2009 - Analise de-Series-Temporais (RICARDO S. EHLERS) ATENÇÃO PDF

LISE DE SE
RIES TEMPORAIS
ANA
RICARDO S. EHLERS
Primeira publicacao 2003

Segunda edicao publicada em 2004
Terceira edicao publicada em 2005
Quarta edicao publicada em 2007
Quinta edicao publicada em 2009
RICARDO SANDES EHLERS 2003-2009
Sum
ario
1 Introdu
c
ao
2 T
ecnicas Descritivas
2.1 Decomposicao Cl
assica .
2.2 Series com Tendencia . .
2.3 Series Sazonais . . . . .
2.4 Autocorrelacao . . . . .
2.4.1 O Correlograma
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Modelos Probabilsticos
3.1 Introducao . . . . . . . . . . . . .
3.2 Processos Estacion
arios . . . . . .
3.3 A Funcao de Autocorrelacao . . . .
3.4 Alguns Processos Estocasticos . . .
3.4.1 Sequencia Aleat
oria . . . .
3.4.2 Passeio Aleat
orio . . . . . .
3.4.3 Processos de Media M
oveis
3.4.4 Processos Autoregressivos .
3.4.5 Modelos Mistos ARMA . .
3.4.6 Modelos ARMA Integrados
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
7
12
12
14
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
20
20
21
22
22
22
23
24
26
31
32
4 Estima
c
ao
4.1 Autocovariancia e autocorrelacao . .
4.2 Ajustando Processos Autoregressivos
4.3 Ajustando Processos Medias M
oveis
4.4 Ajustando Processos ARMA . . . . .
4.5 Modelos Sazonais . . . . . . . . . . .
4.6 Adequacao do Modelo . . . . . . . .
4.6.1 An
alise dos Resduos . . . . .
4.6.2 Testes sobre os resduos . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
36
37
41
42
43
45
45
46
5 Previs
ao
5.1 Metodos Univariados de Previsao . . . . . . . . . . . . . . . . . . . . .
5.1.1 Alisamento Exponencial Simples . . . . . . . . . . . . . . . . .
54
54
54

SUMARIO
ii
5.2
5.3
5.4
5.5
5.6
5.1.2 Metodo de Holt-Winters . . .

Previsao em Modelos ARMA . . . .
Performance Preditiva . . . . . . . .
Criterios de Informacao . . . . . . .
Previsoes Usando Todos os Modelos
Previsao Bayesiana . . . . . . . . . .
6 Modelando a Vari
ancia
6.1 Introducao . . . . . . .
6.2 Modelos ARCH . . . . .
6.3 Modelos GARCH . . . .
6.3.1 Estimacao . . . .
6.3.2 Adequacao . . .
6.4 Volatilidade Estocastica
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
58
60
64
66
69
70
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
75
75
76
82
83
84
86
7 Modelos Lineares Din

amicos
7.1 Introducao . . . . . . . . . . . . . . . . . . . . .
7.2 Modelos Polinomiais . . . . . . . . . . . . . . . .
7.2.1 An
alise Sequencial e Previsoes . . . . . .
7.2.2 Variancias de Evolucao e das Observacoes
7.3 Modelo de Crescimento Linear . . . . . . . . . .
7.4 Modelos Sazonais . . . . . . . . . . . . . . . . . .
7.4.1 Modelos sem Crescimento . . . . . . . . .
7.4.2 Modelos com Crescimento . . . . . . . . .
7.5 Representacao de Fourier . . . . . . . . . . . . .
7.6 Ilustracao . . . . . . . . . . . . . . . . . . . . . .
7.7 Modelos de Regress
ao . . . . . . . . . . . . . . .
7.8 Monitoramento . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
89
89
91
92
94
97
98
98
99
99
100
101
102
A Lista de Distribui
co
es
A.1 Distribuicao Normal . . . . . .
A.2 A Funcao Gama . . . . . . . .
A.3 Distribuicao Gama . . . . . . .
A.4 Distribuicao Wishart . . . . . .
A.5 Distribuicao Gama Inversa . . .
A.6 Distribuicao Wishart Invertida
A.7 Distribuicao Beta . . . . . . . .
A.8 Distribuicao de Dirichlet . . . .
A.9 Distribuicao t de Student . . .
A.10 Distribuicao F de Fisher . . . .
A.11 Distribuicao Binomial . . . . .
A.12 Distribuicao Multinomial . . .
A.13 Distribuicao de Poisson . . . .
A.14 Distribuicao Binomial Negativa
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
108
108
108
109
109
109
110
110
110
110
111
111
111
112
112
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

SUMARIO
References
iii
113
Captulo 1
Introduc
ao
Uma serie temporal e uma colecao de observacoes feitas sequencialmente ao longo do
tempo. A caracterstica mais importante deste tipo de dados e que as observacoes vizinhas s
ao dependentes e estamos interessados em analisar e modelar esta dependencia.
Enquanto em modelos de regressao por exemplo a ordem das observacoes e irrelevante
para a an
alise, em series temporais a ordem dos dados e crucial. Vale notar tambem
que o tempo pode ser substituido por outra variavel como espaco, profundidade, etc.
Como a maior parte dos procedimentos estatsticos foi desenvolvida para analisar
observacoes independentes o estudo de series temporais requer o uso de tecnicas especficas. Dados de series temporais surgem em varios campos do conhecimento como
Economia (precos di
arios de acoes, taxa mensal de desemprego, producao industrial),
Medicina (eletrocardiograma, eletroencefalograma), Epidemiologia (n
umero mensal
de novos casos de meningite), Meteorologia (precipitacao pluviometrica, temperatura
di
aria, velocidade do vento), etc.
Algumas caractersticas s
ao particulares a este tipo de dados, por exemplo,
Observac
oes correlacionadas s
ao mais difceis de analisar e requerem tecnicas
especficas.
Precisamos levar em conta a ordem temporal das observac
oes.
Fatores complicadores como presenca de tendencias e variac
ao sazonal ou cclica
podem ser difceis de estimar ou remover.
A selec
ao de modelos pode ser bastante complicada, e as ferramentas podem ser
de difcil interpretacao.
mais difcil de lidar com observacoes perdidas e dados discrepantes devido à

E
natureza sequencial.
Terminologia
Uma serie temporal e dita ser contnua quando as observacoes s
ao feitas continuamente
no tempo. Definindo o conjunto T = {t : t1 < t < t2 } a serie temporal sera denotada
1

CAPITULO 1. INTRODUC
AO
por {X(t) : t T }. Uma serie temporal e dita ser discreta quando as observacoes
s
ao feitas em tempos especficos, geralmente equiespacados. Definindo o conjunto
T = {t1 , . . . , tn } a serie temporal sera denotada por {Xt : t T }. Por simplicidade
podemos fazer T = {1, 2, . . . , n}.
Note que estes termos nao se referem à variavel observada X, esta pode assumir
valores discretos ou contnuos. Em muitas situacoes X pode ser discreta por definicao
(e.g. o n
umero de casos notificados de AIDS) porem para efeito de an
alise estatstica pode ser tratada como continua se os seus valores observados nao forem muito
pequenos.
Por outro lado, series temporais discretas podem surgir de varias formas. Series
contnuas podem ser discretizadas, i.e. seus valores s
ao registrados a certos intervalos
de tempo. Series de valores agregados ou acumulados em intervalos de tempo, por exemplo exportacoes medidas mensalmente ou quantidade de chuva medida diariamente.
Finalmente, algumas series s
ao inerentemente discretas, por exemplo dividendos pagos
por uma empresa aos seus acionistas em anos sucessivos.
Uma serie temporal tambem pode ser multivariada. Se k variaveis s
ao observadas
a cada tempo (por exemplo discreto) denota-se por {X1t , . . . , Xkt , t T }. Neste caso
varias series correlacionadas devem ser analisadas conjuntamente, ou seja em cada
tempo tem-se um vetor de observacoes.
Objetivos
Em algumas situacoes o objetivo pode ser fazer previsoes de valores futuros enquanto
em outras a estrutura da serie ou sua relacao com outras series pode ser o interesse
principal. De um modo geral, os principais objetivos em se estudar series temporais
podem ser os seguintes,
Descric
ao. Descrever propriedades da serie, e.g. o padrao de tendencia, existencia de variacao sazonal ou cclica, observacoes discrepantes (outliers), alteracoes
estruturais (e.g. mudancas no padr
ao da tendencia ou da sazonalidade), etc.
Explicac
ao. Usar a variacao em uma serie para explicar a variacao em outra
serie.
Predic
ao: predizer valores futuros com base em valores passados. Aqui assumese que o futuro envolve incerteza, ou seja as previsoes nao s
ao perfeitas. Porem
devemos tentar reduzir os erros de previsao.
Controle. Os valores da serie temporal medem a qualidade de um processo
de manufatura e o objetivo e o controle do processo. Um exemplo e o controle
estatstico de qualidade aonde as observacoes s
ao representadas em cartas de
controle. Este topico nao sera abordado nestas notas de aula.
Abordagens
Tecnicas Descritivas. Tecnicas gr
aficos, identificacao de padr
oes, etc.
Modelos Probabilsticos. Selec
ao, comparacao e adequacao de modelos, estimacao, predicao. Ferramenta basica e a funca
o de autocorrelaca
o.
An
alise espectral.
Metodos n
ao parametricos (alisamento ou suavizacao).
Outras Abordagens. Modelos de espaco de estados, modelos n
ao lineares, series
multivariadas, estudos longitudinais, processos de longa dependencia, modelos
para volatilidade, etc.
Sazonalidade
Muitas series temporais exibem um comportamento que tende a se repetir a cada s
perodos de tempo. Por exemplo, e natural esperar que as vendas mensais de brinquedos ter
ao um pico no mes de dezembro e talvez um pico secundario em outubro. Este
padr
ao possivelmente se repetira ao longo de varios anos. Vejamos alguns possveis
modelos sazonais,
1. Sazonalidade deterministica. Variaveis dummies (bin
arias). O coeficiente de
cada variavel dummy representa o fator sazonal do respectivo mes, trimestre,
etc.
2. Funcoes trigonometricas.
3. Sazonalidade estocastica:
(a) Variavel end
ogena com defasagem sazonal no modelo (modelos ARMA
peri
odicos),
(b) modelo ARMA sazonal.
Tipos de Sazonalidade
Aditiva. A serie apresenta flutuac
oes sazonais mais ou menos constantes nao
importando o nvel global da serie.
Multiplicativa. O tamanho das flutuac
oes sazonais varia dependendo do nvel
global da serie.
No exemplo dos brinquedos, suponha que o aumento esperado nas vendas nos
meses de dezembro e de 1 milh
ao de reais em relacao à media anual. Entao as
previsoes para os meses de dezembro dos proximos anos deve somar a quantia de 1
milh
ao de reais `
a uma media anual para levar em conta esta flutuacao sazonal. Isto
e o que se chama de sazonalidade aditiva.

AO
Suponha agora que o aumento esperado nos meses de dezembro seja de 30%.
Entao o aumento esperado (em valor absoluto) de vendas em dezembro sera pequeno
ou grande dependendo da media anual de vendas ser baixa ou alta. Nas previsoes
para os proximos meses de dezembro deve-se multiplicar a media anual pelo fator 1,3.
Isto e o que se chama de sazonalidade multiplicativa.
Tend
encia
Globalmente, uma serie pode exibir tendencia de crescimento (ou decrescimento) com
varios possveis padr
oes.
Crescimento linear. Por exemplo, a cada ano o aumento esperado nas vendas
de um certo brinquedo e de 1 milh
ao de reais.
Crescimento exponencial. Por exemplo, a cada ano as vendas de um certo
brinquedo aumentam de um fator 1,3.
Crescimento amortecido. Por exemplo, as vendas de um certo brinquedo tem
uma aumento esperado de 70% sobre o ano anterior. Se o aumento esperado for
de 1 milh
ao de reais no primeiro ano, no segundo ano sera de 700 mil reais, no
terceiro ano sera de 490 mil reais e assim por diante.
Exemplos de S
eries Temporais
Como primeira ilustracao s
ao apresentadas na Figura 1.1 quatro series temporais
disponveis no pacote R. Nos eixos horizontais aparecem os anos de observacao e nos
eixos verticais os nomes das series (mesmos nomes do R). A Figura 1.1a mostra totais
mensais de passageiros em linhas aereas internacionais nos EUA entre 1949 e 1960.
Existe uma clara tendencia de crescimento bem como um padrao sazonal ao longo
dos anos. A Figura 1.1b mostra a serie com o n
umero anual de linces capturados em
armadilhas entre 1821 e 1934 no Canad
a. Existe um padr
ao cclico em torno de 10 ou
11 anos. A Figura 1.1c mostra a serie com as medicoes anuais de vazoes do Rio Nilo
em Ashwan entre 1871 e 1970. Parece haver alguma alteracao estrutural em torno do
ano de 1900. Finalmente a Figura 1.1d mostra a serie trimestral do consumo de g
as no
Reino Unido entre o primeiro trimestre de 1960 e o quarto trimestre de 1986. H
a uma
tendencia de crescimento porem a amplitude do padr
ao sazonal aumenta bastante a
partir de 1971.
lynx
5000
500
2000
300
100
AirPassengers
1950
1954
1958
1820
1000
200
600
UKgas
1000
600
Nile
1900
(b)
1400
(a)
1860
1880
1920
(c)
1960
1960
1970
1980
(d)
Figura 1.1: (a) Totais mensais de passageiros em linhas aereas internacionais nos EUA
entre 1949 e 1960, (b) n
umero anual de linces capturados em armadilhas entre 1821
e 1934 no Canad
a, (c) medicoes anuais de vazoes do Rio Nilo em Ashwan entre 1871
e 1970, (d) consumo de g
as no Reino Unido entre o primeiro trimestre de 1960 e o
quarto trimestre de 1986.

AO
Exerccios
1. Classifique as seguintes series temporais quanto ao tempo e quanto a variavel
observada.
(a) Registros de mare durante 1 dia.
(b) Medidas de temperatura em uma estacao meteorol
ogica.
(c) O ndice di
ario da bolsa de valores de Sao Paulo.
(d) A inflacao mensal medida pelo ndice de precos ao consumidor.
(e) Variacao di
aria de um determinado ndice financeiro, 1 para variacao positiva, -1 para variacao negativa ou zero se nao ocorreu variacao.
(f) N
umero mensal de novos casos de Dengue em uma determinada regi
ao.
2. De exemplos de series temporais continuas que poderiam ser discretizadas (e de
que forma).
Captulo 2
T
ecnicas Descritivas
Ao se analisar uma ou mais series temporais a representacao gr
afica dos dados sequencialmente ao longo do tempo e fundamental e pode revelar padr
oes de comportamento importantes. Tendencias de crescimento (ou decrescimento), padr
oes cclicos,
alteracoes estruturais, observacoes aberrantes, etc. s
ao muitas vezes facilmente identificados. Sendo assim, o gr
afico temporal deve ser sempre o primeiro passo e antecede
qualquer an
alise. Outras ferramentas serao descritas ao longo deste captulo.
2.1
Decomposic
ao Cl
assica
Muitas das propriedades observadas em uma serie temporal Xt podem ser captadas
assumindo-se a seguinte forma de decomposicao
Xt = Tt + Ct + Rt
onde Tt e uma componente de tendencia, Ct e uma componente cclica ou sazonal e
Rt e uma componente aleat
oria ou rudo (a parte nao explicada, que espera-se ser
puramente aleat
oria). A componente cclica se repete a cada intervalo fixo s, i.e.
= Ct2s = Cts = Ct = Ct+s = Ct+2s = . . . .
Assim, variacoes peri
odicas podem ser captadas por esta componente.
2.2
S
eries com Tend
encia
N
ao existe uma definicao precisa de tendencia e diferentes autores usam este termo de
diferentes formas. Podemos pensar em tendencia como uma mudanca de longo prazo
no nvel medio da serie. A dificuldade aqui e definir longo prazo.
A forma mais simples de tendencia e
Xt = + t + t
(2.1)
onde e s
ao constantes a serem estimadas e t denota um erro aleat
orio com media
zero. O nvel medio da serie no tempo t e dado por mt = + t que e algumas vezes
7
CAPITULO 2. TECNICAS
DESCRITIVAS
chamado de termo de tendencia. Porem alguns autores preferem chamar a inclinacao

de tendencia, ou seja a mudanca no nvel da serie por unidade de tempo ja que
= mt mt1 . Note que a tendencia na equacao (2.1) e uma funcao determinstica
do tempo e algumas vezes e chamada de tendencia global (i.e. vale para toda a serie),
em oposicao a tendencia local.
De um modo geral, uma forma de se lidar com dados nao sazonais que contenham
uma tendencia consiste em ajustar uma funcao polinomial,
Xt = 0 + 1 t + + p tp + t .
Uma funcao linear ou quadratica seria apropriada no caso de uma tendencia monotonicamente crescente ou decrescente. Caso contrario polin
omios de ordem mais alta
devem ser ajustados.
Outras possveis formas de tendencia s
ao os crescimentos descritos por uma curva
Gompertz,
log xt = a + brt
onde a, b e r s
ao par
ametros com 0 < r < 1, ou uma curva Logstica,
xt = a/(1 + bect )
onde a, b e c s
ao par
ametros. Estas duas u
ltimas s
ao chamadas curvas S e se aproximam de uma assntota quando t . Neste caso o ajuste pode levar a equacoes
nao lineares.
Seja qual for a curva utilizada, a funcao ajustada fornece uma medida da tendencia
da serie, enquanto os resduos (valores observados valores ajustados) fornecem uma
estimativa de flutuacoes locais.
Exemplo 2.1 : A Figura 2.1 mostra as medicoes anuais de vazoes do Rio Nilo em
Ashwan entre 1871 e 1970 juntamente com polin
omios de graus 3 e 6 superimpostos.
Os polin
omios foram ajustados por mnimos quadrados usando os comandos do R a
seguir. A serie original com as tendencias estimadas aparecem na Figura (2.1).
>
+
+
+
+
+
+
+
+
>
>
mypolytrend = function(y, degree = 1) {

n = length(y)
x = 1:n
X = matrix(NA, n, degree)
for (i in 1:degree) X[, i] = xî
a = as.numeric(lm(y ~ X)$coeff)
out = cbind(rep(1, n), X) %*% a
return(ts(out, start = start(y), freq = frequency(y)))
}
z3 = mypolytrend(Nile, 3)
z6 = mypolytrend(Nile, 6)
2.2. SERIES
COM TENDENCIA
1400
1000
600
800
Vazoes
1200
observado
tendencia grau 6
tendencia grau 3
1880
1900
1920
1940
1960
Figura 2.1: Medicoes anuais de vazoes do Rio Nilo em Ashwan entre 1871 e 1970 (pontos),
com polin
omios de graus 3 e 6 ajustados por minimos quadrados.
Regress
ao Local
A ideia aqui e estimar para cada t uma equacao de regressao polinomial diferente,
por exemplo
x
t =
(t) + (t)t.
Note que as estimativas de e dependem do tempo o que da o carater local das
retas de regressao.
O procedimento conhecido como loess e um procedimento iterativo que a cada
passo aplica a regressao local anterior, calcula os resduos xt x
t e aplica novamente
a regressao local dando peso menor às observacoes com resduos maiores. Este procedimento se repete ate atingir convergencia.
Exemplo 2.2 : A Figura 2.2 apresenta os mesmos dados da Figura 2.1 sendo que as
curvas superimpostas foram obtidas usando regressao local com os comandos do R a
seguir.

