Академический Документы
Профессиональный Документы
Культура Документы
Crearea unui workfile în Eviews.
File/New/Workfile. În continuare alegem frecvența datelor. Pt UIP avem date lunare.
Date Specification/Frequency/Monthly. Dacă avem date pentru perioada ianuarie 1994 –
august 2007, introducem datele în felul următor: Start date: 1994m1 și End date: 2007m8. OK
Introducerea datelor în Eviews:
Creăm 3 serii, pentru rata de dobândă în SUA, pentru rata de dobândă în Marea Britanie și
pentru cursul de schimb GBP/USD.
Object/New Object/Series și denumim seria r_sua, astfel:
În mod asemănător creăm seria ratei de dobândă pentru Marea Britanie (Object/New
Object/Series/r_uk) și seria cursului de schimb (Object/New Object/Series/S).
Copiem datele din Excel în Eviews astfel: din excel selectăm și copiem datele pentru rata de
dobândă în SUA, iar în Eviews deschidem seria r_sua, selectăm modul Edit și lipim (paste).
În mod analog copiem și datele pentru r_uk și S, cursul de schimb.
Pentru a vedea cum arată seria ratei de dobândă din SUA deschidem seria r_sua,
View/Graph/Line.
Estimarea ecuației UIP
Teoria UIP presupune că pe piața valutară se verifică următoarea relație:
St − St
e
3 3
= r _ suat ⋅ − r _ uk t ⋅ , (1)
St 12 12
unde t arată că este vorba despre orice observație t din eșantionul de date disponibil.
Cum testăm acest lucru?
Vom crea o serie care să exprime diferența dintre cele două rate, pe care o denumim dif.
3 3
Selectăm Genr și introducem ecuația dif = r _ sua ⋅ − r _ uk ⋅ . OK
12 12
În ceea ce privește termenul din stânga, trebuie să găsim o modalitate de a cuantifica
e
anticipările ( S ). Ținând cont de faptul că ratele de dobândă sunt pe trei luni, trebuie să
introducem cursul anticipat de peste trei luni. Cea mai simplă modalitate este să considerăm
ipoteza de perfect forsight, în care agenții anticipează perfect, iar cursul de peste trei luni la
care se așteaptă în momentul prezent este chiar cel înregistrat pe piață. Deci pentru fiecare
moment t, presupunem că agenții au anticipat perfect și S t = S t +3 , unde St este cursul vitor
e e
de peste trei luni anticipat la momentul t, S t + 3 este chiar cursul înregistrat pe piață peste trei
luni.
Pentru a crea seria cursului anticipat (pe care o denumim Se), urmăm următorii pași: Genr/ Se
= S (+3). (S (+3) reprezintă cursul înregistrat peste trei luni).
Termenul din stânga al relației UIP reprezintă modificare procentuală anticipată a cursului de
schimb. Știm că modificarea procentuală a unei variabile se poate aproxima cu modificarea
Se − S t
logaritmului acelei variabile ( ≅ ln Se − ln S t ) . Preferăm să utilizăm diferența de
St
logaritm pentru modificările procentuale.
Creăm o serie pentru aprecierea/deprecierea lirei față de dolar pe care o denumim apr_depr.
În sfârșit, putem testa UIP pe cursul GBP/USD. Verificarea relației (1) este echivalentă cu
testarea următoarei ecuații de regresie:
apr_depr = c + dif + ε t , (2)
unde ε t este o variabilă aleatoare zgomot alb, cu medie zero, iar c este o constantă care
cuantifică toate costurile de tranzacționare.
Pentru a testa ecuația (2) procedăm în felul următor: Quick / Estimate equation și introducem
apr_depr , c și dif, OK, astfel:
Rezultatul estimării se regăsește în figura de mai jos și trebuie interpretat.
Verificăm în continuare dacă rezultatele obținute sunt de încredere sau nu. Vom
verifica dacă erorile ecuației de regresie ( ε ) sunt distribuite normal. Extragem mai
întâi reziduurile din ecuația UIP estimată astfel: Proc / Make Residual Series / Name
for resid series : tastăm rezid / OK.
Noua serie creată, denumită rezid, include toate erorile variabilei estimate a
depreciereii/aprecierii cursului de schimb față de nivelul real înregistrat. Pentru a testa
normalitatea reziduurilor, aplicăm testul Jarque‐Bera (a se vedea HELP sau o carte de
econometrie). View / Descriptive Statistics / Histogram and Stats.
Testul Jarque‐Bera are ipoteza nulă faptul că erorile sunt distribuite normal. După cum se
poate observa, probabilitatea asociată testului (33,7%) arată că nu putem respinge ipoteza
nulă, ceea ce asigură robustețe rezultatelor noastre. De asemenea, după cum se poate observa,
media (en. mean) erorilor este foarte mică, aproape de zero.
O condiție fundamentală care trebuie îndeplinită înainte de a realiza estimarea unei
ecuații de regresie simplă este verificarea caracterului staționar al seriilor de timp. Este
esențial ca seriile nestaționare să fie tratate într‐un mod diferit față de seriile staționare.
Regresia în care seriile sunt nestaționare se numește spurioasă (en. spurious) și nu poate fi
interpretată în mod convențional, întrucât toate testele (t‐statistic, F‐statistic etc) își schimbă
proprietățile. De asemenea, corelația dintre seriile nestaționare tinde să fie foarte ridicată (de
obicei, în astfel de cazuri, coeficienții R pătrat și R pătrat ajustat sunt foarte ridicați), dar
corelația nu este concludentă deoarece ea se poate datora unor trend‐uri comune
(deterministe sau stohastice) existente în seriile respective. Dar ce reprezintă o serie
staționară? Există mai multe modalități de a defini o astfel de serie, dar se poate afirma în cel
mai simplist scenariu că o serie staționară este aceea care nu își schimbă proprietățile în timp.
Are media constantă, varianța constantă și autocovarianța pentru fiecare lag constantă. Pentru
mai multe informații, consultați o carte de econometrie sau, pentru o privire rapidă asupra
noțiunilor, consultați : http://www.investopedia.com/articles/trading/07/stationary.asp.
Eviews pune la dispoziție mai multe teste de staționaritate. Spunem că o serie
nestaționară are o rădăcină unitate sau un unit root. Vom utiliza în continuare testul
Augmented Dickey‐Fuller 1 pentru seriile incluse în regresia care testează UIP, și anume
apr_depr și dif.
Pentru seria apr_depr: View / Unit Root Test / Augmented Dickey‐Fuller .
Verificăm prezența rădăcinii unitate în seria apr_depr exprimată în nivel (level), nu în
diferență. De asemenea, testul ADF are la bază o ecuație de regresie în care includem o
constantă (intercept)2.
1
A se citi în HELP specificațiile testului ADF.
2
A se citi în HELP despre ce constantă este vorba.
După cum se poate observa, constanta inclusă în regresia aferentă testului ADF nu este
semnificativă din punct de vedere statistic (probabilitatea asociată testului t este mai mare
decât 5%, și anume 0.2594).
Repetăm testul ADF fără a include constanta.
Testul ADF are ipoteza nulă că seria analizată conține o rădăcină unitară, un unit root
(nu este staționară). După cum se poate observa în figura de mai jos, probabilitatea asociată
acestui test este 0.0000, deci ipoteza nulă se respinge și putem afirma că seria este staționară.
Repetând același test pentru seria diferențialului de rate de dobândă (de data aceasta,
constanta este semnificativă), putem afirma că seria este staționară dacă acceptăm un nivel de
significanță de 10%.