Вы находитесь на странице: 1из 21

Curso de Economia Econometria Avanada

Prof. Srgio Martins

Neste exerccio1 optamos por trabalhar com sries financeiras, no caso trabalharemos com os log-retornos das sries mensais do ndice BOVESPA (IBOV), da ao PETROBRAS PN (PETR4) e da ao VALE DO RIO DOCE PN (VALE5), no perodo de janeiro de 1995 a setembro de 2005, totalizando 128 observaes. A seguir, na Figura 1, apresentamos o grfico das trs sries, podemos observar que as trs sries so estacionrias, condio importante para se trabalhar com um modelo autoregressivo vetorial. De qualquer forma, encontra-se no Apndice A os testes ADF realizados para cada uma das sries em estudo.
IBOV
.12 .08 .04 .00 -.04 -.08 -.12 -.16 -.20 -.24 95 96 97 98 99 00 01 02 03 04 05 -.3 -.4 95 96 97 98 99 00 01 02 03 04 05 -.1 -.2 .1 .0 .2

PETR4

VALE5
.3 .2 .1 .0 -.1 -.2 95 96 97 98 99 00 01 02 03 04 05

Figura 1 Srie de log-retornos mensais IBOV, PETR4 e VALE5, no perodo de janeiro/1995 a setembro/2005.

Durante o desenvolvimento deste exerccio foi utilizado, sempre que necessrio, o software Eviews 5.

Apenas para recordar, o log-retorno, rt, pode ser calculado a partir da expresso:

P rt = ln t = ln Pt ln Pt 1 P t 1 em que ln(x) o logaritmo natural (base e) de x;


Pt o preo do ativo no instante t.

Quadro 1 Sada contendo a anlise de possveis ordens para o modelo VAR(p),

para as sries de log-retornos mensais IBOV, PETR4 e VALE5, no perodo de janeiro/1995 a setembro/2005. A prxima etapa discutir a ordem do modelo autoregressivo vetorial (VAR). Para tanto, vamos utilizar os resultados gerados pelo comando lag length criteria, que uma das opes em lag structure dentro do cone view da sada de um VAR de ordem qualquer. Como um dos objetivos deste estudo o de fazer previses,
1

vamos nos focar nos critrios AIC e FPE. Observando o Quadro 1, adotamos um VAR(1). No Quadro 2, a seguir, temos os resultados do modelo estimado. Vale observar que os log-retornos mensais IBOVt so influenciados por PETR4t-1. J os log-retornos mensais PETR4t so influenciados por IBOVt-1 e PETR4t-1. Finalmente, observamos que os log-retornos mensais VALE5t so influenciados apenas por VALE5t-1.

Quadro 2 Sada contendo as estimativas dos parmetros de um modelo VAR(1),

para as sries de log-retornos mensais IBOV, PETR4 e VALE5, no perodo de janeiro/1995 a setembro/2005.
2

Os log-retornos mensais do IBOV so influenciados por valores defasados dos log-retornos da PETR4, o que razovel, dado que as aes da Petrobras fazem parte do ndice. Por outro lado, os log-retornos mensais da PETR4 so influenciados por valores passados do IBOV, ou seja, dependem de preos do mercado financeiro. Pelo exposto, h uma relao de feedback entre as duas sries. Para garantirmos a adequabilidade do modelo estimado, precisamos verificar se o mesmo estvel e se as suposies de ausncia de autocorrelao e normalidade dos erros se verificam. As duas ltimas caractersticas sero testadas via anlise de resduos. Podemos observar, pela Figura 2, que o modelo estvel, uma vez que o valor inverso de cada uma das razes caractersticas se encontra dentro do crculo unitrio.

Figura 2 Diagrama contendo os resultados inversos das razes caractersticas do

polinmio autoregressivo. O Quadro 3 nos apresenta os resultados do teste Portmanteau, para verificar, via resduos, se h autocorrelao entre os erros. Como todos os nveis descritivos
3

associados so bastante altos, podemos concluir que os erros so no autocorrelacionados.