DESCRITIVAS
1400
10
1000
600
800
Vazoes
1200
observado
tendencia f=1
tendencia f=0.25
1880
1900
1920
1940
1960
Figura 2.2: Medicoes anuais de vazoes do Rio Nilo em Ashwan entre 1871 e 1970 (pontos),
tendencia estimada via funcao lowess.
Filtragem
Outro procedimento para analisar series com tendencia e atraves de filtros lineares.
Um filtro linear converte uma serie {xt } em outra {yt } atraves da seguinte operacao
linear
s
X
yt =
aj xt+j
j=q
onde {aj } e um conjunto de pesos. Alem disso, como queremos estimar a media local
P
os pesos devem ser tais que sj=q aj = 1, garantindo assim que min{xt } < yt <
max{xt }. Neste caso a operacao e chamada media m
ovel.
Medias m
oveis s
ao em geral simetricas com s = q e ar = ar . Por exemplo, se
s = q = 2 temos que
yt = a2 xt2 + a1 xt1 + a0 xt + a1 xt+1 + a2 xt+2 .
O caso mais simples e quando todos os pesos aj tem o mesmo valor e devido à restricao
de soma 1 segue que aj = 1/(2q +1), para j = q, . . . , q. Neste caso, o valor suavizado
2.2. SERIES
COM TENDENCIA
de xt e dado por
yt =
11
q
X
1
xt+j .
2q + 1
j=q
Qualquer que seja o filtro utilizado, yt e uma estimativa da tendencia no tempo t

e xt yt e uma serie livre de tendencia.
500
100
200
300
400
dados
Media Movel q=2
Media Movel q=5
Numero de passageiros (em milhares)
600
Exemplo 2.3 : A Figura 2.3 apresenta a serie com os totais mensais de passageiros
de linhas aereas internacionais nos EUA, entre 1949 e 1960 (Box, Jenkins and Reinsel,
1976) juntamente com a tendencia estimada superimposta. Foram aplicados filtros
lineares com medias m
oveis aproximadamente trimestrais (q = 2) e medias m
oveis
aproximadamente anuais (q = 5).
1950
1952
1954
1956
1958
1960
Anos
Figura 2.3: Totais mensais de passageiros de linhas aereas internacionais nos EUA, com
a tendencia superimposta aplicando medias moveis aproximadamente trimestrais (q = 2) e
medias moveis aproximadamente anuais (q = 5).
Note que, para a aplicacao de qualquer filtro simetrico os valores suavizados s

o
podem ser calculados para t = q + 1, . . . , n q e assim a serie suavizada ter
a n 2q
valores. Em algumas situacoes no entanto e importante obter valores suavizados ate
o perodo t = n e uma alternativa e utilizar um filtro assimetrico que usa apenas os
valores atual e passados de xt . Por exemplo na tecnica conhecida como alisamento

DESCRITIVAS
12
exponencial os valores suavizados s

ao dados por
yt =
X
j=0
(1 )j xtj
onde 0 < < 1. Note como, embora todas as observacoes passadas sejam usadas no
filtro, os pesos (1 )j decaem geometricamente com j. Quanto mais proximo de 1
estiver mais peso sera dado às observacoes mais recentes e quanto mais proximo de
zero mais os pesos estarao distribuidos ao longo da serie. Por exemplo se = 0, 90 a
serie filtrada fica yt = 0, 9xt + 0, 09xt1 + 0, 009xt2 + . . . enquanto que para = 0, 1
temos que yt = 0, 1xt + 0, 09xt1 + 0, 081xt2 + . . . .
Este tipo de filtro pode ser utilizado para fazer previsoes. Especificamente a
previsao da serie original em t + 1 sera o valor filtrado yt (mais detalhes no Captulo
5).
Diferencia
c
ao
Um tipo especial de filtro, muito u
til para remover uma componente de tendencia
polinomial, consiste em diferenciar a serie ate que ela se torne estacion
aria (este conceito sera formalizado no Captulo 3). Para dados nao sazonais, a primeira diferenca e
em geral suficiente para induzir estacionariedade aproximada. A nova serie y2 , . . . , yn
e formada a partir da serie original x1 , . . . , xn como
yt = xt xt1 = xt .
Note que isto nada mais e do que um filtro (assimetrico) com coeficientes 1 e -1.
Diferenciacao de primeira ordem e a mais utilizada sendo que ocasionalmente uma
diferenciacao de segunda ordem pode ser requerida, i.e.
yt = 2 xt = (xt xt1 ) = xt 2xt1 + xt2 .
Alem disso, independente do seu uso para induzir estacionariedade, a diferenciacao pode ser muito u
til como ferramenta exploratoria. Observacoes discrepantes por
exemplo podem ter um efeito dramatico na serie diferenciada e uma representacao
gr
afica e em geral suficiente para identificar tais pontos.
2.3
S
eries Sazonais
Uma forma bastante simples de eliminar o efeito sazonal e simplesmente tomar medias
sazonais. Por exemplo, em dados mensais com sazonalidade anual, as medias anuais
estarao livres do efeito sazonal. Embora este procedimento esteja correto muitos dados
serao perdidos e ao inves disto pode-se recorrer mais uma vez às medias m
oveis.
2.4
Autocorrelac
ao
Uma importante ferramenta para se identificar as propriedades de uma serie temporal consiste de uma serie de quantidades chamadas coeficientes de autocorrelaca
o

2.4. AUTOCORRELAC
AO
13
amostral. A ideia e similar ao coeficiente de correlacao usual, i.e. para n pares de

observacoes das variaveis x e y o coeficiente de correlacao amostral e dado por
n
X
(xi x)(yi y)
.
r = v i=1
uX
n
X
u n
t (xi x)2
(yi y)2
(2.2)
i=1
i=1
Aqui no entanto queremos medir a correlacao entre as observacoes de

uma mesma variavel em diferentes horizontes de tempo, i.e. correlacoes entre observacoes defasadas 1, 2, . . . perodos de tempo.
Assim, dadas n observacoes x1 , . . . , xn de uma serie temporal discreta podemos formar os pares
(x1 , x2 ), . . . , (xn1 , xn ). Considerando x1 , . . . , xn1 e x2 , . . . , xn como duas variaveis
o coeficiente de correlacao entre elas e dado por
n1
X
t=1
(xt x1 )(xt+1 x2 )
r1 = v
un1
n1
X
uX
t (xt x1 )2
(xt+1 x2 )2
t=1
(2.3)
t=1
onde as medias amostrais s

ao
n1
X
xt /(n 1)
x1 =
n
X
e x2 =
t=1
t=2
xt /(n 1).
Como o coeficiente r1 mede as correlacoes entre observacoes sucessivas ele e chamado

de coeficiente de autocorrelacao ou coeficiente de correlacao serial.
usual simplificar a equacao (2.3) utilizando-se a media de todas as observacoes,
E
n
X
xt /n ja que x1 x2 , e assumindo variancia constante. Assim, a versao
i.e. x =
t=1
simplificada de (2.3) fica
r1 =
n1
X
t=1
(xt x)(xt+1 x)
(n 1)
n
X
t=1
(2.4)
(xt x) /n
sendo que alguns autores ainda retiram o termo n/(n 1) que e proximo de 1 para
n nao muito pequeno. Esta u
ltima forma simplificada, sem o termo n/(n 1) sera
utilizada neste texto.
A equacao (2.4) pode ser generalizada para calcular a correlacao entre observacoes
defasadas de k perodos de tempo, i.e.
rk =
nk
X
t=1
(xt x)(xt+k x)
n
X
t=1
(xt x)
(2.5)

DESCRITIVAS
14
fornece o coeficiente de autocorrelacao de ordem k. Assim como o coeficiente de

correlacao usual, as autocorrelacoes s
ao adimensionais e 1 < rk < 1.
Na pratica e mais usual calcular primeiro os coeficientes de autocovari
ancia {ck },
definidos por analogia com a formula usual de covariancia, i.e.
ck =
nk
X
t=1
(xt x)(xt+k x)/n, k = 0, 1, . . . .
Os coeficientes de autocorrelacao s
ao entao obtidos como rk = ck /c0 .
2.4.1
O Correlograma
Um gr
afico com os k primeiros coeficientes de autocorrelacao como funcao de k e
chamado de correlograma e pode ser uma ferramenta poderosa para identificar caractersticas da serie temporal. Porem isto requer uma interpretacao adequada do
correlograma, i.e. devemos associar certos padr
oes do correlograma como determinadas caractersticas de uma serie temporal. Esta nem sempre e uma tarefa simples
e a seguir s
ao dadas algumas indicacoes.
S
eries aleat
orias
A primeira quest
ao que podemos tentar responder atraves do correlograma e se uma
serie temporal e aleat
oria ou nao. Para uma serie completamente aleat
oria os valores
defasados s
ao nao correlacionados e portanto espera-se que rk 0, k = 1, 2, . . . .
Suponha que x1 , . . . , xn sejam variaveis aleat
orias independentes e identicamente
distribuidas com media arbitr
arias. Entao, pode-se mostrar que o coeficiente de autocorrelacao amostral rk e assintoticamente normalmente distribuido, com media e
variancia dados por
E(rk ) 1/n e
V ar(rk ) 1/n.
(ver Kendall, Stuart, & Ord 1983, Captulo 48). Portanto, limites de confianca apro
ximados de 95% s
ao dados por 1/n 1, 96/ n, que s
ao frequentemente ainda mais
aproximados para 1, 96/ n.

Isto ilustra uma das dificuldades de interpretar o correlograma ja que, mesmo para
uma serie completamente aleat
oria, espera-se que 1 em cada 20 coeficientes rk esteja
fora destes limites. Por outro lado, um valor muito grande de rk tem menos chance de
ter ocorrido ao acaso do que um valor que esta apenas ligeiramente fora dos limites.
A Figura 2.4 mostra uma serie temporal com 100 observacoes independentes e
identicamente distribuidas geradas no computador juntamente com o seu correlo
grama. Neste caso os limites de confianca de 95% s
ao aproximadamente 2/ 100 =
0,2 e podemos notar que 2 dentre as 20 primeiras autocorrelacoes estao ligeiramente
fora destes limites. No entanto isto ocorre em defasagens aparentemente arbitr
arias
(12 e 18) e podemos concluir que nao ha evidencia para rejeitar a hip
otese de que as
observacoes s
ao independentes.
0 1 2
15
observaes
2.4. AUTOCORRELAC
AO
20
40
60
80
100
1.0
0.4
0.2
autocorrelaoes
tempo
10
15
20
defasagem
Figura 2.4: (a) 100 observacoes simuladas independentes e identicamente distribuidas. (b)
20 primeiras autocorrelacoes amostrais.
Correlac
ao de curto-prazo
Uma serie temporal na qual uma observacao acima da media tende a ser seguida
por uma ou mais observacoes acima da media, similarmente para observacoes abaixo
da media, e dita ter correlacao de curto-prazo. Um correlograma desta serie devera
exibir um valor relativamente grande de r1 seguido por valores que tendem a ficar
sucessivamente menores. A partir de uma certa defasagem k os valores de rk tendem
a ser aproximadamente zero. Na Figura 2.5 temos 50 observacoes geradas de acordo
com o processo xt = 0, 7xt1 + t juntamente com o seu correlograma.
Correlac
ao negativa
Se os valores de uma serie temporal tendem a se alternar acima e abaixo de um valor
medio, o correlograma desta serie tambem tende a se alternar. O valor de r1 sera
negativo enquanto o valor de r2 sera positivo ja que as observacoes defasadas de 2
perodos tendem a estar do mesmo lado da media. Esta caracterstica esta ilustrada
na Figura 2.6 aonde temos 50 observacoes simuladas com autocorrelacoes negativas
juntamente com as 15 primeiras autocorrelacoes amostrais.

DESCRITIVAS
2
0
3
observacoes
16
10
20
30
40
50
1.0
0.4
0.2
autocorrelacoes
tempo
10
15
defasagem
Figura 2.5: (a) 50 observacoes simuladas com autocorrelacoes de curto-prazo. (b) 16

primeiras autocorrelacoes amostrais.
S
eries n
ao estacion
arias
Para uma serie temporal com tendencia os valores de rk nao decairao para zero a
nao ser em defasagens grandes. Intuitivamente, isto ocorre porque uma observacao
de um lado da media tende a ser seguida por um grande n
umero de observacoes do
mesmo lado (devido `
a tendencia). Neste caso, pouca ou nenhuma informacao pode
ser extraida do correlograma ja que a tendencia dominar
a outras caractersticas. Na
verdade, como veremos em outros captulos a funcao de autocorrelacao s
o tem um
significado para series estacionarias, sendo assim qualquer tendencia deve ser removida
antes do calculo de {rk }.
A Figura 2.7 mostra uma serie temporal com 50 observacoes geradas segundo o
modelo xt = xt1 + t , juntamente com o seu correlograma. Note que a nao estacionariedade da serie fica evidenciada no correlograma ja que as autocorrelacoes amostrais
decaem muito lentamente.
Varia
c
ao sazonal
Um padr
ao sazonal e em geral facilmente identificado no correlograma. De fato, se
uma serie temporal contem flutuacoes sazonais o correlograma ir
a exibir oscilacoes na
17
observacoes
2.4. AUTOCORRELAC
AO
10
20
30
40
50
0.5
0.5
autocorrelacoes
tempo
10
15
defasagem
Figura 2.6: (a) 50 observacoes simuladas com autocorrelacoes negativas. (b) 15 primeiras
autocorrelacoes amostrais.
mesma frequencia. Por exemplo, com observacoes mensais r6 sera grande e negativo
enquanto r12 sera grande e positivo. Na verdade, se o padr
ao sazonal ja for evidente no
gr
afico da serie original o correlograma trar
a pouca ou nenhuma informacao adicional.
Observa
c
oes discrepantes
Se uma serie temporal contem uma ou mais observacoes discrepantes (outliers) o correlograma pode ser seriamente afetado. No caso de uma u
nica observacao discrepante
o gr
afico de xt contra xt+k ter
a pontos extremos o que pode viesar os coeficientes
de correlacao para zero. Com dois valores discrepantes o efeito pode ser ainda mais
devastador, alem de gerar uma correlacao esp
uria quando k e igual à dist
ancia entre
os valores.

DESCRITIVAS
0.0 0.4 0.8
observacoes
18
10
20
30
40
50
0.5
0.5
autocorrelacoes
tempo
10
15
20
defasagem
Figura 2.7: (a) 50 observacoes simuladas segundo um passeio aleatorio. (b) 20 primeiras
autocorrelacoes amostrais.

2.4. AUTOCORRELAC
AO
19
Exerccios
1. Use o R para gerar uma serie temporal Yt = b0 + b1 t + t , t = 1, . . . , 100, com
b0 , b1 6= 0 e t normais e independentes com media e variancia 12 se t 70
mas variancia 22 6= 12 se t > 70. Usando diferentes valores de aplique o
alisamento exponencial e faca um gr
afico da serie com os valores suavizados.
Comente os resultados.
2. Para cada um dos processos abaixo gere 200 observacoes. Faca um gr
afico da
serie e do correlograma.
(a) Serie aleat
oria, observacoes iid da distribuicao N(0,1).
(b) Serie com tendencia estocastica, xt = xt1 + t , t N (0, (0, 1)2 )
(c) Outra serie com tendencia estocastica, xt = xt1 + t , t N (1, 52 )
(d) Serie com correlacao de curto-prazo, xt = 0, 7xt1 + t , t N (0, 1)

(e) Serie com correlacoes negativas, xt = 0, 8xt1 + t , t N (0, 1)
(f) Medias m
oveis, xt = t + 0, 6t1 , t N (0, 1)
(g) passeio aleat
orio com desvio Xt = 1 + Xt1 + t , t N (0, 1).
3. Se mt = c0 + c1 t + + cp tp mostre que mt e um polin
omio de grau p 1 em
t e portanto p+1 mt = 0
Captulo 3
Modelos Probabilsticos
3.1
Introduc
ao
Neste captulo serao descritos varios modelos adequados para dados de series temporais. Tais modelos s
ao chamados de processos estoc
asticos.
Matematicamente um processo estocastico pode ser definido como uma colecao de
variaveis aleat
orias ordenadas no tempo e definidas em um conjunto de pontos T , que
pode ser contnuo ou discreto. Iremos denotar a variavel aleat
oria no tempo t por X(t)
no caso contnuo (usualmente < t < ), e por Xt no caso discreto (usualmente
t = 0, 1, 2, . . . ). O conjunto de possveis valores do processo e chamado de espaco
de estados que pode ser discreto (e.g. o n
umero de chamadas que chegam a uma
central telef
onica a cada 2 horas) ou contnuo (e.g. a temperatura do ar em uma
localidade observada em intervalos de 1 hora).
Em an
alise de series temporais a situacao e bem diferente da maioria dos problemas
estatsticos. Embora seja possvel variar o tamanho da serie observada, usualmente
sera impossvel fazer mais do que uma observacao em cada tempo. Assim, tem-se
apenas uma realizacao do processo estocastico e uma u
nica observacao da variavel
aleat
oria no tempo t denotada por x(t) no caso contnuo e xt , para t = 1, . . . , N no
caso discreto.
Uma maneira de descrever um processo estocastico e atraves da distribuicao
de probabilidade conjunta de X(t1 ), . . . , X(tk ) para qualquer conjunto de tempos
t1 , . . . , tk e qualquer valor de k. Esta e uma tarefa extremamente complicada e na
pratica costuma-se descrever um processo estocastico atraves das funcoes media, vari
ancia e autocovariancia. Estas funcoes s
ao definidas a seguir para o caso contnuo
sendo que definicoes similares se aplicam ao caso discreto.
media (t) = E[X(t)]
variancia 2 (t) = V ar[X(t)]
autocovariancia (t1 , t2 ) = E[X(t1 ) (t1 )][X(t2 ) (t2 )]
Note que a funcao de variancia e um caso especial da funcao de autocovariancia
quando t1 = t2 . Momentos de ordem mais alta do processo tambem ser definidos
20

