap. 7)

O problema de otimizacao pode ser resolvido a partir da

maximizacao do Lagrangiano:
" #
X
max E (1 + )i Gt+i |Ft
ct+i ,At+i
i =0
Gt+i = U(ct+i ) + t+i [At+i (1 + r )At+i 1 yt+i + ct+i ].

Hipotese: retorno real e nao-estocastico e a funcao utilidade e

dada por
1
ct+i
U(ct+i ) = ,
1
onde e o parametro de aversao ao risco.
Dois parametros profundos: e .

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Otimizacao Intertemporal - Favero (2001, cap. 7)

Condicoes de primeira ordem:

h i

E ct+i |Ft + E[t+i |Ft ] = 0, i
 
1+r
E[t+i |Ft ] E t+i +1 |Ft , i .
1+

Para i = 0:
 
1 + r
E c ct |Ft = 0
1 + t+1
Modelo Estrutural.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Otimizacao Intertemporal - Favero (2001, cap. 7)

A partir das condicoes de primeira ordem e da condicao de
transversalidade:

X ct+i X yt+i
i
= + (1 + r )Ati .
(1 + r ) (1 + r )i
i =0 i =0

Dado que
 i /
1+r
ct+i = ct , entao
1+
" #
X yt+i
ct = ( 1) + (1 + r )Ati ,
(1 + r )i
i =0
onde 1
(1 + )
= 1 .
1
(1 + r )
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Otimizacao Intertemporal - Favero (2001, cap. 7)

Quando = r :
" #
X yt+i
ct = r + (1 + r )Ati ,
(1 + r )i
i =0

A expressao acima representa a funcao de consumo estrutural

e e a solucao fechada para o problema de otimizacao
inter-temporal.
Caso yt = 1 yt1 + ut , podemos escrever
1+r
ct = ( 1)(1 + r )At1 + ( 1) yt + t ,
1 + r 1
onde t e um erro auto-correlacionado.
A equacao acima e uma forma reduzida.
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Um Modelo Simples de Transmissao Monetaria

Considere as seguintes equacoes:

t = yt + te + u1t , 0 < < 1

yt = (it1 te ) + u2t , 1 < < 0
te = t1
it = i + (t ) , 0,

onde ut = (u1t , u2t )0 NID(0, ), t e a inflacao, yt e o

hiato do produto, te e a expectativa de inflacao para o
instante t feita em t 1, it e a taxa de juros nominal, i e a
taxa de juros de equilbrio e e a meta de inflacao.
As equacoes acima definem um modelo estrutural para
zt = (t , yt , it , te )0 .

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Um Modelo Simples de Transmissao Monetaria

Suponha que o interesse seja no comportamento conjunto de

(t , yt ). O modelo anterior pode ser reescrito da seguinte
forma:
t = yt + t1 + u1t
yt = (i ) + ( 1)t1 + u2t .
| {z } | {z }
a0 a1

No modelo acima os choques estruturais continuam

identificados.
As equacoes acima representam um modelo estrutural
limitado dado que tanto juros quanto as expectativas de
inflacao nao aparecem mais explicitamente no modelo.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Um Modelo Simples de Transmissao Monetaria

Forma reduzida:
         
1 t 0 1 0 t1 u
= + + 1t
0 1 yt (i ) ( 1) 0 yt1 u2t
   1  
t 1 0
= +
yt 0 1 (i )

 1   
1 1 0 t1
+
0 1 ( 1) 0 yt1
 1  
1 u1t
0 1 u2t

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Um Modelo Simples de Transmissao Monetaria

Dado que
 1  
1 1
= ,
0 1 0 1
o modelo resultante e
        
t (i ) 1 + ( 1) 0 t1 u1t + u2t
= + +
yt (i ) ( 1) 0 yt1 u2t
zt = A0 + A1 zt1 + vt
Modelo Auto-regressivo Vetorial (VAR)

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Um Modelo Simples de Transmissao Monetaria

O modelo anterior pode ser reescrito da seguinte forma:

t = (i ) + [( 1) + 1] t1 + u2,t + u1t
t = 0 + 1 t1 + v1t
Modelo Auto-regressivo (AR).

Que tipo de informacao pode ser extrada de cada um dos

modelos anteriores?
Note que todas as quatro formas (estrutural, estrutural
limitada, VAR e AR) descrevem corretamente o mecanismo
gerador de dados. A diferenca esta no conjunto de informacao
considerado.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

O Modelo de Samuelson (1939)

Considere a seguinte versao modificada do modelo de

Samuelson (Review of Economics and Statistics, maio de
1939) de interacao entre o multiplicador keynesiano e o
princpio do acelerador:

yt = ct + it + g
ct = yt1 + t
it = (ct ct1 ),

onde y , c, i , g e sao, respectivamente, a renda nacional, o

consumo, o investimento, os gastos do governo e um erro
aleatorio.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

O Modelo de Samuelson (1939)

Portanto,

yt = yt1 + t + (yt1 + t yt2 t1 ) + g .

| {z } | {z }
consumo investimento

Logo,

yt = g + (1 + )yt1 yt1 t1 + ( + 1)t

yt = 0 + 1 yt1 + 2 yt2 + ut1 + ut ,

onde ut = ( + 1)t .

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Modelos DSGE

Apos a devida linearizacao em torno do equilbrio de

steady-state, um exemplo tpico de um modelo DSGE
(Dynamic Stochastic General Equilibrium) novo-Keynesiano e:

t = Et (t+1 ) + xt + ust
xt = Et (xt+1 ) [Rt Et (t+1 )] + udt
Rt = t + uRt ,

onde t , xt , e Rt referem-se a inflacao, hiato do produto e

taxa de juros nominal, respectivamente.
ust , udt e uRt sao choques nao antecipados.
= (, , , )0 sao parametros profundos (estruturais) da
economia.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao

Modelos DSGE

A forma reduzida de modelos DSGE linearizados e dada por:

A()zt+1 = B()zt + C()ut+1 + D()t+1 ,

onde:
zt = (t , xt , Rt )0 ;
ut = (ust , udt , uRt )0 e
t+1 sao erros expectacionais.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos

 Introducao
Modelos Estruturais
Conclusao

Conclusao

Ao longo do curso vamos ver como estimar tanto formas

estruturais quanto formas reduzidas.
Em cada caso, sera muito importante entendermos as
limitacoes e o potencial de cada modelo. Analise crtica sera
fundamental!
Formas estruturais serao importantes para avaliarmos, por
exemplo, o impacto de diferentes polticas monetarias.
Enquanto que formas reduzidas serao fundamentais para
realizacao de projecoes.

Marcelo C. Medeiros Series Temporais e Modelos Dinamicos