Quadro 3 Sada contendo o teste Portmanteau das autocorrelao dos resduos

do modelo estimado.

IBOV Residuals
.15 .10 .05 .00 -.05 -.10 -.15 -.20 -.25 95 96 97 98 99 00 01 02 03 04 05

PETR4 Residuals
.2 .1 .0 -.1 -.2 -.3 -.4 95 96 97 98 99 00 01 02 03 04 05

VALE5 Residuals
.3 .2 .1 .0 -.1 -.2 95 96 97 98 99 00 01 02 03 04 05

Figura 3 Grficos de linha contendo os resduos da cada uma das sries

analisadas.

Observando a Figura 3, constatamos a presena de alguns resduos com valores bastante altos (observao entre os anos de 1998 e 1999 poca de desvalorizao do real e reeleio de FHC). Esses valores discrepantes podem fazer com que haja violao da suposio de normalidade.

Quadro 4 Testes de normalidade dos resduos (individuais e conjunto).

Observando os resultados descritos no Quadro 4, podemos perceber que a suposio de normalidade no foi verificada, exceto para a segunda componente. Do exposto, resolvemos acrescentar variveis dummy para os perodos em que os resduos se mostraram muito discrepantes. As dummies criadas so:
dtodos referente ao resduo do ajuste, de cada uma das sries, no ms de

agosto de 1998;

dpetr4 referente ao resduo do ajuste para a srie PETR4, no ms de maro de

1999;
dvale5 referente ao resduo do ajuste para a srie VALE5, no ms de janeiro

de 1999. Para determinar a ordem do novo modelo, utilizamos os mesmos critrios anteriormente discutidos. Dessa forma, ajustaremos um VAR(1). Vale observar que a log-verossimilhana, agora, tambm indicou a ordem 1 para o novo modelo. Para mais detalhes, vide Quadro 5.

Quadro 5 Critrios de seleo da ordem do modelo.

Assim, o novo modelo estimado pode ser analisado no Quadro 6. Ainda, notamos que os parmetros associados s dummies criadas, de acordo com o j observado, foram estatisticamente significantes. Finalmente, verificamos que os logretornos mensais IBOVt so influenciados por PETR4t-1. J os log-retornos mensais PETR4t so influenciados por IBOVt-1 e PETR4t-1. Finalmente, observamos que os log-retornos mensais VALE5t so influenciados apenas por VALE5t-1. Ou seja, como
6

os log-retornos mensais do IBOV so influenciados por valores defasados dos logretornos da PETR4, o que razovel, dado que as aes da Petrobras fazem parte do ndice. Por outro lado, os log-retornos mensais da PETR4 so influenciados por valores passados do IBOV, ou seja, dependem de preos do mercado financeiro. Pelo exposto, h uma relao de feedback entre as duas sries.

Quadro 6 Sada contendo as estimativas dos parmetros de um modelo VAR(1),

para as sries de log-retornos mensais IBOV, PETR4 e VALE5, no perodo de janeiro/1995 a setembro/2005.

Para garantirmos a adequabilidade do modelo estimado, precisamos verificar se o mesmo estvel e se as suposies de ausncia de autocorrelao e normalidade dos erros se verificam. As duas ltimas caractersticas sero testadas via anlise de resduos. Podemos observar, pela Figura 4, que o modelo estvel, uma vez que o valor inverso de cada uma das razes caractersticas se encontra dentro do crculo unitrio.

Figura 4 Diagrama contendo os resultados inversos das razes caractersticas do

polinmio autoregressivo. O Quadro 7 nos apresenta os resultados do teste Portmanteau, para verificar se h autocorrelao residual. Como todos os nveis descritivos associados so bastante altos, podemos concluir que os resduos so no autocorrelacionados. Observando a Figura 5, no constatamos a presena de possveis outliers, ou seja, possivelmente no teremos mais problemas com a normalidade dos erros. Os resultados apresentados no Quadro 8 evidenciam a normalidade dos erros.