3.2. PROCESSOS ESTACIONARIOS
21
mas s
ao raramente utilizados na pratica e as funcoes (t) e (t1 , t2 ) s
ao em geral
suficientes.
3.2
Processos Estacion
arios
Uma importante classe de processos estocasticos s

ao os chamados processos estacion
arios. A ideia intuitiva de estacionariedade foi introduzida no captulo anterior e
aqui sera apresentada a definicao formal.
Uma serie temporal e dita estritamente estacion
aria se a distribuicao de probabilidade conjunta de X(t1 ), . . . , X(tk ) e a mesma de X(t1 + ), . . . , X(tk + ). Ou
seja, o deslocamento da origem dos tempos por uma quantidade nao tem efeito na
distribuicao conjunta que portanto depende apenas dos intervalos entre t1 , . . . , tk .
Em particular, para k = 1 a estacionariedade estrita implica que a distribuicao
de X(t) e a mesma para todo t de modo que, se os dois primeiros momentos forem
finitos, temos que
(t) = e 2 (t) = 2
s
ao constantes que nao dependem de t.
Para k = 2 a distribuicao conjunta de X(t1 ) e X(t2 ) depende apenas da dist
ancia
t2 t1 , chamada defasagem. A funcao de autocovariancia (t1 , t2 ) tambem depende
apenas de t2 t1 e pode ser escrita como ( ) onde
( ) = E[X(t) ][X(t + ) ] = Cov[X(t), X(t + )]
e chamado de coeficiente de autocovariancia na defasagem .
Note que o tamanho de ( ) depende da escala em que X(t) e medida. Portanto,
para efeito de interpretacao, e mais u
til padronizar a funcao de autocovariancia dando
origem a uma funcao de autocorrelacao
( ) = ( )/(0)
que mede a correlacao entre X(t) e X(t + ). No captulo anterior foi apresentado
o seu equivalente emprico para series discretas rk . Note tambem que o argumento
sera discreto se a serie temporal for discreta e contnuo se a serie temporal for
contnua.
Na pratica e muito difcil usar a definicao de estacionariedade estrita e costuma-se
definir estacionariedade de uma forma menos restrita.
Defini
c
ao 3.1. Um processo estoc
astico {X(t), t T } e dito ser estacion
ario de
segunda ordem ou fracamente estacion
ario se a sua funca
o media e constante e sua
funca
o de autocovari
ancia depende apenas da defasagem, i.e.
E[X(t)] =
Cov[X(t), X(t + )] = ( ).
Nenhuma outra suposicao e feita a respeito dos momentos de ordem mais alta.
Alem disso, fazendo = 0 segue que V ar[X(t)] = (0), ou seja a variancia do processo
CAPITULO 3. MODELOS PROBABILISTICOS
22
assim como a media tambem e constante. Note tambem que tanto a media quanto a
variancia precisam ser finitos.
Esta definicao mais fraca de estacionariedade sera utilizada daqui em diante ja
que muitas propriedades dos processos estacionarios dependem apenas da estrutura
especificada pelo primeiro e segundo momentos. Uma classe importante de processos aonde isto se verifica e a classe de processos normais ou Gaussianos aonde a
distribuicao conjunta de X(t1 ), . . . , X(tk ) e normal multivariada para todo conjunto
t1 , . . . , tk . A distribuicao normal multivariada fica completamente caracterizada pelo
primeiro e segundo momentos, i.e. por (t) e (t1 , t2 ), assim estacionariedade fraca
implica em estacionariedade estrita para processos normais. Por outro lado, e ( )
podem nao descrever adequadamente processos que sejam muito n
ao-normais.
3.3
A Func
ao de Autocorrelac
ao
Foi visto na Secao 2.4 que os coeficientes de autocorrelacao amostral de uma serie
temporal observada s
ao uma ferramenta importante para descrever a serie. Analogamente, a funcao de autocorrelacao te
orica (fac) de um processo estocastico estacion
ario e uma ferramenta importante para assessar suas propriedades. A seguir
serao apresentadas propriedades gerais da funcao de autocorrelacao.
Se um processo estocastico estacionario X(t) tem media e variancia 2 entao
( ) = ( )/(0) = ( )/ 2
e portanto (0) = 1. As seguintes propriedades s
ao facilmente verificaveis.
1. A correlacao entre X(t) e X(t + ) e a mesma que entre X(t) e X(t ), ou
seja ( ) = ( ).
2. 1 < ( ) < 1.
3. Embora um processo estocastico tenha uma estrutura de autocovariancia u
nica
possvel encontrar varios processos com
o contrario nao e verdadeiro em geral. E
a mesma funcao de autocorrelacao, o que dificulta ainda mais a interpretacao
do correlograma.
3.4
Alguns Processos Estoc

asticos
Nesta secao serao apresentados alguns processos estocasticos que s

ao utilizados com
frequencia na especificacao de modelos para series temporais.
3.4.1
Sequ
encia Aleat
oria
Um processo em tempo discreto e chamado puramente aleat

orio se consiste de uma
sequencia de variaveis aleat
orias {t } independentes e identicamente distribuidas. Isto
implica nas seguintes propriedades

3.4. ALGUNS PROCESSOS ESTOCASTICOS
23
1. E(t ) = E(t |t1 , t2 , . . . ) =

2. V ar(t ) = V ar(t |t1 , t2 , . . . ) = 2
3. (k) = Cov(t , t+k ) = 0,
k = 1, 2, . . . .
Como a media e a funcao de autocovariancia nao dependem do tempo o processo e

estacionario em segunda ordem. A funcao de autocorrelacao e simplesmente
(
1, k = 0
(k) =
0, k = 1, 2, . . . .
Um processo puramente aleat
orio e as vezes chamado de rudo branco e pode ser
u
til por exemplo na construcao de processos mais complicados. As propriedades
acima podem ser entendidas como ausencia de correlaca
o serial e homocedasticidade
condicional (variancia condicional constante).
3.4.2
Passeio Aleat
orio
Seja {t } um processo discreto puramente aleat

orio com media e variancia 2 . Um
processo {Xt } e chamada de passeio aleat
orio se
Xt = Xt1 + t .
Fazendo-se substituicoes sucessivas obtem-se que
Xt = Xt2 + t1 + t
= Xt3 + t2 + t1 + t
..
.
t
X
= X0 +
j
j=1
e iniciando o processo em X0 = 0 nao e difcil verificar que

E(Xt ) =
t
X
E(j ) = t
j=1
V ar(Xt ) =
t
X
V ar(j ) = t2 .
j=1
Alem disso, a funcao de autocovariancia e dada por

Cov(Xt , Xtk ) = Cov(1 + + tk + + t , 1 + + tk ) = (t k)2
e portanto a funcao de autocorrelacao fica
t (k) =
tk
.
t
24
Como a media, a variancia e as autocovariancias dependem de t este processo e nao

estacionario. No entanto, e interessante notar que a primeira diferenca de um passeio
aleat
orio e estacionaria ja que
Xt = Xt Xt1 = t .
Os exemplos mais conhecidos de series temporais que se comportam como um
passeio aleat
orio s
ao os precos de acoes em dias sucessivos (ver por exemplo Morettin
e Toloi, 2004).
3.4.3
Processos de M
edia M
oveis
Seja {t } um processo discreto puramente aleat

orio com media zero e variancia 2 .
Um processo {Xt } e chamada de processo de medias m
oveis de ordem q, ou MA(q),
se
Xt = t + 1 t1 + + q tq ,
(3.1)
sendo i R, i = 1, . . . , q. N
ao e difcil verificar como ficam a media e a variancia
deste processo,
E(Xt ) = E(t ) +
q
X
j E(tj ) = 0
j=1
V ar(Xt ) = V ar(t ) +
q
X
j=1
j2 V ar(tj ) = (1 + 12 + + q2 ) 2 .
Alem disso, como Cov(t , s ) = 2 para t = s e Cov(t , s ) = 0 para t 6= s, a funcao

de autocovariancia e dada por
(k) = Cov(Xt , Xt+k )
= Cov(t + 1 t1 + + q tq , t+k + 1 t+k1 + + q t+kq )
0
k>q
qk
X
2
j j+k k = 0, . . . , q
=
(3.2)
j=0
(k)
k<0
com 0 = 1. Como a media e a variancia s

ao constantes e (k) nao depende de t
o processo e (fracamente) estacionario para todos os possveis valores de 1 , . . . , q .
Alem disso, se os t s forem normalmente distribuidos os Xt s tambem serao e portanto
o processo sera estritamente estacionario.
A funcao de autocorrelacao pode ser facilmente obtida dividindo-se (3.2) por (0),
1
k=0
qk
q
X
j2 k = 1, . . . , q
j j+k
(k) =
j=0
j=0
0
k>q
(k)
k < 0.

25
Note que a funcao tem um ponto de corte na defasagem q, i.e. (k) = 0 para k >
q. Esta e uma caracterstica especfica de processos medias m
oveis e sera u
til na
especificacao do valor de q na pratica (Box & Jenkins 1970, p. 170).
> MAacf <- function(q, beta, lag.max) {
+
sig2x = 1 + sum(beta^2)
+
rho = rep(0, lag.max)
+
for (k in 1:q) {
+
rho[k] = beta[k]
+
if (q - k > 0) {
+
for (j in 1:(q - k)) rho[k] = rho[k] + beta[j] *
+
beta[j + k]
+
}
+
rho[k] = rho[k]/sig2x
+
}
+
return(rho)
+ }
> round(MAacf(q = 2, beta = c(0.5, 0.3), lag.max = 6), 4)
[1] 0.4851 0.2239 0.0000 0.0000 0.0000 0.0000
Vamos analisar agora com mais detalhes o caso particular do processo MA(1). A
funcao de autocorrelacao fica
k=0
1
2
(k) =
(3.3)
1 /(1 + 1 ) k = 1
0
k > 1.
O processo e estacionario para qualquer valor de 1 mas em geral e desejavel impor

restricoes para que ele satisfaca uma condicao chamada inversibilidade. Considere os
seguintes processos MA(1)
Xt = t + t1
1
Xt = t + t1 .
Substituindo em (3.3) nao e difcil verificar que estes dois processos diferentes tem
exatamente a mesma funcao de autocorrelacao. Assim, nao e possvel identificar um
processo MA(1) u
nico a partir da funcao de autocorrelacao. Por outro lado, podemos
fazer substituicoes sucessivas e reescrever estes dois processos colocando t em funcao
de Xt , Xt1 , . . . , i.e.
t = Xt Xt1 + 2 Xt2 3 Xt3 + . . .
1
1
1
t = Xt Xt1 + 2 Xt2 3 Xt3 + . . .
Se || < 1 a primeira serie converge e o modelo e dito ser inversvel mas a segunda nao
converge e o modelo e n
ao inversvel. Ou seja, a condicao de inversibilidade (neste
26
caso || < 1) garante que existe um u

nico processo MA(1) para uma dada funcao
de autocorrelacao. Outra consequencia da inversibilidade e que o processo MA(1)
pode ser reescrito como uma regressao de ordem infinita nos seus proprios valores
defasados.
Para um processo MA(q) esta condicao pode ser melhor expressa usando-se o
operador de retardo, denotado por B e definido como
B j Xt = Xtj ,
para todo j.
A equacao (3.1) pode entao ser reescrita como

Xt = (1 + 1 B + 2 B 2 + + q B q )t = (B)t
onde (B) e um polin
omio de ordem q em B. Um processo MA(q) e inversvel se as
razes da equacao
(B) = 1 + 1 B + 2 B 2 + + q B q = 0
estiverem fora do crculo unit
ario. Ou seja, se 1 , . . . , q s
ao q solucoes de (B) = 0
entao o processo e inversvel se |i | > 1, i = 1, . . . , q. Teremos entao 2q modelos com
a mesma funcao de autocorrelacao mas somente um deles sera inversvel.
Finalmente, vale notar que uma constante qualquer pode ser adicionada ao lado
direito de (3.1) dando origem a um processo com media . O processo continuar
a
sendo estacionario com E(Xt ) = e em particular a funcao de autocorrelacao nao
sera afetada.
3.4.4
Processos Autoregressivos
Suponha que {t } seja um processo puramente aleat

orio com media zero e variancia
2 . Um processo {Xt } e chamada de processo autoregressivo de ordem p, ou AR(p),
se
Xt = 1 Xt1 + + p Xtp + t .
(3.4)
Note a similaridade com um modelo de regressao m

ultipla, onde os valores passados
de Xt fazem o papel das regressoras. Assim, processos AR podem ser usados como
modelos se for razo
avel assumir que o valor atual de uma serie temporal depende do
seu passado imediato mais um erro aleat
orio.
Por simplicidade vamos comecar estudando em detalhes processos de primeira
ordem, AR(1), i.e.
Xt = Xt1 + t .
(3.5)
Note que existe uma estrutura Markoviana no processo AR(1) no sentido de que, dado
Xt1 , Xt nao depende de Xt2 , Xt3 , . . . . Fazendo subtituicoes sucessivas em (3.5)

27
obtemos que
Xt = (Xt2 + t1 ) + t = 2 Xt2 + t1 + t
= 2 (Xt3 + t2 ) + t1 + t
= 3 Xt3 + 2 t2 + t1 + t
..
.
r
X
= r+1 Xtr1 +
j tj .
j=0
2 podemos escrever que

Se Xt for estacionario com variancia finita X
E[Xt
r
X
2
2
j tj ]2 = 2r+2 E(Xtr1
) = 2r+2 X
j=0
e se || < 1 temos que 2r+2 0 quando r . Portanto, esta condicao nos

permite escrever Xt como o seguinte processo MA infinito,
Xt = t + t1 + 2 t2 + . . .
e assim || < 1 e uma condicao suficiente para que Xt seja estacionario. Neste caso,
reescrevendo o processo k perodos à frente, i.e.
Xt+k = t+k + t+k1 + + k t + . . .
(3.6)
note como o efeito de t sobre Xt+k diminui a medida que k aumenta e por isso e
chamado efeito transit
orio.
Podemos tambem usar o operador de retardo reescrevendo a equacao (3.5) como
(1 B)Xt = t
ou equivalentemente
Xt =
1
t = (1 + B + 2 B 2 + . . . )t = t + t1 + 2 t2 + . . .
(1 B)
Escrevendo o processo AR(1) neste formato de MA infinito fica facil ver que a sua
media e variancia s
ao dados por
E(Xt ) = 0 e V ar(Xt ) = 2 (1 + 2 + 4 + . . . ) =
2
.
1 2
A funcao de autocovariancia pode ser obtida usando os resultados acima. Reescrevendo a equacao (3.6) como
Xt+k = t+k + + k1 t+1 + k t + k+1 t1 + k+2 t2 + . . .
pode-se verificar que, para qualquer k = 1, 2, . . . ,
Cov(t + t1 + 2 t2 + . . . , t+k + + k1 t+1 ) = 0.
28
Portanto,
E(Xt Xt+k ) = Cov(t + t1 + 2 t2 + . . . , k t + k+1 t1 + k+2 t2 + . . . )

= k E(2t ) + k+2 E(2t1 ) + k+4 E(2t2 ) + . . .
= k 2 (1 + 2 + 4 + . . . ) = k
2
2
= k X
= (k).
1 2
0.0
0.8
0.2
0.2
0.4
0.2
0.6
0.6
0.8
Assim, a funcao de autocorrelacao e (k) = k para k = 0, 1, 2, . . . . Assim, como a

media e a variancia s
ao constantes e (k) nao depende de t o processo AR(1) com
|| < 1 e estacionario.
Na Figura 3.1 s
ao mostradas graficamente as autocorrelacoes te
oricas de um processo AR(1) ate a defasagem k = 20 para igual a 0,8, -0,8, 0,2 e -0,2. Note como
a funcao de autocorrelacao decai rapidamente para zero quando = 0, 2 e se alterna
entre valores positivos e negativos quando = 0, 8. Ou seja sempre ha um decaimento exponencial para zero mas este decaimento depende do sinal e magnitude de
.
10
15
20
10
15
20
10
15
20
10
15
20
0.00
0.20
0.10
0.10
0.00
0.20
Figura 3.1: As 20 primeiras autocorrelacoes teoricas de um processo AR(1) com (a) = 0, 8,

(b) = 0, 8, (c) = 0, 2 e (d) = 0, 2.
Generalizando os resultados acima para um processo AR(p) escrevemos novamente
Xt como um processo MA infinito com coeficientes 0 , 1 , . . . , i.e.
Xt = 0 t + 1 t1 + 2 t2 + = (0 + 1 B + 2 B 2 + . . . )t = (B)t .

29
e em analogia com o caso AR(1) segue que o processo sera estacionario se

Usando agora o operador de retardo a equacao (3.4) fica
(1 1 B 2 B 2 p B p )Xt = t
j2 < .
ou (B)Xt = t
e portanto o processo AR(p) pode ser escrito como

Xt = (B)1 t = (B)t .
Assim, os coeficientes j podem ser obtidos a partir dos coeficientes j fazendo-se
(1 1 B 2 B 2 p B p )(0 + 1 B + 2 B 2 + . . . ) = 1
Desenvolvendo-se esta expressao segue que
0 + 1 B + 2 B 2 + 1 0 B 1 1 B 2 1 2 B 3 . . .
2 0 B 2 2 1 B 3 2 2 B 4 . . .
..
.
p 0 B p p 1 B p+1 = 1 + 0B + 0B 2 + . . .
e agora agrupando em termos de B, B 2 , . . .
0 + (1 1 0 )B + (2 1 1 2 0 )B 2 + = 1 + 0B + 0B 2 + . . .
donde obtem-se os coeficientes MA recursivamente como
0 = 1
1 = 0 1
2 = 1 1 + 0 2
3 = 2 1 + 1 2 + 0 3
..
.
i
X
ij j .
i =
j=1
O efeito de t sobre Xt+k e dado por k , k = 1, 2, . . . .

Pode-se mostrar que (ver por exemplo Box, Jenkins, & Reinsel 1994) a condicao
de estacionariedade do processo Xt e que todas as razes de (B) = 0 estejam fora
do crculo unit
ario. Em particular, para p = 1 temos que (B) = 1 B = 0 implica
que B = 1/ e a condicao de estacionariedade fica || < 1 conforme ja haviamos
verificado.
Para reescrever um processo AR(p) em forma vetorial, defina Z t =
(Xt1 , . . . , Xtp ) e portanto
Z t = Z t1 + ut
30
sendo a matriz definida como
1 2
1 0
0 1
=
..
..
.
.
0 0
...
...
...
..
.
...
p1 p
0
0
0
0
..
..
.
.
1
0
e ut = (t , 0, . . . , 0) .
Para obter a funcao de autocorrelacao de um processo AR(p) e algebricamente
mais simples assumir a priori que o processo e estacionario com E(Xt ) = 0, V ar(Xt ) =
2 e Cov(X , X
X
cao (3.4) por Xtk , i.e
t
tk ) = (k). Neste caso, multiplicando a equa
Xt Xtk = 1 Xt1 Xtk + + p Xtp Xtk + t Xtk .
e tomando o valor esperado obtemos que
E(Xt Xtk ) = (k) = 1 E(Xt1 Xtk ) + + p E(Xtp Xtk )
= 1 (k 1) + + p (k p),
k > 0.
2 obtem-se que
Dividindo-se ambos os lados pela variancia constante X
(k) = 1 (k 1) + + p (k p),
k>0
chamadas equacoes de Yule-Walker.

Por exemplo, para um processo AR(1) com coeficiente segue que (1) = ,
(2) = (1) = 2 , . . . , (k) = k como ja haviamos verificado. Para um processo
AR(2) com coeficientes 1 e 2 segue que
(1) = 1 (0) + 2 (1) (1) = 1 /(1 2 )
e as outras autocorrelacos s
ao obtidas iterativamente como
(k) = 1 (k 1) + 2 (k 2),
k2
Autocorrela
c
oes Parciais
Para um processo AR(p), o u
ltimo coeficiente p mede o excesso de correlacao na
defasagem p que nao e levado em conta por um modelo AR(p 1). Este e chamado
de p-esimo coeficiente de autocorrelaca
o parcial. Assim, variando k = 1, 2, . . . temos
a chamada funca
o de autocorrelaca
o parcial (FACP).
Por outro lado, em um processo AR(p) nao existe correlacao direta entre Xt e
Xtp1 , Xtp2 , . . . e substituindo k = p + 1, p + 2, . . . nas equacoes de Yule-Walker
obtem-se que todos os coeficientes de correlacao parcial serao nulos para k > p. Por
exemplo, substituindo-se k = p + 1 segue que
(p + 1) = 1 (p) + + p (1) + p+1 .
O fato de que a facp e igual a zero para k > p e sugerido em Box and Jenkins (1970,
p. 170) como uma ferramenta para determinar a ordem p do processo autoregressivo
para series temporais observadas.

