Testarea UIP pe cazul cursului GBP/USD 

™ 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.  

Genr/ apr_depr =  log Se − log S t .  

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%.