Quadro 7 Sada contendo a anlise de autocorrelao dos resduos do novo

modelo estimado.

RESID01_IBOV_NOVO
.10 .05 .00 -.05 -.10 -.15 95 96 97 98 99 00 01 02 03 04 05

RESID02_PETR4_NOVO
.12 .08 .04 .00 -.04 -.08 -.12 -.16 -.20 95 96 97 98 99 00 01 02 03 04 05

RESID03_VALE5_NOVO
.12 .08 .04 .00 -.04 -.08 -.12 95 96 97 98 99 00 01 02 03 04 05

Figura 5 Grficos de linha contendo os resduos de cada uma das sries

analisadas.

Quadro 8 Testes de normalidade dos resduos (individuais e conjunto). Tabela 1 Previses, 3 passos frente, para as sries de interesse, a partir da

estimao do modelo VAR(3). Valor Previsto Datas Outubro / 2005 Novembro / 2005 Dezembro / 2005 IBOV 0,0147039 0,0055442 0,0079936 PETR4 0,0221723 0,0068273 0,0113026 VALE5 -0,0077386 0,0126662 0,0075409

Utilizando o modelo, cujos resultados esto descritos no Quadro 6, fizemos previses para as trs sries de log-retornos 3 passos (outubro, novembro e dezembro de 2005) frente com origem em setembro de 2005. A Tabela 1 apresenta os valores previstos para cada uma das sries de interesse, j a Figura 6
10

nos fornece os grficos com as sries originais e as previses 3 passos frente (3 ltimas observaes nos grficos da coluna da direita).

IBOV
.12 .08 .04 .00 -.04 -.08 -.12 -.16 -.20 -.24 95 96 97 98 99 00 01 02 03 04 05 .12 .08 .04 .00 -.04 -.08 -.12 -.16 -.20 -.24 95 96 97

IBOV (Baseline)

98

99

00

01

02

03

04

05

PETR4
.2 .1 .0 -.1 -.2 -.3 -.4 95 96 97 98 99 00 01 02 03 04 05 .2 .1 .0 -.1 -.2 -.3 -.4 95 96 97

PETR4 (Baseline)

98

99

00

01

02

03

04

05

VALE5
.3 .2 .1 .0 -.1 -.2 95 96 97 98 99 00 01 02 03 04 05 .3 .2 .1 .0 -.1 -.2 95 96 97

VALE5 (Baseline)

98

99

00

01

02

03

04

05

Figura 6 Grficos das sries originais (coluna esquerda) e com as previses 3

passos frente (coluna direita).

11

Observando o Quadro 9, notamos que PETR4 Granger-causa IBOV (p-valor = 0,0218) e IBOV Granger-causa PETR4 (p-valor = 0,0360), ou seja, como j havamos comentado anteriormente, h uma relao de feedback entre as duas sries. Ainda, se considerarmos um nvel de significncia de 7%, por exemplo, VALE5 e PETR4 Granger-causam, conjuntamente, IBOV (p-valor = 0,0611). Tambm, IBOV e VALE5 Granger-causam, conjuntamente, PETR4 (p-valor = 0,0272). Finalmente, podemos perceber que PETR4 e IBOV no Granger-causam, conjuntamente (nem individualmente), VALE5 (nveis descritivos muito altos, ltima coluna do Quadro 9).

Quadro 9 Sada contendo os testes de causalidade no sentido de Granger.

12

A seguir, Figura 7, temos os grficos das funes de resposta ao impulso, um dos usos mais populares do modelo vetorial autoregressivo. No caso, para construir essa funo, devemos ordenar as variveis segundo a endogeneidade. Do exposto, a ordenao utilizada foi: primeiro IBOV, depois PETR4 e, finalmente, VALE5. Tal escolha se deve ao fato de IBOV ser construda com base nas informaes desses papis e de vrios outros; PETR4 entrou em segundo pelo fato de ser um papel com uma relevncia (peso) maior em IBOV que VALE5. Apenas para lembrar:
impulso choque aleatrio de uma varivel; resposta impacto do choque sobre as variveis do modelo.