3.4.5
31
Modelos Mistos ARMA
Combinando-se modelos AR e MA pode-se obter uma representacao adequada com

um n
umero menor de par
ametros. Processos autoregressivos medias m
oveis (ARMA)
formam um classe de modelos muito u
teis e parcimoniosos para descrever dados de
series temporais. O modelo ARMA(p, q) e dado por
Xt = 1 Xt1 + + p Xtp + t + 1 t1 + + q tq
onde {t } e um processo puramente aleat
orio com media zero e variancia 2 . Note
que, modelos AR ou MA podem ser obtidos como casos especiais quando p = 0 ou
q = 0. Usando o operador de retardo o modelo pode ser reescrito como
(1 1 B 2 B 2 p B p )Xt = (1 + 1 B + 2 B 2 + + q B q )t
ou
(B)Xt = (B)t .
Os valores de 1 , . . . , p que tornam o processo estacionario s
ao tais que as razes
de (B) = 0 estao fora do crculo unit
ario. Analogamente, os valores de 1 , . . . , q
que tornam o processo inversvel s
ao tais que as razes de (B) = 0 estao fora do
crculo unit
ario.
Vale notar que as funcoes de autocorrelacao e autocorrelacao parcial ficam consideravelmente mais complicadas em processos ARMA. De um modo geral, para um
processo ARMA(p, q) estacionario a funcao de autocorrelacao tem um decaimento
exponencial ou oscilatorio ap
os a defasagem q enquanto que a facp tem o mesmo
comportamento ap
os a defasagem p (Box & Jenkins 1970, p. 79). Em princpio este
resultado pode ser utilizado para auxiliar na determinacao da ordem (p, q) do processo
mas na pratica pode ser bastante difcil distinguir entre decaimentos exponenciais e
oscilatorios atraves das estimativas destas funcoes.
A Tabela 3.1 mostra as propriedades te
oricas das funcoes de autocorrelacao e autocorrelacao parcial para alguns processos estacionarios como auxiliar na identificacao
do modelo.
Tabela 3.1: Propriedades te
oricas da fac e facp.
Processo
serie aleat
oria
AR(1), > 0
AR(1), < 0
AR(p)
MA(1)
ARMA(p, q)
FAC
0
decaimento
decaimento
decaimento
0, k > 1
decaimento
exponencial
oscilatorio
para zero
a partir de q
FACP
0
0, k 2
idem
0, k > p
decaimento oscilatorio
decaimento a partir de p
32
3.4.6
Modelos ARMA Integrados
Os modelos discutidos ate agora s

ao apropriados para series temporais estacionarias.
Assim, para ajustar estes modelos a uma serie temporal observada e necessario remover as fontes de variacao nao estacionarias. Por exemplo, se a serie observada for
nao estacionaria na media pode-se tentar remover a tendencia tomando-se uma ou
mais diferencas (esta abordagem e muito utilizada em Econometria).
Um modelo ARMA no qual Xt e substituido pela sua d-esima diferenca d Xt
e capaz de descrever alguns tipos de series nao estacionarias. Denotando a serie
diferenciada por
Wt = d Xt = (1 B)d Xt
o processo autoregressivo integrado medias m
oveis denotado ARIMA(p, d, q) e dado
por
Wt = 1 Wt1 + + p Wtp + t + 1 t1 + + q tq
ou, equivalentemente
(B)(1 B)d Xt = (B)t .
(3.7)
Da equacao (3.7) acima pode-se notar que o modelo para Xt e claramente nao
estacionario ja que o polin
omio autoregressivo (B)(1 B)d tem exatamente d razes
sobre o crculo unit
ario, ou d razes unit
arias. Um processo que se torna estacionario
ap
os d diferencas e dito ser nao estacionario homogeneo, ou integrado de ordem d,
I(d).
Na pratica valores pequenos s
ao em geral especificados para d, sendo d = 1 o valor
mais frequentemente utilizado e excepcionalmente d = 2. Note tambem que o passeio
aleat
orio pode ser considerado um processo ARIMA(0,1,0).
Vale notar que para dados reais um modelo ARIMA (e de fato qualquer modelo)
e no m
aximo uma aproximacao para o verdadeiro processo gerador dos dados. Na
pratica pode ser bem difcil distinguir entre um processo estacionario com mem
oria
longa (e.g. AR(1) com 1) e um processo nao estacionario homogeneo. Existe
uma vasta literatura econometrica sobre testes de raz unit
aria (ver por exemplo
Hamilton 1994 e Bauwens, Lubrano, & Richard 1999). Mais recentemente, modelos
da classe ARFIMA (ou ARIMA fracion
arios) tem sido utilizados para analisar series
com mem
oria longa. Estes topicos nao serao abordados aqui e o leitor interessado
pode consultar por exemplo Brockwell & Davis (1991) alem das referencias acima.

33
Exerccios
Nos exerccios a seguir {t } e um processo discreto puramente aleat
orio com media
2
zero e variancia .
1. Encontre a fac do processo Xt = t + 0, 7t1 0, 2t2 .
2. Encontre a fac do processo Xt = 0, 7(Xt1 ) + t .
3. Encontre a fac do processo Xt = 31 Xt1 + 92 Xt2 + t .
4. Se Xt = + t + t1 mostre que a fac do processo nao depende de .
5. Reescreva cada um dos modelos abaixo em termos de operador de retardo B e
verifique se o modelo e estacionario e/ou inversvel:
(a) Xt = 0, 3Xt1 + t .
(b) Xt = t 1, 3 t1 + 0, 4 t2 .
(c) Xt = 0, 5Xt1 + t 1, 3 t1 + 0, 4 t2 .
(d) Xt = 0, 3 Xt1 + t 0, 6 t1
(e) Xt = Xt1 + t 1, 5t1
6. Mostre que o processo Xt = Xt1 + cXt2 + t e estacionario se 1 < c < 0 e
obtenha a fac para c = 3/16.
7. Mostre que o processo Xt = Xt1 + cXt2 cXt3 + t e nao estacionario para
qualquer valor de c.
8. Descreva como deve se comportar a funcao de autocorrelacao te
orica para os
seguintes processos,
(a) AR(1) estacionario, para = 0, 1, = 0, 75 e = 0, 99.
(b) Medias m
oveis de ordem q.
(c) Como deveriam ficar as funcoes de autocorrelacao e autocorrelacao parcial
amostrais que identificam os processos acima?
9. Descreva como deveriam se comportar as funcoes de autocorrelacao e autocorrelacao parcial amostrais para processos AR, MA e ARMA nao sazonais.
10. Para o modelo (1 B)(1 0, 2B)Xt = (1 0, 5B)t , identifique os valores de p,
q, e d e verifique se o processo e estacionario e inversvel.
11. Mostre que a funcao de autocovariancia de um processo AR(1) estacionario com
2
2 (Sugest
variancia X
e dada por k X
ao: use a expressao (3.2) com q )
12. Verifique se Xt =
Pt
j=1 t
e estacionario.
34
13. Mostre que a fac do processo Xt = aXt1 + t + bt1 e dada por

(1 + ab)(a + b)
1 + b2 + 2ab
(k) = a(k 1), k = 2, 3, . . .
(1) =
14. Obtenha a funcao de autocovar

ancia do processo
1
1
1
Xt = t + t1 + 2 t2 + + m tm
a
a
a
sendo que 0 < a < 1.
15. Se {Xt } e um processo estacionario obtenha a funcao de autocovariancia de
Yt = Xt Xt1 .
16. Mostre que o processo Xt = ( + 1)Xt1 Xt2 + t tem exatamente uma raiz
unit
aria e reescreva-o como um processo ARIMA(1,1,0).
17. Obtenha a funcao de autocorrelacao do passeio aleat
orio Xt = Xt1 + t com
E(t ) = , V ar(t ) = 2 e Cov(t , s ) = 0, t 6= s.
18. Verifique se o processo {Yt } tal que P (Yt = 1) = P (Yt = 1) = 1/2 e estacion
ario. Obtenha sua media, variancia e covariancia.
19. Sejam os processos Yt = t + t1 , || > 1 e {Xt } tal que Xt = 1 se Yt 0 e
Xt = 1 se Yt < 0. Verifique se {Xt } e {Yt } s
ao estacionarios. Calcule a funcao
de autocorrelacao de {Xt }.
20. Verifique que o processo Yt = (1)t t e estacionario e que Xt = Yt + t nao e
estacionario.
21. Se {Xt } e {Yt } s
ao independentes e estacionarios verifique se Zt = Xt + Yt ,
, R tambem e estacionario.
22. Obtenha a representacao MA() de um processo AR(2) estacionario.
23. Obtenha a representacao AR() de um processo MA(1) inversvel.
Captulo 4
Estima
c
ao
No captulo anterior foram estudados modelos probabilsticos que podem ser utilizados
para descrever dados de series temporais. Neste captulo sera discutido o problema
de ajustar um modelo aos dados observados. A inferencia sera baseada na funcao de
autocorrelacao.
Para um processo estacionario {Xt } (t = 1, . . . , n), a funcao de densidade de
probabilidade conjunta de X1 , . . . , Xn pode ser sempre fatorada como
p(x1 , . . . , xn ) = p(x1 )p(xn , . . . , x2 |x1 )
= p(x1 )p(x2 |x1 )p(xn , . . . , x3 |x2 , x1 )

..
.
n
Y
p(xt |xt1 , . . . , x1 ).
= p(x1 )
t=2
Em particular para um modelo ARMA(p, q), denotando o vetor de par

ametros por
=(1 , . . . , p , 1 , . . . , q , 2 ) e destacando-se a densidade conjunta das p primeiras
realizacoes segue que
p(x1 , . . . , xn |) = p(x1 , . . . , xp |)
= p(x1 , . . . , xp |)
n
Y
t=p+1
n
Y
t=p+1
p(xt |xt1 , . . . , x1 , )
p(xt |xt1 , . . . , xp , ).
(4.1)
Au
ltima igualdade vem da estrutura Markoviana da componente autoregressiva. O
segundo termo em (4.1) e a densidade condicional conjunta de xp+1 , . . . , xn dados os
valores iniciais x1 , . . . , xp e define entao uma funcao de verossimilhanca condicional
enquanto p(x1 , . . . , xn |) define a funcao de verossimilhanca exata.
Se for atribuida uma distribuicao de probabilidades conjunta tambem para entao
pelo Teorema de Bayes e possvel obter sua distribuicao atualizada ap
os os dados serem
observados (distribuicao a posteriori),
p(|x) =
p(x|)p()
p(x|)p().
p(x)
35

CAPITULO 4. ESTIMAC
AO
36
4.1
Autocovari
ancia e autocorrelac
ao
O coeficiente de autocovariancia amostral de ordem k foi definido na Secao 2.4 como

ck =
nk
X
t=1
(xt x)(xt+k x)/n
que e o estimador usual do coeficiente de autocovariancia te

orico (k). As propriedades deste estimador nao serao detalhadas aqui mas podem ser encontradas
por exemplo em Priestley (1981). Ap
os obter as estimativas de (k) os coeficientes
de autocorrelacao s
ao entao estimados como rk = ck /c0 , k = 1, 2, . . . .
Aqui serao consideradas apenas as propriedades de rk quando a amostra vem de
um processo puramente aleat
orio (propriedades gerais podem ser obtidas em Kendall
et al. 1983, Captulo 48). Vimos na Secao 2.4.1 que o coeficiente de autocorrelacao
amostral rk e assintoticamente normalmente distribuido, com media e variancia dados
por
E(rk ) 1/n e V ar(rk ) 1/n.
e os limites de confianca aproximados de 95% frequentemente utilizados s
ao dados
por 1, 96/ n. No caso geral, limites de 100(1-)% podem ser construidos como
ao.
q/2 / n sendo q/2 o percentil /2 da distribuicao normal padr
Interpretando o correlograma
No Captulo 2 foram vistos alguns exemplos de correlogramas associados a caractersticas de series temporais observadas. O correlograma e u
til tambem na identificacao
do tipo de modelo ARIMA que fornece a melhor representacao de uma serie observada.
Um correlograma como o da Figura 2.7 por exemplo, aonde os valores de rk decaem
para zero de forma relativamente lenta, indica nao estacionariedade e a serie precisa
ser diferenciada. Para series estacionarias o correlograma e comparado com as autocorrelacoes te
oricas de varios processos ARMA para auxiliar na identificacao daquele
mais apropriado. Por exemplo, se r1 e significativamente diferente de zero e todos os
valores subsequentes r2 , r3 , . . . s
ao proximos de zero entao um modelo MA(1) e indicado ja que sua funcao de autocorrelcao te
orica se comporta assim. Por outro lado, se
r1 , r2 , r3 , . . . parecem estar decaindo exponencialmente entao um modelo AR(1) pode
ser apropriado.
Vale notar entretando que a interpretacao de correlogramas e um dos aspectos
mais difceis da an
alise de series temporais. A funcao de autocorrelacao parcial e um
importante coadjuvante nesta etapa de identificacao se houver termos autoregressivos
no modelo ja que seus valores estimados tendem a ficar proximos de zero ap
os a
defasagem p.
Vimos no Captulo 3 que para um processo ARMA(p, q) estacionario a funcao
de autocorrelacao te
orica ter
a um decaimento exponencial ou oscilatorio ap
os a defasagem q enquanto que a funcao de autocorrelacao parcial te
orica ter
a o mesmo
comportamento ap
os a defasagem p. Mas na pratica esta distincao entre decaimentos
4.2. AJUSTANDO PROCESSOS AUTOREGRESSIVOS
37
exponenciais e oscilatorios atraves das estimativas destas funcoes pode ser bastante
difcil.
4.2
Ajustando Processos Autoregressivos
Para um processo AR de ordem p com media dado por

Xt = 1 (Xt1 ) + + p (Xtp ) + t ,
e dadas n observacoes x1 , . . . , xn , os par
ametros , 1 , , . . . , p podem ser estimados
pelo metodo de mnimos quadrados, i.e. minimizando-se a soma de quadrados
S=
n
X
[(xt ) 1 (xt1 ) p (xtp )]2
t=p+1
com respeito a , 1 , , . . . , p . Note que o somatorio e de t = p + 1 em diante, mas

esta pequena perda de informacao nao sera importante se a serie nao for muito curta.
Alem disso, se o processo t tiver distribuicao normal entao as estimativas de mnimos
quadrado coincidem com as estimativas de m
axima verossimilhanca condicionada nas
p primeiras observacoes.
Alternativamente, dois metodos aproximados podem ser utilizados tomando-se
= x. O primeiro ajusta os dados ao modelo

Xt x = 1 (Xt1 x) + + p (Xtp x) + t ,
como se fosse um modelo de regressao linear m
ultipla.
No segundo metodo os coeficientes de autocorrelacao (k) s
ao substituidos pelas
suas estimativas rk nas p primeiras equacoes de Yule-Walker. Ou seja, estamos usando
o metodos dos momentos e por isto os estimadores resultantes s
ao assintoticamente
equivalentes aos estimadores de m
axima verossimilhanca. Assim, temos um sistema
com p equacoes e p incognitas 1 , . . . , p , i.e.
r1 = 1 + 2 r1 + + p rp1
r2 = 1 r1 + 2 + + p rp2
..
.
rp = 1 rp1 + 2 rp2 + + p
ou equivalentemente,

r1

r2
.=
.
.
rp
1
r1
..
.
r1
1
..
.
...
...
rp1 rp2 . . .

1
rp1

rp2 2

..
.
. ..
1
Exemplo 4.1 : Usando os comandos do R abaixo vamos simular um processo AR(3)

e usar as equacoes de Yule-Walker para estimar os coeficientes.

CAPITULO 4. ESTIMAC
AO
38
>
>
>
>
>
>
>
x = arima.sim(n = 200, model = list(ar = c(0.6, -0.7, 0.2)))

r = acf(x, plot = FALSE)$acf[2:4]
R = diag(3)
R[1, 2] = R[2, 1] = r[1]
R[1, 3] = R[3, 1] = r[2]
R[2, 3] = R[3, 2] = r[1]
round(solve(R, r), 4)
[1]
0.667 -0.738
0.285
Para estimacao por minimos quadrados basta escrever o AR(p) como um modelo
linear usual e resolver um sistema de equacoes lineares. Definindo-se

xp+1
xp . . .
x1
p+1
1

x2
xp+2
xp1 . . .
p+2
2

y=
..
.. X = ..
= .. = ..
.
.
.
.
.
xn
xn1 . . . xnp
n
p
podemos reescrever o modelo na forma matricial como

y = X + ,
(4.2)
sendo E() = 0, V ar() = 2 I np e I np a matriz identidade de ordem n p. A

solucao de mnimos quadrados para os coeficientes e obtida minimizando-se e e
= (X X)1 X y. Usando o valor estimado de na equacao do modelo
dada por
i.e.
calcula-se os resduos como y X ,
et = xt
p
X
j xtj , t = p + 1, . . . , n
j=1
e a estimativa de mnimos quadrados de 2 e dada por

2 =
n
X
1
e2t .
np
t=p+1
Note que os resduos tambem foram calculados a partir de t = p + 1.

Mantendo a representacao (4.2) e adicionando a hip
otese de normalidade dos erros,
2
i.e. N (0, I np ) obtem-se uma funcao de verossimilhanca aproximada dada por,
L(, 2 ) (2 )(np)/2 exp{2 (y X) (y X)/2}.
Neste caso, os EMV de e 2 coincidem com os estimadores de mnimos quadrados,
log(L(, 2 ))
2 (y X) (y X)
2
2 (2 X y + X X)
=
2
2
(2X y + 2X X).
=
2
=
39
4.2. AJUSTANDO PROCESSOS AUTOREGRESSIVOS

log(L(, 2 ))

Lembrando que (y
= 0
= (X X)1 X y.
=
P
= nt=p+1 e2t segue que
X )
n
X
1
e2t
=
(n p) log(2 ) + 2
2 2
t=p+1
n
X
1
2
4
e2t
(n p)
=
2
(y
X )
2 ))
log(L(,
2
t=p+1

n
X
2 ))
log(L(,
2 = 1
e2t .
=
0
2 2
2
n
p
=
t=p+1
Exemplo 4.2 : Para um modelo AR(1) com erros normais a matriz X tem somente
uma coluna e nao e difcil verificar que
XX=
n
X
x2t1
e Xy=
n
X
xt xt1 .
t=2
t=2
Portanto, o EMV condicional e dado por

Pn
n
1 X
t=2 xt xt1
2
P
(xt
xt1 )2 .
=
e =
n
2
n
1
t=2 xt1
t=2
Exemplo 4.3 : Novamente para o modelo AR(1) com erros normais o EMV incondicional e obtido maximizando-se da funcao de verossimilhanca exata. A expressao
(4.1) com p = 1 fica
p(x1 , . . . , xn |, 2 )
p(x1 |, 2 )
n
Y
t=2
p(xt |xt1 , , 2 ).
Lembrando que E(Xt ) = 0 e V ar(Xt ) = 2 /(1 2 ) e razo

avel assumir que X1
2
2
N (0, /(1 )). Segue entao que
L(, 2 )
2
1 2
1/2

1 2 2
x
exp
22 1
)
(
n
1 X
2
2 (n1)/2
(xt xt1 )
( )
exp 2
2
t=2
!)
(
n
X
1
(xt xt1 )2
.
(1 2 )1/2 (2 )n/2 exp 2 (1 2 )x21 +
2

t=2
Maximizar esta expressao (ou seu logaritmo) em relacao a requer algum algoritmo
de otimizacao numerica (por exemplo metodos de Newton-Raphson). No R podemos
usar a funcao optim como no Exemplo 4.4.

CAPITULO 4. ESTIMAC
AO
40
Exemplo 4.4 : Foram gerados 200 valores de um processo AR(1) com par
ametros
2
= 0, 8 e = 1. Os comandos abaixo podem ser usados para obter as estimativas de
m
axima verossimilhanca (incondicional). Note que estamos maximizando o logaritmo
da verossimilhanca e verificando a condicao de estacionariedade.
> fun = function(theta, x) {
+
s2 = theta[1]
+
alpha = theta[2]
+
if (abs(alpha) >= 1)
+
return(-Inf)
+
n = length(x)
+
e = x[2:n] - alpha * x[1:(n - 1)]
+
Q = (1 - alpha^2) * x[1]^2 + sum(e^2)
+
return(-0.5 * (n * log(s2) - log(1 - alpha^2) + Q/s2))
+ }
>
>
>
+
>
x = arima.sim(n = 200, model = list(ar = 0.8))

init = c(1, 0.5)
out = optim(init, fn = fun, method = "BFGS", control = list(fnscale = -1),
hessian = T, x = x)
out$par
[1] 1.0196215 0.7290768

Como o custo computacional de estimar modelos AR nao e tao grande uma
abordagem alternativa para determinacao de p consiste em estimar modelos de ordem
progressivamente mais alta e calcular a soma de quadrados residual para cada valor
de p. Pode ser possvel encontrar o valor de p para o qual a inclus
ao de termos extras
nao melhora sensivelmente o ajuste. Como vimos na Secao 3.4.4 este procedimento
da origem `
a funcao de autocorrelacao parcial.
Suponha agora que vamos atribuir uma distribuicao de probabilidades para o vetor
de par
ametros = (1 , . . . , p , 2 ). Pelo Teorema de Bayes e usando a verossimilhanca condicional segue que
p(|x) p() (2 )(np)/2 exp{2 (y X) (y X)/2}.
Para representar a informacao a priori sobre pode-se fazer por exemplo, p() =
p(|2 )p(2 ) com |2 N (0, 2 I p ) ou p() = p()p(2 ) com N (0, I p ). Nos
dois casos comumente assume-se que 2 tem distribuicao Gama Inversa, i.e. 2
GI(a, b) (ver Apendice A), ou equivalentemente 2 Gama(a, b).
Exemplo 4.5 : No modelo AR(1) com erros normais vamos atribuir as seguintes
distribuicoes a priori, N (0, 1) e 2 GI(1, 1). Portanto,
p() exp(2 /2)
e p(2 ) (2 )2 exp(1/2 )
4.3. AJUSTANDO PROCESSOS MEDIAS

MOVEIS
41
e os comandos abaixo podem ser usados para obter a moda da distribuicao a posteriori
conjunta de 2 e .
>
+
+
+
+
>
>
+
>
prior = function(theta) {
s2 = theta[1]
alpha = theta[2]
return(-alpha^2/2 - 1/s2 - 2 * log(s2))
}
post = function(theta, x) fun(theta, x) + prior(theta)
out = optim(init, fn = post, method = "BFGS", control = list(fnscale = -1),
hessian = T, x = x)
out$par
[1] 1.0094652 0.7273912

Note que as estimativas pontuais nos Exemplos 4.4 e 4.5 s
ao bastante similares.
Nenhuma restricao de estacionariedade foi imposta na distribuicao a priori, mas e
possvel fazer uma otimizacao restrita ou mesmo impor esta restricao a priori. No caso
do AR(1) poderiamos atribuir uma distribuicao normal truncada ou uma distribuicao
uniforme em (-1,1) para o par
ametro .
4.3
Ajustando Processos M
edias M
oveis
O problema de estimacao dos par

ametros em modelos MA e bem mais complicado
do que em modelos AR. Os erros t s
ao agora funcoes nao lineares complicadas dos
par
ametros 1 , . . . , q e expressoes analticas para os estimadores nao podem ser obtidas. Assim, metodos computacionais iterativos precisam ser utilizados para minimizar
a soma de quadrados residual.
Dado um modelo MA(q)
Xt = + t + 1 t1 + + q tq
e uma serie observada x1 , . . . , xn o procedimento iterativo consiste basicamente em
fixar os valores de , 1 , . . . , q e calcular os resduos
et = xt 1 t1 q tq
sequencialmente para t = 1, . . . , n assumindo que 0 = 1 = = q+1 = 0 e
substituindo t1 , . . . , tq pelos residuos calculados. Assim,
e1 = x1
e2 = x2 1 e1 = x2 1 x1 + 1
e3 = x3 1 e2 2 e1
..
.

CAPITULO 4. ESTIMAC
AO
42
Dados estes resduos pode-se calcular a soma de quadrados residual S(, ) =

Pn 2
t=1 et . Repetindo este procedimento para , 1 , . . . , q variando em uma grade
de pontos pode-se escolher os valores que minimizam a soma de quadrados. Este
procedimento requer o uso de algoritmos eficientes de otimizacao numerica e nada
garante a sua convergencia para um mnimo global.
Alem das estimativas pontuais, se o processo {t } tem distribuicao normal entao
Box & Jenkins (1970), p. 228 descrevem regi
oes de confianca para os par
ametros do
modelo. Neste caso, se t N (0, 2 ) a funcao de verossimilhanca fica,
L(, , 2 )

n
Y
1 2
2 1/2
(2 )
exp 2 et
=
2
t=1
)
(
n
X
1
e2t .
(2 )n/2 exp 2
2
t=1
e os valores de et s
ao calculados como anteriormente. Portanto L(, , 2 ) e uma
funcao nao linear dos par
ametros.
Em termos praticos, se o procedimento de otimizacao utilizado levar muitas iteracoes para convergir ou mesmo nao convergir deve-se desconfiar das estimativas.
Neste caso as estimativas podem ser inst
aveis no sentido de que adicionando-se ou
removendo-se uma ou duas observacoes pode-se obter valores muito diferentes. Nesta
situacao pode ser computacionalmente mais vantajoso ajustar um modelo AR aos
dados mesmo que o modelo resultante tenha mais par
ametros do que o modelo MA
sugerido pela funcao de autocorrelacao.
4.4
Ajustando Processos ARMA
Os problemas de estimacao para modelos ARMA s

ao similares aqueles para modelos
MA no sentido de que um procedimento iterativo precisa ser utilizado. Isto ocorre
porque os erros {t } s
ao funcoes nao lineares complicadas de todos os coeficientes
1 , . . . , p , 1 , . . . , q . Portanto os mesmos comentarios da secao anterior s
ao validos
para procedimentos que levam muitas iteracoes para convergir, i.e deve-se desconfiar
das estimativas. Os residuos s
ao calculados de forma an
aloga ao modelo MA (ver
Exerccio 14).
Outra dificuldade, especfica de modelos ARMA, e o problema de cancelamento
de razes. Por exemplo considere o modelo ARMA(2,1)
Xt = 2Xt1 2 Xt2 t1 + t
que pode ser reescrito em termos do operador de retardo como
(1 B)2 Xt = (1 B)t .
Note como = implica em um modelo AR(1) Xt = Xt1 + t , ou seja ambos os
modelos implicam exatamento no mesmo comportamento para a serie temporal Xt .
43
4.5. MODELOS SAZONAIS
Este e um problema de identificacao que fica ainda mais complicado em modelos de

ordem mais alta.
Em termos praticos e difcil identificar o problema de cancelamento de razes a nao
ser, como ja foi dito, que o procedimento iterativo devera ter convergencia lenta. No
caso particular de um modelo ARMA(1,1) deve-se desconfiar quando as estimativas
de e s
ao muito similares. Para outros valores de p e q a u
nica sugestao para tentar
minimizar o problema e nao incluir muitos par
ametros no modelo.
Exemplo 4.6 : Vamos simular um processo ARMA(1,1) com razes similares e verificar o problema de cancelamento de razes.
> x = arima.sim(n = 100, list(ar = 0.7, ma = -0.75))
> arima(x, order = c(1, 0, 1), include.mean = F)
Call:
arima(x = x, order = c(1, 0, 1), include.mean = F)
Coefficients:
ar1
ma1
0.7421 -0.7885
s.e. 0.3094
0.2825
sigma^2 estimated as 1.034:
log likelihood = -143.57,
aic = 293.13
Note como as estimativas dos coeficientes estao muito diferentes dos valores verdadeiros e os erros padr
oes estao enormes!
4.5
Modelos Sazonais
Muitas series temporais contem uma componente peri

odica sazonal que se repete a
cada s observacoes (s > 1). Por exemplo, com dados mensais e s = 12 tipicamente
espera-se que Xt dependa de Xt12 e talvez de Xt24 alem de Xt1 , Xt2 , . . . .
Neste caso, tomar a primeira diferenca xt xt1 nao e suficiente para tornar a
serie (aproximadamente) estacionaria. A forma apropriada de diferenciar dados com
padr
ao sazonal acentuado e tomar diferencas no perodo sazonal. Por exemplo, para
dados mensais a primeira diferenca sazonal e
12 xt = (1 B 12 )xt = xt xt12
e ter
a variabilidade menor do que a primeira diferenca nao sazonal xt = xt xt1 ,
sendo portanto mais facil de identificar e estimar.
Em geral, uma diferenca sazonal e denotada por s onde s e o perodo sazonal.
A D-esima diferenca sazonal e entao denotada por D
s . Combinando-se os dois tipos
.
Por
exemplo,
tomando-se 1 diferenca
de diferenciacao obtem-se o operador d D
s
simples e 1 sazonal em uma serie mensal tem-se que
12 xt = xt xt1 xt12 + xt13

CAPITULO 4. ESTIMAC
AO
44
Box & Jenkins (1970) generalizaram o modelo ARIMA para lidar com sazonalidade
e definiram um modelo ARIMA sazonal multiplicativo, denominado SARIMA, dado
por
(B)(B s )Wt = (B)(B s )t
(4.3)
onde
(B) = (1 1 B p B p )
(B s ) = (1 s B s P B P s )
Wt = d D
s Xt
(B) = (1 + 1 B + + q B q )
(B s ) = (1 + s B s + + Q B Qs ).
Este modelo e chamado SARIMA multiplicativo de ordem (p, d, q)(P, D, Q)s e
parece extremamente complicado à primeira vista mas na pratica os valores de d e
D em geral nao serao maiores do que 1 e um n
umero pequeno de coeficientes sera
suficiente. Por exemplo, com P = 1 temos que
(B s ) = (1 s B s )
o que significa simplesmente que Wt depende de Wts . A serie Wt e formada a partir
da serie original tomando-se diferencas simples para remover a tendencia e diferencas
sazonais para remover a sazonalidade.
Para fixar ideias considere o modelo SARIMA(1,0,0) (0, 1, 1)12 para dados mensais. Ou seja temos um termo autoregressivo e um termo media m
ovel sazonal modelando a primeira diferenca sazonal. O modelo pode ser escrito como
(1 B)(1 B 12 )Xt = (1 B 12 )t
e desenvolvendo os produtos obtemos que
Xt = Xt12 + (Xt1 Xt13 ) + t + t12 .
Assim, Xt depende de Xt1 , Xt12 e Xt13 alem do erro no tempo t 12.
Para finalizar, ao ajustar um modelo sazonal aos dados a primeira tarefa e especificar os valores de d e D que tornam a serie (aproximadamente) estacionaria e
remove a maior parte da sazonalidade. Como ja foi dito, estes valores raramente serao
maiores do que 1. Posteriormente os valores de p, P , q e Q devem ser especificados
com base nas funcoes de autocorrelacao e autocorrelacao parcial da serie diferenciada.
Os valores de P e Q s
ao especificados basicamente a partir de rk , k = s, 2s, . . . . Por
exemplo, para dados mensais se r12 e grande mas r24 e pequeno isto sugere que um
termo media m
ovel sazonal pode ser adequado.
Ap
os ter identificado, por tentativa, o que parece ser um modelo SARIMA razoavel
os par
ametros serao estimados por algum procedimento iterativo similar àqueles propostos para modelos ARMA. Detalhes sobre as rotinas de estimacao destes modelos
nao serao abordados aqui e podem ser obtidos em Box & Jenkins (1970).
DO MODELO
4.6. ADEQUAC
AO
4.6
45
Adequac
ao do Modelo
Todos os modelos s
ao errados mas alguns s
ao u
teis (George Box)
Ap
os identificar a ordem e estimar eficientemente os par
ametros de um modelo e
necessario verificar sua adequacao antes de utiliza-lo por exemplo para fazer previsoes.
Pode-se fazer testes de sobreajustamento, que consistem em incluir par
ametros extras
no modelo e verificar sua significancia estatstica. No caso de modelos ARMA deve-se
incluir um par
ametro de cada vez para evitar o problema de cancelamento de razes
mencionado na Secao 4.4.
4.6.1
An
alise dos Resduos
Ap
os um modelo ter sido ajustado a uma serie temporal deve-se verificar se ele fornece
uma descricao adequada dos dados. Assim como em outros modelos estatsticos a ideia
e verificar o comportamento dos resduos onde
residuo = observacao - valor ajustado.
Para os modelos vistos aqui o valor ajustado e a previsao 1 passo a frente de modo
que o resduo fica definido como o erro de previsao 1 passo a frente. Por exemplo,
em um modelo AR(1) se
e a estimativa do coeficiente autoregressivo entao o valor
ajustado no tempo t e
xt1 e o resduo correspondente e et = xt
xt1 .
Se o modelo tiver um bom ajuste espera-se que os resduos se distribuam aleatoriamente em torno de zero com variancia aproximadamente constante e sejam nao
correlacionados. Se a variancia dos resduos for crescente uma transformacao logartmica nos dados pode ser apropriada. O fen
omeno de n
ao constancia na variancia
e denominado de volatilidade na literatura de series temporais e pode ser tratado
atraves de transformacoes nos dados (e.g. transformacoes de Box-Cox)1 .
Alem disso, em modelos de series temporais os resduos estao ordenados no tempo
particularmente
e e portanto natural trata-los tambem como uma serie temporal. E
importante que os resduos de um modelo estimado sejam serialmente (i.e. ao longo
do tempo) nao correlacionados. Evidencia de correlacao serial nos resduos e uma
indicacao de que uma ou mais caractersticas da serie nao foi adequadamente descrita
pelo modelo.
Consequentemente, duas maneiras obvias de verificar a adequacao do modelo consistem em representar graficamente os resduos e o seu correlograma. O gr
afico temporal poder
a revelar a presenca de dados discrepantes, efeitos de autocorrelacao ou
padr
oes cclicos enquanto que o correlograma permite uma an
alise mais detalhada da
estrutura de autocorrelacao indicando possveis termos faltantes no modelo.
Ou seja, assim como em outros modelos estatsticos, a ideia e que os resduos
poder
ao identificar caractersticas que nao foram adequadamente modeladas. Por exemplo, autocorrelacoes residuais significativas nas defasagens 1 ou 2, ou em defasagens
1
Uma tendencia mais recente no entanto consiste em tentar modelar simultaneamente a media e
a vari
ancia ao inves de usar transformac
oes.

CAPITULO 4. ESTIMAC
AO
46
sazonais (e.g. 12 para dados mensais) s

ao uma indicacao de que mais termos medias
m
oveis devem ser incluidos no modelo. Por outro lado, um valor de rk ligeiramente
fora dos limites de confianca em defasagens sem significado obvio (e.g. k=5) nao
e indicacao suficiente para se rejeitar o modelo. O mesmo comentario vale para as
autocorrelacoes parciais dos resduos no que diz respeito à inclus
ao de termos autoregressivos (sazonais e nao sazonais).
4.6.2
Testes sobre os resduos
Ao inves de olhar para as autocorrelacoes residuais individualmente pode-se testar

se um grupo de autocorrelacoes e significativamente diferente de zero atraves das
chamadas estatsticas Q. Para modelos ARMA Box & Jenkins (1970) sugeriram o
uso do teste de Box-Pierce para as hip
oteses
H0 : (1) = = (m) = 0
H1 : (k) 6= 0, para algum k {1, . . . , m}.
sendo a estatstica de teste dada por

Q=n
m
X
rk2 .
k=1
Na pratica o n
umero m de autocorrelacoes amostrais e tipicamente escolhido entre
15 e 30. Se o modelo ajustado for apropriado entao Q ter
a distribuicao aproximadamente qui-quadrado com m p q graus de liberdade. Assim, valores grandes de Q
fornecem indicacao contra a hip
otese de que as autocorrelacoes s
ao todas nulas, em
favor da hip
otese de que ao menos uma delas e diferente de zero.
O teste de Box-Pierce nao tem bom desempenho em amostras pequenas ou moderadas no sentido de que a distribuicao se afasta da qui-quadrado. V
arios testes
alternativos foram sugeridos na literatura e o mais conhecido e o teste de Ljung-Box,
aonde a estatstica de teste e dada por
Q = n(n + 2)
m
X
k=1
rk2
.
nk
Sua distribuicao amostral tambem e aproximadamente

m p q graus de liberdade.
qui-quadrado
com
Exemplo 4.7 : Considere novamente a serie com os totais mensais de passageiros

em linhas aereas internacionais nos EUA entre 1949 e 1960 que aparece na Figura ??.
Existe uma clara tendencia de crescimento bem como um padrao sazonal ao longo
dos anos. Foi feita uma transformacao logaritmica nos dados (esta transformacao
e sugerida na literatura). Faca os gr
aficos da FAC amostral da serie original, 1a
diferenca e 1a diferenca sazonal. Os comandos abaixo podem ser utilizados e obtemse os gr
aficos da Figura 4.1.
DO MODELO
4.6. ADEQUAC
AO
47
> y = log(AirPassengers)
> z = cbind(y, diff(y), diff(y, lag = 12))
> yl = c("No de passageiros", "Variacao mensal", "Variacao anual")
0.2
0.4 0.8
FAC
6.0
5.0
No de passageiros
> par(mfrow = c(3, 2))

> for (i in 1:3) {
+
plot(z[, i], main = "", xlab = "Anos", ylab = yl[i])
+
m = acf(z[, i], lag.max = 36, plot = F, na.action = na.pass)
+
m$lag = m$lag * 12
+
plot(m, main = "", xlab = "defasagem", ylab = "FAC")
+ }
1950
1954
1958
10
25
30
35
25
30
35
25
30
35
1.0
0.2
0.4
FAC
0.2
0.0
1950
1954
1958
10
15
20
defasagem
0.4
0.2
0.0
FAC
0.2
1.0
Anos
Variacao anual
20
defasagem
0.2
Variacao mensal
Anos
15
1950
1954
1958
Anos
10
15
20
defasagem
Figura 4.1:
Os gr
aficos anteriores indicam que precisamos tomar 1 diferenca simples mais 1
diferenca sazonal para tentar induzir estacionariedade aproximada.
> z = diff(diff(y), lag = 12)
> m = acf(z, lag.max = 36, plot = F)
> m$lag = m$lag * 12
Note que ha valores grandes nas defasagens 1, 3, 12 e 23 do u
ltimo gr
afico. Isto
pode ser uma indicacao de que termos MA sazonais e nao sazonais devem ser incluidos

CAPITULO 4. ESTIMAC
AO
48
0.15
0.00
0.15
> par(mfrow = c(2, 1))

> plot(z, main = "", xlab = "Anos", ylab = "")
> plot(m, main = "")
1950
1952
1954
1956
1958
1960
0.2
0.4
ACF
0.8
Anos
10
15
20
25
30
35
Lag
Figura 4.2: Gr
afico da serie com 1 diferenca simples e 1 sazonal mais o correlograma
da serie diferenciada.
no modelo. Um modelo candidato para o logaritmo da serie e SARIMA(0,1,1)x(0,1,1)
e foi estimado usando os comandos abaixo.
> m = arima(y, order = c(0, 1, 1), seasonal = list(order = c(0,
+
1, 1)))
> m
Call:
arima(x = y, order = c(0, 1, 1), seasonal = list(order = c(0, 1, 1)))
Coefficients:
ma1
-0.4018
s.e.
0.0896
sma1
-0.5569
0.0731
DO MODELO
4.6. ADEQUAC
AO
sigma^2 estimated as 0.001348:
49
log likelihood = 244.7,
aic = -483.4
Como primeira verificacao da adequacao do modelo vamos usar a funcao tsdiag()

que retorna os gr
aficos dos residuos padronizados, o correlograma e os p-valores do
teste de Ljung-Box para autocorrelacoes de ordem 1, 2, . . . . O resultado esta na Figura
4.3.
> tsdiag(m)
3 1
Standardized Residuals
1950
1952
1954
1956
1958
1960
Time
0.4 0.8
0.2
ACF
ACF of Residuals
0.0
0.5
1.0
1.5
Lag
0.8
0.4
0.0
p value
p values for LjungBox statistic
10
lag
Figura 4.3: Residuos padronizados, correlograma dos residuos e p-valores do teste de