Response to Cholesky One S.D. Innovations 2 S.E.


Response of IBOV to IBOV
.05 .04 .03 .02 .01 .00 -.01 -.02 1 2 3 4 5 6 7 8 9 10 11 12 .05 .04 .03 .02 .01 .00 -.01 -.02 1 2 3 4 5 6 7 8 9 10 11 12

Response of IBOV to PETR4


.05 .04 .03 .02 .01 .00 -.01 -.02 1 2

Response of IBOV to VALE5

10

11

12

Response of PETR4 to IBOV


.05 .04 .03 .02 .01 .00 -.01 -.02 -.03 1 2 3 4 5 6 7 8 9 10 11 12 .05 .04 .03 .02 .01 .00 -.01 -.02 -.03 1 2

Response of PETR4 to PETR4


.05 .04 .03 .02 .01 .00 -.01 -.02 -.03 3 4 5 6 7 8 9 10 11 12 1 2

Response of PETR4 to VALE5

10

11

12

Response of VALE5 to IBOV


.05 .04 .03 .02 .01 .00 -.01 -.02 1 2 3 4 5 6 7 8 9 10 11 12 .05 .04 .03 .02 .01 .00 -.01 -.02 1 2

Response of VALE5 to PETR4


.05 .04 .03 .02 .01 .00 -.01 -.02 3 4 5 6 7 8 9 10 11 12 1 2

Response of VALE5 to VALE5

10

11

12

Figura 7 Funes de resposta ao impulso, 12 perodos a frente, estimadas a partir

do modelo descrito no Quadro 6.

13

De acordo com a Figura 7, podemos perceber que o IBOV responde positivamente ao impulso do IBOV em 1 ms. J a resposta ao impulso do IBOV, com relao PETR4, negativa e ocorre no primeiro e segundo meses (sendo maior no segundo ms). Analisando a resposta ao impulso da PETR4, quando proveniente do IBOV positiva e ocorre no primeiro ms (numa magnitude muito prxima quela da IBOV IBOV), j quando proveniente da prpria PETR4, positiva no primeiro ms e negativa no segundo (numa intensidade menor). Finalmente, ao analisar a resposta ao impulso da VALE5, podemos perceber que existe uma resposta positiva no primeiro ms com relao IBOV e uma resposta positiva (alta) e outra negativa (menor), respectivamente, nos meses 1 e 2 com relao prpria VALE5. A seguir, encontram-se os grficos com as decomposies das varincias dos erros de previses.
Variance Decomposition 2 S.E.
Percent IBOV variance due to IBOV
120 100 80 60 40 20 0 -20 1 2 3 4 5 6 7 8 9 10 11 12 120 100 80 60 40 20 0 -20 1 2 3 4 5 6 7 8 9 10 11 12

Percent IBOV variance due to PETR4


120 100 80 60 40 20 0 -20 1

Percent IBOV variance due to VALE5

10

11

12

Percent PETR4 variance due to IBOV


80 70 60 50 40 30 20 10 0 -10 1 2 3 4 5 6 7 8 9 10 11 12 80 70 60 50 40 30 20 10 0 -10 1