Ljung-Box para autocorrelacoes.
Compare estes p-valores com o resultado da funcao Box.test() que calcula as
estatisticas de Box-Pierce e Ljung-Box para a hip
otese nula de independencia.
> for (i in 1:10) {
+
b = Box.test(m$residuals, i, type = "Ljung-Box")$p.value
+
print(b)
+ }
[1] 0.8610213
[1] 0.945251
[1] 0.4829255

CAPITULO 4. ESTIMAC
AO
50
[1]
[1]
[1]
[1]
[1]
[1]
[1]
0.3663101
0.4320234
0.4883209
0.539204
0.6328112
0.5096084
0.5502513
Testando a Normalidade dos Resduos

Para uma variavel aleat
oria X tal que E(X) = e V ar(X) = 2 define-se os coeficientes de assimetria e curtose como,

(X )3
(X )4
A(X) = E
e K(X) = E
3
4
respectivamente. A distribuicao normal tem assimetria 0 e curtose igual a 3. Substituindo os momentos te
oricos de X pelos seus equivalente amostrais
n
mj =
1X
(Xt X)j
n
t=1
os estimadores da assimetria e curtose s

ao dados por
m3
A = p 3
m2
m4
=p
K
m22
p
respectivamente. Sob a hip
otese de normalidade as variaveis aleat
orias n/6A e
p
3) s
n/24(K
ao independentes e tem distribuicao assintotica N (0, 1) e assim a
estatstica
3)2
nA2 n(K
+
6
24
tem distribuicao assintotica 2 com 2 graus de liberdade e pode ser usada para testar
a normalidade de X.
As outras verificacoes usuais sobre os residuos tambem devem ser feitas. Por
exemplo, um histograma com curva normal superposta, o gr
afico de probabilidades
normais e um teste de normalidade. Os comandos abaixo podem ser utilizados no R
para testar os residuos do Exemplo 4.7 e gerar a Figura 4.7.
> z = m$residuals
> d = seq(range(z)[1] - 3 * sd(z), range(z)[2] + 3 * sd(z), 0.001)
> a = shapiro.test(z)
DO MODELO
4.6. ADEQUAC
AO
>
>
>
>
>
>
>
51
par(mfrow = c(2, 1))

hist(z, freq = F)
lines(d, dnorm(d, 0, sd(z)))
qqnorm(z)
qqline(z)
text(-1.5, 0.05, "Teste de Shapiro-Wilk")
text(-2, 0.01, paste("p-valor=", round(a$p.value, 4)))
8
4
0
Density
12
Histogram of z
0.10
0.05
0.00
0.05
0.10
0.05
Teste de ShapiroWilk
pvalor= 0.1674
0.10
Sample Quantiles
Normal QQ Plot
Theoretical Quantiles
Figura 4.4: Histograma com curva normal superposta e normal plot dos residuos no
Exemplo 7.

CAPITULO 4. ESTIMAC
AO
52
Exerccios
1. A partir de 100 observacoes do processo Xt = 1 Xt1 + 2 Xt2 + t foram
calculadas as seguintes autocorrelacoes amostrais r1 = 0.8, r2 = 0.5 e r3 = 0.4.
Obtenha estimativas para 1 e 2 .
2. Calcule as autocorrelacoes te
oricas de um processo MA(Q) puramente sazonal.
3. Faca um esboco do correlograma para uma serie com estrutura MA(Q) puramente sazonal, i.e. nao existe dependencia dentro de um perodo sazonal.
4. Para uma serie temporal observada foi identificado o modelo ARIMA(1,1,1).
(a) Escreva o modelo em termos do operador de retardo.
(b) Descreva como deve ter sido o comportamento das funcoes de autocorrelacao e autocorrelacao parcial da serie original e da serie diferenciada.
5. Escreva o modelo SARIMA(0, 0, 1) (1, 1, 0)12 em termos de operador de retardo.
6. Para uma serie mensal observada foi identificado e estimado o modelo
SARIMA(1,1,0)(0,1,0).
(a) Escreva o modelo em termos de operador de retardo.
(c) Como deve ser o comportamento esperado dos resduos em termos de suas
autocorrelacoes para que o modelo seja adequado?
(d) O que se deve fazer no caso de autocorrelacoes residuais significativas nas
defasagens 1, 8 e 12 ?
7. Para uma serie observada trimestralmente foi identificado e estimado o modelo
SARIMA(1,1,0)(2,1,1).
(a) Escreva o modelo em termos de operador de retardo.
(c) O que se deve fazer se a autocorrelacao residual na defasagem 4 for significativa ?
8. Explique como voce estimaria os coeficientes em um modelo ARMA(1,1) utilizando as duas primeiras autocorrelacoes amostrais?
9. Obtenha os estimadores de mnimos quadrados para os coeficientes em um modelo AR(2).
10. Escreva as equacoes de mnimos quadrados para o modelo AR(p). Como voce
estima a variancia dos erros?
DO MODELO
4.6. ADEQUAC
AO
53
11. Em que condicoes as estimativas de mnimos quadrados de um modelo AR(p)

coincidirao com as de m
axima verossimilhanca?
12. Seja o modelo AR(1) com erros normais.
(a) Obtenha os EMV usando a verossimilhanca condicional.
(b) Obtenha os EMV usando a verossimilhanca exata com
X1 N (0, 2 /(1 2 )).
13. Usando as notas de aula e qualquer outra referencia bibliografica faca um resumo
da an
alise de resduos em series temporais.
14. Explique como podem ser calculados os resduos em um modelo ARMA(p,q).
Captulo 5
Previs
ao
Uma das formas de utilizacao de um modelo ajustado e para fazer previsoes de valores
futuros. Assim, se t e o perodo corrente estamos interessados em prever os valores
de Xt+1 , Xt+2 , . . . . A previsao de Xt+k , para k = 1, 2, . . . sera denotada por x
t (k) e e
definida como a esperanca condicional de Xt+k dados todos os valores passados, i.e.
x
t (k) = E(Xt+k |xt , xt1 , . . . ).
(5.1)
A equacao acima e chamada de funca

o de previs
ao e o inteiro k e chamado de horizonte
de previs
ao. Pode-se mostrar que esta previsao tem o menor erro quadratico medio
(EQM), E(Xt+k x
t (k))2 . Na pratica temos um n
umero finito de observacoes e
obtemos entao que x
t (k) = E(Xt+k |xt , . . . , x1 ) que nao tem o EQM mnimo mas
pode ser visto como uma aproximacao de (5.1).
Note que se temos uma serie temporal observada x1 , . . . , xn as previsoes podem
ser feitas dentro do perodo amostral e comparadas com os valores observados. Esta
e uma pratica bastante comum para checar a performance preditiva do modelo. A
diferenca entre os valores previsto e observado, x
t (k) xt+k , e chamada de erro de
previs
ao k passos a
` frente e sera denotado por et+k .
5.1
M
etodos Univariados de Previs
ao
Os metodos descritos nesta secao tem um forte apelo intuitivo, decompondo uma serie
temporal em componentes de facil interpretacao. Dados os recursos computacionais
disponveis atualmente eles tambem tem a vantagem de serem extremamente simples
de programar e sua utilizacao ter um custo computacional muito pequeno. Vamos
comecar com o caso mais simples, adequado para series localmente constantes.
5.1.1
Alisamento Exponencial Simples
Dada uma serie temporal x1 , . . . , xn , nao sazonal e sem tendencia sistematica, e razoavel tomar a estimativa de xn+1 como uma soma ponderada das observacoes passadas, i.e.
x
n (1) = a0 xn + a1 xn1 + . . .
54
5.1. METODOS
UNIVARIADOS DE PREVISAO
55
onde {aj } s
ao os pesos. Parece razo
avel tambem dar um peso maior às observacoes
mais recentes do que `
as observacoes mais distantes no passado, i.e. a0 > a1 > . . . .
Neste procedimento s
ao adotados pesos que decaem geometricamente a uma taxa
constante dados por
aj = (1 )j , j = 0, 1, . . .
onde 0 < < 1 e chamada de constante de alisamento. Assim, a previsao 1 passo à
frente em t = n fica
x
n (1) = xn + (1 )xn1 + (1 )2 xn2 + . . . .
(5.2)
Naturalmente que na pratica havera um n

umero finito de observacoes passadas e a
soma acima sera tambem finita. A ideia de que o conte
udo informativo de uma observacao decai com a sua idade e bastante intuitivo e o par
ametro esta controlando
o grau de envelhecimento deste conte
udo.
A equacao (5.2) costuma ser reescrita em forma de equacao recursiva. Colocandose (1 ) em evidencia obtem-se que
x
n (1) = xn + (1 )[xn1 + (1 )xn2 + (1 )2 xn3 + . . . ]
= xn + (1 )
xn1 (1)
(5.3)
i.e. uma media ponderada entre a observacao mais recente e a previsao 1 passo à
frente anterior (no tempo t = n 1). A equacao (5.2) pode ainda ser reescrita na
forma de correca
o de erro. Definindo en = xn x
n1 (1) o erro de previsao 1 passo à
frente no tempo n entao
x
n (1) = x
n1 (1) + en .
Ou seja, a previsao para t = n + 1 e igual à previsao para t = n que foi feita em
t = n 1 mais uma proporcao do erro cometido. A previsao k-passos a frente e a
mesma, i.e x
n (k) = x
n (1), k = 2, 3, . . . .
Previs
oes Dentro da Amostra
Usando x
0 (1) = x1 como previsao inicial em t = 0 e definindo et = xt x
t1 (1) os
erros de previsao 1 passo `
a frente, a equacao (5.3) pode ser usada recursivamente para
obter as previsoes, i.e.
x
t (1) = xt + (1 )
xt1 (1),
t = 1, 2, . . .
Na forma de correcao de erro as recurs

oes ficam
x
t (1) = x
t1 (1) + et ,
t = 1, 2, . . .
Especifica
c
ao de
Vale notar que o valor de nao depende da escala em que as observacoes foram medidas, mas sim das propriedades da serie temporal. O valor de deve ser especificado de
modo a refletir a influencia das observacoes passadas nas previsoes. Valores pequenos

CAPITULO 5. PREVISAO
56
produzem previsoes que dependem de muitas observacoes passadas. Por outro lado,
valores proximos de 1 levam a previsoes que dependem das observacoes mais recentes
e no caso extremo = 1 a previsao e simplesmente a u
ltima observacao. O valor de
tambem pode ser estimado a partir dos dados e o criterio utilizado e a minimizacao
da soma de quadrados dos erros de previsao. Ou seja, dado um valor fixo de e
usando a equacao (5.3), calcule
x
0 (1) = x1 ,
x
1 (1) = x1 + (1 )
x0 (1),
x
2 (1) = x2 + (1 )
x1 (1),
..
.
e2 = x2 x
1 (1)
e3 = x3 x
2 (1)
x
n1 (1) = xn1 + (1 )
xn2 (1),
en = xn x
n1 (1)
Pn 2
e calcule
t=2 et . Repita o procedimento para valores de variando entre 0 e 1
(digamos com incrementos de 0,1) e selecione o valor que minimiza esta soma de
quadrados. Na pratica, o valor mnimo pode ocorrer muito proximo de um dos extremos do intervalo de variacao de . Isto pode ocorrer quando a soma de quadrados
varia muito pouco na regi
ao em torno do mnimo. Neste caso faz mais sentido utilizar
valores nao tao extremos.
Exemplo 5.1 : No banco de dados do R, a serie lh contem as quantidades de um
tipo de hormonio em amostras de sangue coletadas a cada 10 minutos de uma pessoa
do sexo feminino (Diggle 1990). Vamos aplicar o metodo de alisamento exponencial
simples `
a esta serie fazendo primeiro a selecao do valor de que minimiza a soma
dos quadrados dos erros de previsao 1 passo a frente. Na Figura 5.1 temos o gr
afico
desta soma de quadrados como funcao de e o gr
afico das previsoes 1 passo à frente
juntamente com a serie observada.
O valor
otimo obtido foi = 0, 945 com a soma de erros quadrados igual a 11,86
e os seguintes comandos do R podem ser utilizados para a selecao de .
> AES = function(x, interval) {

+
e = NULL
+
for (alfa in interval) {
+
e2 = 0
+
prev = x[1]
+
for (i in 2:length(x)) {
+
prev = c(prev, alfa * x[i - 1] + (1 - alfa) * prev[i +
1])
+
e2 = e2 + (x[i] - prev[i])^2
+
}
+
e = c(e, e2)
+
}
+
plot(interval, e, type = "l", xlab = expression(alpha), ylab = "Soma de quadra
+
e.min = min(e)
5.1. METODOS
+
+
+
+
+
+ }
alfa = interval[e == e.min]

prev = x[1]
for (i in 2:length(x)) prev = c(prev, alfa * x[i - 1] + (1 alfa) * prev[i - 1])
return(list(alfa = alfa, sq2 = e.min, prev = prev))
12.0
13.5

m = AES(lh, seq(0.1, 0.99, 0.001))
plot(1:48, m$prev, ylab = "Hormonio", xlab = "Amostras", type = "l")
points(lh)
Soma de quadrados dos erros
>
>
>
>
57
0.2
0.4
0.6
0.8
1.0
2.5
1.5
Hormonio
3.5
10
20
30
40
Amostras
Figura 5.1: Soma dos quadrados dos erros de previsao 1 passo a frente em funcao de .
Valores observados (pontos) e previsoes 1 passo a frente (linhas) usando o valor otimo de .
Exemplo 5.2 : O procedimento do Exemplo 5.1 foi repetido para a serie de medidas
anuais de vazoes do Rio Nilo entre 1871 e 1970, tambem do banco de dados do R. Os
resultados estao na Figura 5.2.

58
2100000
2700000

m = AES(Nile, seq(0.1, 0.99, 0.001))
plot(1:length(Nile), m$prev, ylab = "", xlab = "", type = "l")
points(1:length(Nile), Nile)
Soma de quadrados dos erros
>
>
>
>
0.2
0.4
0.6
0.8
1.0
80
100
800
1000
20
40
60
Figura 5.2: Soma dos quadrados dos erros de previsao 1 passo a frente em funcao de .
Valores observados (pontos) e previsoes 1 passo a frente (linhas) usando o valor otimo de
5.1.2
M
etodo de Holt-Winters
O procedimento de alisamento exponencial pode ser generalizado para series que contenham tendencia e variacao sazonal. Suponha por exemplo que as observacoes s
ao
mensais e sejam Lt , Tt e It o nvel, a tendencia e o ndice sazonal no tempo t. Assim,
Tt e o aumento ou reducao esperada por mes no nvel atual da serie.
Suponha que no tempo t os termos (L1 , T1 , I1 ), . . . , (Lt1 , Tt1 , It1 ) sejam conhecidos. Entao, ap
os observar xt os termos Lt , Tt e It s
ao atualizados via alisamento
exponencial. Se a variacao sazonal for multiplicativa, i.e. com amplitudes que tendem
a crescer ao longo do tempo, as equacoes de atualizacao na forma de recorrencia s
ao
5.1. METODOS
59
dadas por
Lt = (xt /It12 ) + (1 )(Lt1 + Tt1 )
Tt = (Lt Lt1 ) + (1 )Tt1
It = (xt /Lt ) + (1 )It12
e as previsoes k perodos `
a frente s
ao dadas por
x
t (k) = (Lt + kTt )It12+k ,
k = 1, 2, . . . .
No caso de sazonalidade aditiva as equacoes de atualizacao para o nvel e o ndice

sazonal s
ao modificadas para
Lt = (xt It12 ) + (1 )(Lt1 + Tt1 )
It = (xt Lt ) + (1 )It12
e as previsoes k perodos `
a frente ficam
x
t (k) = Lt + kTt + It12+k ,
k = 1, 2, . . . .
Aqui temos par

ametros de alisamento, , e , para cada componente da serie
que s
ao em geral escolhidos no intervalo (0,1) e podem ser estimados minimizando-se
a soma de quadrados dos erros de previsao como na secao anterior. Aqui vale tambem o comentario sobre valores proximos aos extremos devido à soma de quadrados
variar pouco nesta regi
ao. Alem disso, estes par
ametros nao dependem da escala das
observacoes mas sim das propriedades temporais do nvel, tendencia e sazonalidade
da serie. Valem os mesmos comentarios sobre estes valores refletindo a influencia das
observacoes passadas nas previsoes de cada componente.
Para o caso particular de series sem variacao sazonal basta utilizar as equacoes
para Lt e Tt acima (sem o ndice It12 ). Ou seja,
Lt = xt + (1 )(Lt1 + Tt1 )
Tt = (Lt Lt1 ) + (1 )Tt1
e a previsao k passos `
a frente no tempo t e simplesmente Lt + kTt . Se a serie tambem
nao tem uma tendencia sistematica retorna-se à equacao (5.3), ou seja
Lt = xt + (1 )Lt1
e Lt e a previsao 1 passo `
a frente (
xt (1)).
Exemplo 5.3 : A variavel UKLungDeaths contem os n
umeros mensais de mortes
por doencas do pulmao (bronquite, efisema e asma) no Reino Unido entre janeiro
de 1974 e dezembro de 1979. A variavel e composta por 3 series: ambos os sexos
(ldeaths), sexo feminino (fdeaths) e sexo masculino (mdeaths). Aqui sera utilizada a
funcao HoltWinters do R que faz o alisamento exponencial de Holt-Winters com a

60
serie ldeaths. As constantes de alisamento ( , e ) s

ao determinadas minimizando
a soma dos quadrados dos erro de previsao 1 passo à frente. Considere um modelo
sazonal aditivo. O resultado s
ao as constantes de alisamento calculadas e as Estimativas finais (em t = n) do nivel, tendencia e componentes sazonais. Pode-se tambem
obter as previsoes e intervalos de previsao (supondo normalidade) para modelos ajustados pelo metodo de Holt-Winters. No gr
afico da Figura 5.3 temos a serie original
com a serie suavizada mais as previsoes para os anos de 1980, 1981 e 1982 da serie
ldeaths.
> data(UKLungDeaths)
> m = HoltWinters(ldeaths, seasonal = "addit")
> p = predict(m, n.ahead = 12, prediction.interval = T)
> plot(m, p)
2500
2000
1000
1500
Observed / Fitted
3000
3500
4000
HoltWinters filtering
1975
1976
1977
1978
1979
1980
1981
Time
Figura 5.3: Serie original, serie suavizada e previsoes para o ano de 1980 da serie ldeaths via
metodo de Holt-Winters.
5.2
Previs
ao em Modelos ARMA
Em modelos ARMA as previsoes podem ser obtidas usando-se diretamente a equacao

do modelo. Assumindo que a equacao do modelo seja conhecida a previsao x
n (k)
EM MODELOS ARMA
5.2. PREVISAO
61
e obtida substituido valores futuros dos erros por zero, valores futuros da serie
Xn+1 , Xn+2 , . . . pela sua esperanca condicional, e valores passados de X e de pelos
seus valores observados.
Tomemos como exemplo o modelo SARIMA(1, 0, 0) (0, 1, 1)12 . A equacao do
modelo e dada por
(1 B)(1 B 12 )Xt = (1 + B 12 )t
ou equivalentemente
Xt = Xt12 + (Xt1 Xt13 ) + t + t12 .
Neste caso, as previsoes 1 e 2 passos à frente ficam
x
n (1) = xn11 + (xn xn12 ) + n11
x
n (2) = xn10 + (
xn (1) xn11 ) + n10 .
Note como o valor futuro Xn+1 foi substitudo na segunda equacao pela sua esperanca
condicional x
n (1), i.e. a previsao feita em t = n para t = n + 1. Previsoes para
horizontes maiores podem ser obtidas recursivamente.
No caso de modelos autoregressivos AR(p) nao e difcil verificar como fica a funcao
de previsao.
x
t (1) = 1 xt + + p xtp+1
x
t (2) = 1 x
t (1) + + p xtp+2
..
.
x
t (p + 1) = 1 x
t (p) + + p x
t (1)
de modo que as previsoes para horizontes maiores do que p usam apenas as previsoes
anteriores. Para p = 1 por exemplo segue que
x
t (k) =
xt (k 1) = 2 x
t (k 2) = = k xt
Para modelos medias m
oveis MA(q) tambem nao e difcil verificar que a equacao
de previsao fica
x
t (1) = 1 t + + q tq+1
x
t (2) = 2 t + + q tq+2
..
.
x
t (q) = q t
x
t (q + j) = 0,
j = 1, 2, . . .
ou seja,
x
t (k) =
( P
q
i=k
0,
i t+ki , k = 1, . . . , q
k>q

62
Atualiza
c
ao das Previs
oes
interessante notar tambem como as previsoes podem ser atualizadas conforme novas
E
observacoes da serie forem obtidas. Suponha por exemplo que o valor xn+1 foi observado. Neste caso a previsao para t = n + 2 ficara condicionada em x1 , . . . , xn , xn+1
e pode ser facilmente atualizada para a nova origem n + 1. Para o modelo SARIMA
visto acima a previsao fica
x
n+1 (1) = E(Xn+2 |xn+1 , . . . , x1 )
= xn10 + (xn+1 xn11 ) + n10 .
(5.4)
Somando e subtraindo
xn (1) no lado direito de (5.4) obtemos que
x
n+1 (1) = xn10 + (
xn (1) xn11 ) + (xn+1 x
n (1)) + n10
= x
n (2) + (xn+1 x
n (1))
ou seja, a previsao atualizada e a previsao anterior mais uma proporcao do erro de

previsao 1 passo `
a frente em t = n + 1.
Previs
oes usando a forma MA
As previsoes tambem podem ser obtidas reescrevendo-se o modelo como um processo
medias m
oveis de ordem infinita. Neste caso temos que
Xn+k = n+k + 1 n+k1 + + k n + k+1 n1 + . . .
e fica claro que a previsao k passos à frente e dada por
x
n (k) = k n + k+1 n1 + . . . .
(5.5)
Note que apenas os valores n , n1 , . . . foram utilizados ja que a esperanca dos valores
futuros e igual a zero. Esta forma e particularmente u
til para o calculo da variancia
do erro de previsao. Da equacao (5.5) obtemos que o erro de previsao k passos `
a
frente e dado por
xn+k x
n (k) = n+k + 1 n+k1 + + k1 n+1
e portanto a variancia do erro de previsao e dada por
2
V ar(et+k ) = (1 + 12 + + k1
)2 .
O ponto importante a se notar aqui e que, para 2 fixo, a variancia do erro de previsao
aumenta com o horizonte de previsao. Na pratica, isto significa ter mais confianca
em previsoes de curto prazo do que em previsoes de longo prazo.
Ate agora nao haviamos assumido nenhuma distribuicao de probabilidade para os
erros. Assumindo tambem que a sequencia {t } seja normalmente distribuida pode-se
EM MODELOS ARMA
5.2. PREVISAO
63
construir intervalos de confianca para Xt+k simetricos em torno das previsoes. Estes
s
ao chamados intervalos de previsao e s
ao dados por
v
u
k1
u
X
u
j2 2 .
x
t (k) z/2 t1 +
j=1
claro que neste caso a hip

E
otese de normalidade precisa ser checada.
Finalmente, vale notar que na pratica os par
ametros do modelo nao s
ao conhecidos
de forma exata e precisam ser estimados. Os valores passados dos erros t tambem
precisam ser estimados como erros de previsao um passo à frente. Assim, por exemplo
para o modelo SARIMA(1, 0, 0) (0, 1, 1)12 visto acima teremos que
n11
x
n (1) = xn11 +
(xn xn12 ) +
onde o erro de previsao 1 passo à frente em n 11 e dado por
n11 = xn11 x
n12 (1).
Alem disso, os intervalos de previsao obtidos serao intervalos aproximados devido a
esta substituicao.
Exemplo 5.4 : A Figura 5.4 mostra uma serie temporal com os totais mensais de
mortes por acidente nos Estados Unidos entre janeiro de 1973 e dezembro de 1978.
Suponha que foi identificado o modelo SARIMA(0,1,1)x(0,1,1). Ap
os a estimacao,
an
alise de resduos e verificacao da adequacao do modelo foram feitas previsoes para
o ano de 1979, i.e. previsoes 1, 2, . . . , 12 passos à frente. Em julho de 1979 os valores
para os primeiros 6 meses daquele ano foram disponibilizados e aparecem na Figura
5.5 juntamente com as previsoes. Note como os valores observados ficaram dentro
dos intervalos de previsao fornecendo assim indicacao de que o modelo teve uma boa
performance preditiva. Sendo assim, uma estrategia inicial para o segundo semestre
de 1979 consiste em simplesmente atualizar as previsoes. Os comandos do R para este
exemplo s
ao dados a seguir.
Transformac
oes
Em muitas aplicacoes a serie modelada e na verdade uma transformacao dos dados
originais, sendo a transformacao logaritmica a mais usual. Assim, tanto as previsoes
pontuais quanto os intervalos de previsao s
ao obtidos para a serie transformada e estes
valores precisam ser transformados novamente para a escala original. A abordagem
mais simples (e geralmente adotada) consiste simplesmente em tomar a transformacao
inversa, por exemplo se um modelo foi ajustado para a serie Xt = log Yt entao yn (k) =
exp(
xn (k)) e a previsao k passos a frente da serie original. No entanto deve-se ter em
mente que estas previsoes via transformacao inversa s
ao em geral viesadas. Felismente
os intervalos de previsao tem boas propriedades e por exemplo quanto se toma o antilogaritmo dos limites
p
x
n (k) z/2 var(en+k )

64
10000
9000
8000
7000
Numero de mortes por acidente
11000
> data(USAccDeaths)
> plot(USAccDeaths, xlab = "Anos", ylab = "Numero de mortes por acidente")
1973
1974
1975
1976
1977
1978
1979
Anos
Figura 5.4: Totais mensais de mortes por acidente nos Estados Unidos entre janeiro de 1973
e dezembro de 1978.
obtem-se um intervalo (geralmente assimetrico) de 100(1 )% para a previsao pontual yn (k).

Exemplo 5.5 : Considere novamente a serie AirPassengers e faca transformacao
logaritmica nos dados (conforme sugerido na literatura). Estime um modelo
SARIMA(0,1,1)x(0,1,1) usando os dados ate dezembro de 1960 e faca previsoes de
1 ate 12 meses `
a frente para o ano de 1961 nas 2 escalas. As previsoes e intervalos
de previsao na escala transformada s
ao dados na Tabela 5.1, enquanto as previsoes,
intervalos de previsao e suas semi-amplitudes na escala original s
ao dadas na Tabela
5.2.
5.3
Performance Preditiva
A ideia de verificar a adequacao de um modelo em termos dos erros de previsao um

passo `
a frente foi apresentada na Secao 4.6. Na pratica e preciso verificar se os resduos
65
5.3. PERFORMANCE PREDITIVA
1961 Jan
1961 Feb
1961 Mar
1961 Apr
1961 May
1961 Jun
1961 Jul
1961 Aug
1961 Sep
1961 Oct
1961 Nov
1961 Dec
previsao
6.11
6.05
6.17
6.20
6.23
6.37
6.51
6.50
6.32
6.21
6.06
6.17
li
6.04
5.97
6.08
6.09
6.12
6.25
6.38
6.37
6.18
6.06
5.91
6.00
ls
6.18
6.14
6.27
6.31
6.35
6.49
6.64
6.64
6.47
6.36
6.22
6.33
Tabela 5.1: Previsoes e limites inferior (li) e superior (ls) dos intervalos de previsao.
se comportam de maneira aleat

oria (ou imprevisvel) em torno de zero e com variancia
aproximadamente constante, alem de serem nao correlacionados ao longo do tempo.
Alem disso, dois ou mais modelos podem ser comparados segundo a sua performance preditiva, ou seja construindo-se medidas baseadas nos erros de previsao. A
maioria dos metodos de previsao baseia-se na ideia de minimizar somas de quadrados
ou de valores absolutos dos erros de previsao e esta e tambem uma medida usada
para comparar a adequacao de modelos alternativos. A ideia entao e comparar o erro
P
P
quadratico medio e2t /(nm) ou erro absoluto medio |et |/(nm) para diferentes
modelos, onde m e o n
umero de par
ametros a serem estimados.
Uma estrategia simples de se fazer previsoes consiste em tomar a observacao mais
recente como a melhor previsao de um valor futuro da serie, i.e. x
t (1) = xt . Note
que esta e a previsao 1 passo `
a frente de um passeio aleat
orio. Assim, uma forma
de medir a capacidade preditiva de um modelo consiste em comparar seus erros de
previsao com aqueles do passeio aleat
orio. Isto pode ser feito atraves da chamada
estatstica U de Theil definida como
sP
n1
t (1))2
t=1 (xt+1 x
.
U=
P
n1
2
t=1 (xt+1 xt )
Note que valores maiores do que 1 s
ao uma indicacao de que globalmente os erros
de previsao tendem a ser grandes em relacao aos erros de um passeio aleat
orio. Esta
nao e uma boa caracterstica e gostariamos que o valor de U fosse sempre menor do
que 1. Vale notar tambem que neste caso os erros de previsao estao sendo avaliados
independente da escala dos dados.
Finalmente, vale notar que todas as medidas de capacidade preditiva citadas podem ser estendidas para erros de previsao k passos a frente.
Outra pratica comum em series temporais consiste em estimar o modelo excluindo
algumas observacoes finais e usar o modelo estimado para fazer previsoes. Neste caso

66
1961 Jan
1961 Feb
1961 Mar
1961 Apr
1961 May
1961 Jun
1961 Jul
1961 Aug
1961 Sep
1961 Oct
1961 Nov
1961 Dec
prev
450.42
425.72
479.01
492.40
509.05
583.34
670.01
667.08
558.19
497.21
429.87
477.24
li
418.53
390.81
435.08
443.00
453.98
516.02
588.18
581.40
483.18
427.59
367.37
405.40
ls
484.74
463.75
527.37
547.32
570.81
659.45
763.23
765.38
644.85
578.17
503.01
561.81
prev.li
31.89
34.91
43.93
49.41
55.07
67.33
81.83
85.68
75.01
69.62
62.50
71.84
ls.prev
34.32
38.03
48.36
54.92
61.75
76.11
93.22
98.30
86.66
80.96
73.14
84.57
Tabela 5.2: Previsoes e limites inferior (li) e superior (ls) e semi-amplitudes dos
intervalos de previsao.
as previsoes podem ser comparadas com os valores observados. Por exemplo, para uma
serie mensal observada ao longo de 5 anos poderia-se estimar o modelo identificado
usando os primeiros 4 anos e meio (54 observacoes) e fazer previsoes para os u
ltimos
6 meses.
5.4
Crit
erios de Informac
ao
Em muitas aplicacoes varios modelos podem ser julgados adequados em termos do

comportamento dos resduos. Uma forma de discriminar entre estes modelos competidores e utilizar os chamados criterios de informacao que levam em conta nao
apenas a qualidade do ajuste mas tambem penalizam a inclus
ao de par
ametros extras. Assim, um modelo com mais par
ametros pode ter um ajuste melhor mas nao
necessariamente sera prefervel em termos de criterio de informacao. A regra basica
consiste em selecionar o modelo cujo criterio de informacao calculado seja mnimo.
A regra mais utilizada em series temporais e o chamado criterio de informacao de
Akaike, denotado por AIC. A definicao mais comumente utilizada e
AIC = 2 log verossimilhanca maximizada + 2m1
onde m e o n
umero de par
ametros (em modelos ARMA(p, q) m = p + q + 1). Para
dados normalmente distribuidos e usando-se estimativas de m
axima verossimilhanca
para os par
ametros pode-se mostrar que
AIC = n log(
2 ) + 2m
onde
2 = (1/n)
1
2t .
O fator 2 e somente uma convenc

ao e n
ao ir
a alterar a selec
ao do modelo.
5.4. CRITERIOS
DE INFORMAC
AO
67
Existem outros criterios de informacao que s

ao basicamente modificacoes do AIC
na forma de penalizar a inclus
ao de par
ametros extras. O mais famoso deles e o
criterio de informacao Bayesiano, denotado por BIC e dado por
BIC = 2 log verossimilhanca maximizada + m log n.
Note como este criterio penaliza bem mais a inclus
ao de par
ametros do que o AIC e
portanto tende a selecionar modelos mais parcimoniosos.
sempre bom lembrar que estas medidas nao tem nenhum significado quando
E
olhadas individualmente, i.e. considerando-se um u
nico modelo. Assim, tanto o AIC
quanto o BIC podem assumir valores quaisquer, inclusive valores negativos, ja que
eles dependem da forma da funcao de verossimilhanca.
Vale lembrar tambem que ao usar tais criterios para comparar modelos a estimacao precisa ser feita no mesmo perodo amostral de modo que os modelos sejam
compar
aveis. Note tambem que aumentando-se o n
umero de termos autoregressivos
e/ou medias m
oveis, o valor de m aumenta. Assim se a inclus
ao de termos adicionais
no modelo nao melhorar sensivelmente o ajuste, entao o AIC e o BIC (e qualquer
outro criterio de informacao) serao maiores.
Para uma revisao geral destes e outros criterios de informacao no contexto de
series temporais ver por exemplo Priestley (1981), Captulo 5.
Identificac
ao Revisitada
Vimos que as duas ferramentas basicas para identificacao de modelos da classe ARIMA
s
ao as autocorrelacoes e autocorrelacoes parciais amostrais. Esta etapa envolve algum grau de arbitrariedade por parte do pesquisador ao interpretar estas funcoes,
i.e. comparar subjetivamente seus valores amostrais com os correspondentes valores
te
oricos.
Uma abordagem alternativa consiste em usar os criterios de informacao de um
forma mais abrangente. Neste caso, um conjunto de possveis modelos competidores
e definido a priori e aquele que minimiza o AIC ou BIC e selecionado. Por exemplo,
modelos ARMA(p, q) podem ser estimados sequencialmente variando os valores de p
e q entre 0 e 3 digamos. Note que neste caso teremos 16 possveis modelos sendo
comparados e os criterios de informacao s
ao agora funcoes de p e q. Analogamente,
para modelos AR(p) podemos variar o valor de p, digamos entre 1 e 10.
Na pratica este procedimento pode ser aplicado de forma semi-autom
atica ja que
muitos pacotes estatsticos fornecem estes valores. Porem ap
os um modelo ser selecionado a an
alise residual ainda deve ser feita antes de se passar à etapa das previsoes.
Outro problema de ordem pratica e que pode haver dois ou mais modelos com AIC
e/ou BIC muito similares de modo que nao seja trivial discriminar entre eles. Nestas
situacoes Burnham & Anderson (1998), Secao 4.2, sugerem o uso de pesos que s
ao
obtidos subtraindo-se o valor associado com o melhor modelo. Os pesos relativos ao
AIC s
ao dados por
wk exp(AIC(k)/2)

68
sendo AIC(k) = AIC(k) min(AIC) e k e a ordem do modelo. Estes pesos s

ao
entao normalizados para somarem 1 de modo que 0 < wk < 1 e a comparacao entre
os modelos fica mais facil. Se M e o n
umero total de modelos a comparacao e entao
baseada em
wi
, i = 1, . . . , M.
wi = PM
j=1 wj
Por exemplo, para modelos AR(p) os pesos relativos ao AIC s
ao dados por
wp exp(AIC(p)/2),
p = 1, . . . , pmax
sendo AIC(p) = AIC(p) min(AIC) e pmax deve ser especificado.

Exemplo 5.6 : Na Figura 5.6 e apresentada a serie com os totais anuais de linces
canadenses capturados em armadilhas entre 1821 e 1934. Estes dados tem sido modelados na literatura ap
os uma transformacao que consiste em tomar o logaritmo na
base 10 e subtrair a media dos dados transformados. Vamos ajustar modelos AR(p)
com p variando de 1 ate 5 e calcular os criterios de informacao e os respectivos pesos
para cada modelo. Os resultados estao na Tabela 5.3. Note que ha falta de concordancia entre os criterios de informacao quanto ao melhor modelo. Isto pode ser
uma indicacao de que na verdade ha 2 modelos descrevendo bem os dados. Outro
problema e que o AIC seleciona um modelo com o valor m
aximo de p e isto pode indicar a necessidade de considerar mais termos autoregressivos. Repetindo o exercicio
com p variando de 1 a 15 obteve-se a Tabela 5.4.
1
2
3
4
5
p
1
2
3
4
5
AIC
-242.3913
-333.0988
-332.7283
-335.6596
-335.8881
pesos AIC
0.0000
0.1057
0.0878
0.3802
0.4263
BIC
-234.9189
-321.8902
-317.7835
-316.9786
-313.4709
pesos BIC
0.0000
0.8137
0.1044
0.0698
0.0121
Tabela 5.3: Criterios de informacao AIC e BIC e respectivos pesos para modelos
AR(p) ajustados a serie Lynx.
Os comandos do R utilizados no Exemplo 5.6 seguem abaixo.

>
>
>
>
>
>
>
>
+
y = log10(lynx)
x = y - mean(y)
p = 1:15
n = length(x)
crit = matrix(0, nrow = length(p), ncol = 5)
colnames(crit) = c("p", "AIC", "pesos AIC", "BIC", "pesos BIC")
crit[, 1] = p
for (k in p) {
ar = arima(x, order = c(k, 0, 0), include.mean = F)

5.5. PREVISOES
USANDO TODOS OS MODELOS
+
+
+
>
>
>
>
69
crit[k, 2] = n * log(ar$sigma2) + 2 * (k + 1)
crit[k, 4] = n * log(ar$sigma2) + (k + 1) + (k + 1) * log(n)
}
aicp =
bicp =
crit[,
crit[,
exp(-(crit[, 2] - min(crit[, 2]))/2)

exp(-(crit[, 4] - min(crit[, 4]))/2)
3] = aicp/sum(aicp)
5] = bicp/sum(bicp)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
p
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
AIC
-242.3913
-333.0988
-332.7283
-335.6596
-335.8881
-334.4484
-338.8427
-338.8505
-338.3849
-341.8678
-354.5690
-354.7117
-353.0609
-351.0895
-349.2335
pesos AIC
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0001
0.0001
0.0006
0.3581
0.3846
0.1685
0.0629
0.0249
BIC
-234.9189
-321.8902
-317.7835
-316.9786
-313.4709
-308.2950
-308.9531
-305.2247
-301.0229
-300.7696
-309.7346
-306.1411
-300.7541
-295.0465
-289.4543
pesos BIC
0.0000
0.8100
0.1039
0.0695
0.0120
0.0009
0.0013
0.0002
0.0000
0.0000
0.0019
0.0003
0.0000
0.0000
0.0000
Tabela 5.4: Criterios de informacao AIC e BIC e respectivos pesos para modelos
AR(p) ajustados a serie Lynx.
Finalmente vale notar que se o n

umero de modelos candidatos for muito grande
e a serie analisada muito longa o custo computacional deste metodo pode ser muito
alto. Por exemplo, em modelos SARIMA com pmax = qmax = 5, Pmax = Qmax = 2
e dmax = Dmax = 2 teremos mais de 500 modelos candidatos, sem contar possveis
transformacoes nos dados, diferentes distribuicoes dos erros, presenca de dados discrepantes, alteracoes estruturais, etc.
5.5
Previs
oes Usando Todos os Modelos
Suponha que existem k modelos candidatos denotados por M1 , M2 , . . . , Mk e desejase fazer a previsao de Xn+h . Tratando tanto Xn+h quanto Mi como variaveis
aleat
orias entao pelas regras de esperanca condicional segue que
x
n (h) = E(Xn+h |x) =
k
X
i=1
E(Xn+h |x, Mi )P (Mi |x).