Percent PETR4 variance due to PETR4


80 70 60 50 40 30 20 10 0 -10 2 3 4 5 6 7 8 9 10 11 12 1

Percent PETR4 variance due to VALE5

10

11

12

Percent VALE5 variance due to IBOV


100 80 60 40 20 0 -20 1 2 3 4 5 6 7 8 9 10 11 12 100 80 60 40 20 0 -20 1

Percent VALE5 variance due to PETR4


100 80 60 40 20 0 -20 2 3 4 5 6 7 8 9 10 11 12 1

Percent VALE5 variance due to VALE5

10

11

12

Figura 8 Decomposio das varincias dos erros de previso. 14

Apenas para lembrar: se uma varivel responde pouco ao choque, ento, sua contribuio total na varincia dever ser baixa. A anlise da decomposio das varincias dos erros de previso uma forma alternativa de avaliar a funo de resposta ao impulso. Basicamente temos uma idia de com as variveis impactam na varincia do erro de previso daquela varivel que se est estudando. Aqui, tambm precisamos trabalhar com as variveis ordenadas (a ordenao continua igual da funo de resposta ao impulso). Avaliando a Figura 8, notamos que a IBOV tem um impacto alto na varincia total da IBOV, prximo aos 100%, ao longo de todo o perodo avaliado. Ainda, notamos que a PETR4 apresenta um leve impacto, a partir do segundo ms, na varincia total do IBOV. Por outro lado, VALE5 apresenta um impacto que pode ser considerado estatisticamente insignificante. Quando avaliamos a decomposio do erro de previso da PETR4, notamos que a IBOV tem um impacto alto na varincia total desta, em torno de 60%. Tal fato provavelmente se deve alta contribuio das aes da Petrobras na construo do ndice BOVESPA. Ainda, a PETR4 tambm apresenta uma alta contribuio total na varincia de PETR4, algo prximo aos 40%. Entretanto, a VALE5 apresenta uma contribuio estatisticamente insignificante na varincia total da PETR4. Finalmente, a VALE5 contribui bastante na sua prpria varincia total, algo em torno de 80%, sendo os outros 20% devido ao IBOV. Aqui, a PETR4 foi quem apresentou uma contribuio estatisticamente insignificante na varincia total da VALE5.

15

APNDICE A

16

Temos, aqui, as aplicaes do teste ADF s sries analisadas. Vale ressaltar que, pela observao da Figura 1, faremos diretamente o teste ADF, para cada uma das sries, sem levar em considerao a presena de termos determinsticos (constante e tendncia). Dessa forma, o modelo que ser estimado para cada srie pode ser dado pela expresso a seguir:

y t = y t 1 + i yt i + t .
i =1

p 1

(A.1)

As hipteses de interesse, nesse caso, so:

H0 : = 0 HA : < 0

(A.2)

A estatstica do teste dada pela expresso:

=
em que

se( )

(A.3)

se( ) - erro padro associado estimativa do parmetro .

Os Quadros A.1, A.2 e A.3 mostram os resultados da estimao do modelo proposto em (A.1), para as sries IBOV, PETR4 e VALE5, respectivamente. Ainda, podemos observar nestes quadros o valor calculado para cada estatstica de teste (A.3) e valores crticos da distribuio de Dickey e Fuller, que em todos os casos nos levam rejeio da hiptese nula, ou seja, conclumos que as sries so todas I(0). Vale ressaltar que neste teste escolhemos as defasagens, y t i , i = 1, ..., p-1, de acordo com a anlise do correlograma dos resduos do modelo proposto em (A.1). A verificao da entrada dessas defasagens no modelo se faz importante pelo fato de supormos que os erros do modelo apresentam o comportamento de um rudo branco (mdia zero, varincia constante e no correlacionados). Para mais detalhes, vide Figuras A.1 a A.3.

17

Quadro A.1 Sada do software Eviews 5 contendo a estimao do modelo

necessrio para se testar as hipteses formuladas em (A.2), para a srie IBOV.

Figura A.1 Correlograma dos resduos do modelo estimado para testar a presena

de raiz unitria na srie IBOV.

18

Quadro A.2 Sada do software Eviews 5 contendo a estimao do modelo

necessrio para se testar as hipteses formuladas em (A.2), para a srie PETR4.

Figura A.2 Correlograma dos resduos do modelo estimado para testar a presena

de raiz unitria na srie PETR4.

19

Quadro A.3 Sada do software Eviews 5 contendo a estimao do modelo

necessrio para se testar as hipteses formuladas em (A.2), para a srie VALE5.

Figura A.3 Correlograma dos resduos do modelo estimado para testar a presena

de raiz unitria na srie VALE5.

20