70
Ou seja, podemos escrever a previsao pontual como uma mistura discreta de previsoes
pontuais sob cada modelo considerado.
A mesma l
ogica se aplica a qualquer funcao de Xn+h , em particular
2
E(Xn+h
|x) =
k
X
i=1
2
E(Xn+h
|x, Mi )P (Mi |x).
que pode ser usado para quantificar a incerteza sobre Xn+h , i.e.
2
|x) [E(Xn+h |x)]2
V ar(Xn+h |x) = E(Xn+h
k
X
i=1
k
X
i=1
2
E(Xn+h
|x, Mi )P (Mi |x) [E(Xn+h |x)]2
[V ar(Xn+h |x, Mi ) + E 2 (Xn+h |x, Mi )]P (Mi |x) [

xn (h)]2
Um procedimento para fazer previsoes usando todos os modelos estimados consiste

em substituir as probabilidades P (Mi |x) pelos pesos wi padronizados. Por exemplo,
para modelos autoregressivos se pmax e o n
umero m
aximo de defasagens entao
E(Xn+h |x) =
5.6
pX
max
i=1
E(Xn+h |x, AR(i))wi .
Previs
ao Bayesiana
Na pratica, os metodos de previsao em modelos ARIMA s

ao aplicados substituindose os par
ametros do modelo pelas suas estimativas pontuais. Porem o fato de nao
conhecermos os valores dos par
ametros e mais uma fonte de incerteza em relacao as
previsoes e que em muitas situacoes pode ser muito grande para ser ignorada.
No contexto Bayesiano esta incerteza pode ser levada em conta ja que a previsao
de valores futuros e feita a partir da distribuicao preditiva de Xn+h , que e dada por
Z
p(xn+h |x) = p(xn+h |x, )p(|x)d.
Neste caso, todos os possveis valores de estao sendo levados em conta e nao apenas
a sua estimativa pontual.
BAYESIANA
5.6. PREVISAO
10000
11000
12000
plot(ts(c(USAccDeaths, pacc$pred), frequency = 12, start = c(1973,

1)), xlab = "Anos", ylab = "Numero de mortes por acidente",
ylim = c(6000, 12000))
abline(v = 1979 - 1/12, lty = 2)
lines(pacc$pred + 1.96 * pacc$se, lty = 2)
lines(pacc$pred - 1.96 * pacc$se, lty = 2)
obs79 = c(7798, 7406, 8363, 8460, 9217, 9316)
points(1979 + (0:5)/12, obs79, pch = "*")
9000
**
8000
**
*
7000
6000
Numero de mortes por acidente
>
+
+
>
>
>
>
>
71
1973
1974
1975
1976
1977
1978
1979
1980
Anos
Figura 5.5: Previsoes para 1979 com observacoes do primeiro semestre incluidas.

4000
3000
0
1000
2000
lynx
5000
6000
7000
72
1820
1840
1860
1880
1900
1920
Time
Figura 5.6: Totais anuais de linces canadenses capturados em armadilhas entre 1821 e 1934.
BAYESIANA
5.6. PREVISAO
73
Exerccios
1. No alisamento exponencial simples descreva a papel do par
ametro .
2. No metodo de Holt-Winters descreva o papel dos par
ametros , e .
3. Explique em que situacoes seriam usados os metodos de Holt-Winters aditivo
ou multiplicativo.
4. Seja o modelo MA(1), Xt = t + t1 .
(a) Obtenha a previsao 1 passo à frente em t = n e mostre que as previsoes k
passos `
a frente para k = 2, 3, . . . s
ao iguais a zero.
(b) Mostre que a variancia do erro de previsao k passos à frente e dada por 2
para k = 1 e (1 + 2 )2 para k = 2, 3, . . . .
5. Seja o modelo Xt = 90 + t + 0, 8t1 + 0, 5t1 .
(a) Obtenha as previsoes k passos à frente em t = n.
(b) Obtenha a variancia do erro de previsao k passos à frente.
6. Seja o modelo AR(1), Xt = Xt1 + t .
(a) Mostre que a previsao k passos à frente feita em t = n e dada por k xn .
(b) Mostre que a variancia do erro de previsao k passos à frente e dada por
2 (1 2k )/(1 2 ).
7. Para o modelo SARIMA(0, 0, 1)(1, 1, 0)12 obtenha as previsoes no tempo t = n
para ate 12 perodos `
a frente em termos das observacoes e residuos ate o tempo
t = n.
8. Seja o modelo (1 B)(1 0, 2B)Xt = (1 0, 5B)t .
(a) Obtenha as previsoes 1 e 2 passos à frente.
(b) Mostre que as previsoes 3 ou mais passos à frente s
ao dadas pela equacao
recursiva x
n (k) = 1, 2
xn (k 1) 0, 2
xn (k 2).
(c) Obtenha a variancia dos erros de previsao 1, 2 e 3 passos à frente.
(d) Obtenha a previsao x
n (2) e o erro padr
ao do erro de previsao sabendo que
2
n = 1, xn = 4, xn1 = 3 e = 2.
9. Seja o modelo ARIMA(1,0,1) para uma serie Xt com media zero.
(a) Reescreva o modelo na forma de choques aleat
orios, i.e.
Xt = t + 1 t1 + 2 t2 + . . .
obtendo uma expressao geral para os coeficientes j .
(b) Escreva a expressao da variancia do erro de previsao et (k) = xt+k x
t (k).

74
(c) Obtenha as previsoes x

t (k) para horizontes k = 1 e k > 1.
10. Sabe-se que se Y N (, 2 ) entao X = exp(Y ) tem distribuicao log-normal
2
2
com E(X) = exp( + 2 /2) e V ar(X) = e2+ (e 1). Se foram obtidas as
previsoes k passos `
a frente de Yt = log(Xt ) e assumindo que Yt e normal mostre
que as previsoes na escala original s
ao dadas por
t (k) = exp(Yt (k) + Vy (k)/2)
X
com variancia
exp(2Yt (k) + Vy (k)) [exp(Vy (k)) 1].
11. Deseja-se ajustar um modelo ARMA a uma serie temporal estacionaria mas
os gr
aficos das funcoes de autocorrelacao e autocorrelacao parcial s
ao pouco
informativos. Descreva um procedimento de identificacao alternativo (voce tem
um pacote estatstico para fazer as contas).
12. Descreva um procedimento para obter previsoes h passos à frente em modelos
autoregressivos com n
umero m
aximo de defasagens igual a kmax utilizando todos
os modelos estimados. Ilustre situacoes em que as previsoes pontuais medias
devem muito similares (ou muito diferentes) das previsoes usando somente o
melhor modelo.
Captulo 6
Modelando a Vari
ancia
6.1
Introduc
ao
Nos modelos vistos ate aqui a variancia dos erros foi assumida constante ao longo
do tempo, i.e. V ar(t ) = E(2t ) = 2 . Muitas series temporais no entanto exibem
perodos de grande volatilidade seguidos de perodos de relativa tranquilidade. Nestes
casos, a suposicao de variancia constante (homocedasticidade) pode nao ser apropriada. Na verdade, embora a variancia incondicional dos erros ainda possa ser assumida
constante, sua variancia condicional pode estar mudando ao longo do tempo.
Alem disso, em muitas situacoes praticas tem-se interesse em prever a variancia
condicional da serie alem da serie propriamente dita. Por exemplo, no mercado de
acoes o interesse e nao apenas prever a taxa de retorno mas tambem a sua variancia
ao longo de um certo perodo. Esta variancia condicional e tambem chamada de
volatilidade. Algumas referencias para este captulo s
ao Taylor (1986), Franses (1998),
e Tsay (2002).
Exemplo 6.1 : Na Figura 6.1 os gr
aficos da esquerda apresentam as taxas de c
ambio di
arias da Libra Esterlina, Dolar Canadense, Marco Alemao e Iene Japones, em
relacao ao Dolar Americano, enquanto nos gr
aficos da direita estao os logaritmos
das taxas de variacao (retornos di
arios). O perodo amostral vai de janeiro de 1991
a dezembro de 1998. Uma caracterstica comum nestes retornos e que embora as
medias parecam ser aproximadamente constantes as variancias mudam ao longo do
tempo. Na Figura 6.2 estao os histogramas com uma curva normal superimposta para
os mesmos dados (retornos). Pode-se notar que muitos valores aparecem nas caudas
das distribuicoes. Finalmente, na Figura 6.3 temos as autocorrelacoes amostrais dos
retornos e dos retornos ao quadrado. Note como existe bastante aucorrelacao entre os
retornos ao quadrado. Todas estas caractersticas s
ao em geral verificadas em series
reais de retornos e devem ser levadas em conta pelo modelo.
A ideia aqui e tentar modelar simultaneamente a media e a variancia de uma serie
temporal. Para fixar ideias, suponha que um modelo AR(1), Xt = Xt1 + t foi
75
500
1000
1500
2000
0.00
0.015
0.03
0.000
0.02 0.015
0.00
0.03
0.00
0.04
z.Iene Japonesz.Marco Alemao

z.Dolar Canadense
z.Libra Esterlina
0.70
0.60
0.50
1.4
1.2
1.8
1.6
1.4
140
120
100
y.Iene Japonesy.Marco Alemao

y.Dolar Canadense
y.Libra Esterlina
80
0
0.02
CAPITULO 6. MODELANDO A VARIANCIA
76
500
1000
1500
2000
Figura 6.1: Taxas de cambio e retornos di

arios em relacao ao Dolar Americano da
Libra Esterlina, Dolar Canadense, Marco Alemao e Iene Japones, entre janeiro de
1991 a dezembro de 1998.
estimado e deseja-se fazer previsoes 1 passo à frente,
x
t (1) = E(Xt+1 |xt ) = xt .
A variancia condicional de Xt+1 e dada por
V ar(Xt+1 |xt ) = V ar(t+1 |xt ) = E(2t+1 |xt ).
Ate agora assumimos que E(2t+1 |xt ) = 2 , mas suponha que a variancia condicional
2 . Uma poss
nao seja constante, i.e. E(2t+1 |xt ) = t+1
vel causa disto e que os dados
se distribuem com caudas muito longas. Para facilitar a notacao vamos denotar por
It = {xt , xt1 , . . . , t , t1 , . . . }, ou seja t2 = V ar(t |It1 ).
6.2
Modelos ARCH
Existem varias formas de especificar como a variancia condicional (volatilidade) varia

com o tempo. Uma estrategia utilizada para modelar t2 , proposta em Engle (1982),
77
6.2. MODELOS ARCH
Dolar Canadense
20
50
40
100
60
150
80
Libra Esterlina
0.03
0.01
0.01
0.03
0.015
0.010
Iene Japones
20
20
40
40
60
60
Marco Alemao
0.000
0.03
0.01
0.01
0.03
0.06
0.02
0.02
Figura 6.2: Histogramas dos retornos di

arios do Exemplo 6.1.
consiste em assumir que ela depende dos quadrados dos erros passados, t1 , t2 , . . .
atraves de uma autoregressao. No caso mais simples, faz-se
q
t = vt c + 2t1
(6.1)
onde {vt } e uma serie puramente aleat

oria com media zero e variancia igual a 1 e vt
e t s
ao independentes. Segue que a esperanca e a variancia condicionais s
ao dadas
por,
q
E(t |It1 ) = E(vt ) c + 2t1 = 0
E(2t |It1 ) = t2 = c + 2t1
(6.2)
Neste caso dizemos que a variancia segue um processo autoregressivo condicionalmente

heteroced
astico de ordem 1, ARCH(1). Note que e necessario impor as restricoes c > 0
e 0 para que t2 seja sempre positiva. Quando = 0 a variancia condicional e
constante e t e um processo condicionalmente homoced
astico. Alem disso queremos
garantir a estacionariedade da autoregressao de modo que a restricao imposta e 0 <
< 1. Note tambem que (6.2) nao inclui um termo de erro e portanto nao e um
processo estocastico.

78
Libra Esterlina^2
0.05
0.04
Libra Esterlina
10
15
20
25
30
15
20
25
30
Dolar Canadense^2
0.05
0.04
Dolar Canadense
10
10
15
20
25
30
15
20
25
30
Marco Alemao^2
0.05
0.06
Marco Alemao
10
10
15
20
25
30
15
20
25
30
Iene Japones^2
0.05
0.00
Iene Japones
10
10
15
20
25
30
10
15
20
25
30
Figura 6.3: Correlogramas dos retornos e retornos ao quadrado no Exemplo 6.1.

A esperanca e variancia incondicionais podem ser obtidas como,
E(t ) = E[E(t |It1 )] = 0
V ar(t ) = E(2t ) = E[E(2t |It1 )]
= E[c + 2t1 ] = c + E(2t1 ).
Se o processo e estacionario entao E(2t ) = E(2t1 ) = V ar(t ) e portanto

V ar(t ) =
c
.
1
Alem disso,
Cov(t , t+k ) = E(t t+k ) = E[E(t t+k )|t+k1 , . . . , t1 ]
q
= E[t E(vt+k c + 2t+k1 )] = 0, para k > 0.
Ou seja, ao postular o modelo ARCH(1) estamos assumindo que os {t } s

ao nao
correlacionados.
Exemplo 6.2 : Para ilustracao a Figura 6.4 apresenta dois processos ARCH de ordem
1 simulados a partir de uma sequencia {vt } de 200 n
umeros aleat
orios i.i.d. gerados
79
6.2. MODELOS ARCH
de uma distribuicao N (0, 1). A sequencia {t } foi construida usando a equacao (6.1)
com c = 1 e = 0, 8. Note como a sequencia {t } continua tendo media zero mas
parece ter tido um aumento de volatilidade em alguns perodos. Em um modelo
AR(1), a forma como esta estrutura nos erros afeta a serie original depende do valor
do par
ametro autoregressivo e duas possveis situacoes s
ao mostradas nos gr
aficos
inferiores da figura. Na Figura 6.5 temos o histograma dos valores {t } gerados, com
uma curva normal superimposta, alem do gr
afico de probabilidades normais (QQplot normal). Note como ha um excesso de valores nas caudas ocorrendo com uma
frequencia maior do que seria esperado na distribuicao normal.
(t) = v(t) 1 + 0.8(t 1)2
10
5
0
5
10
processo aleatrio
50
100
150
200
100
150
200
10
x(t) = 0.9x(t 1) + (t)
10
x(t) = 0.5x(t 1) + (t)
50
50
100
150
200
50
100
150
200
Figura 6.4: Processos autoregressivos com erros ARCH(1) simulados.

Basicamente a equacao (6.2) nos diz que erros grandes (ou pequenos) em valor
absoluto tendem a ser seguidos por erros grandes (ou pequenos) em valor absoluto.
Portanto o modelo e adequado para descrever series aonde a volatilidade ocorre em
grupos.
Alem disso, na equacao (6.2) somando 2t e subtraindo t2 de ambos os lados
obtemos que
2t = c + 2t1 + t
com t = 2t t2 = t2 (vt2 1). Ou seja, o modelo ARCH(1) pode ser reescrito como
um AR(1) estacionario para 2t com erros nao normais (vt2 21 se vt N (0, 1)) que

0.10
0.00
densidades
80
10
5
0
5
quantis amostrais
QQ plot Normal
quantis teoricos
Figura 6.5: Caracteristicas de um processo ARCH(1) simulado.

tem media zero e variancia nao constante. Portanto, a funcao de autocorrelacao do
processo {2t } e dada por (k) = k e o correlograma amostral deve apresentar um
decaimento exponencial para zero.
Se o processo ARCH(1) for estacionario nao e difcil calcular o seu coeficiente de
curtose que e dado por
E(4t )
.
=
[V ar(t )]2
Denotando por E(vt4 ) = o quarto momento do erro segue que o quarto momento
condicional e dado por
E(4t |It1 ) = E(vt4 t4 |It1 ) = E(t4 |It1 ) = (c + 2t1 )2 .
(se assumirmos que vt N (0, 1) entao = 3). Portanto, o quarto momento incondicional fica,
E(4t ) = E[E(4t |It1 )] = E(c2 + 2 4t1 + 2c2t1 ).
Se o processo e estacionario de quarta ordem entao podemos escrever E(4t ) =
E(4t1 ) = 4 e portanto,

c
2
2
2 1+
4 = (c + 4 + 2c
) = c
+ 2 4
1
1
81
6.2. MODELOS ARCH

e finalmente,
4 =
O coeficiente de curtose entao fica,
=
c2 (1 + )
.
(1 )(1 2 )
c2 (1 + )
(1 )2
1 2
=
, para 2 < 1
(1 )(1 2 )
c2
1 2
que e sempre maior do que . Ou seja, qualquer que seja a distribuicao de vt o coeficiente de curtose sera maior do que a curtose de vt (desde que > 0 e > 1). Em
particular, processos ARCH(1) tem caudas mais pesadas do que a distribuicao normal e s
ao portanto adequados para modelar series temporais com esta caracterstica.
Series de retornos, como as do Exemplo 6.1, frequentemente apresentam caudas mais
pesados do que a normal devido ao excesso de curtose.
Previs
oes da Volatilidade
Suponha que uma serie temporal Xt segue um processo ARCH(1), i.e. Xt = vt ht ,

vt N (0, 1). As previsoes da volatilidade, k passos à frente, no tempo t = n s
ao
obtidas como,
n (k) = E(hn+k |In ) = c + E(X 2
h
n+k1 |In ).
2
2
Para k = 1 segue que E(Xn+k1
|In ) = Xn+k1
e para k > 1 temos que
2
2
E(Xn+k1
|In ) = E(hn+k1 vn+k1
|In )
2
= E(hn+k1 |In )E(vn+k1
|In )
n (k 1)
= E(hn+k1 |In ) = h
pois hn+kj e vn+kj s

ao independentes. As previsoes entao ficam,
(
c + Xn2 , k = 1
n (k) =
h
n (k 1), k = 2, 3, . . .
c + h
O Modelo ARCH(p)
Estas ideias podem ser generalizadas para processos mais gerais ARCH(p) em que a
variancia condicional depende dos quadrados de p erros passados, i.e.
q
t = vt c + 1 2t1 + + p 2tp
(6.3)
e entao a variancia condicional e modelada como,
t2 = E(2t |It1 ) = c + 1 2t1 + + p 2tp .

Neste caso, para garantir que t2 seja sempre positiva e necessario impor a seguintes
restricoes c > 0 e 1 0, . . . , p 0 e para garantir estacionariedade e necessario
tambem que as razes de 1 1 B p B p = 0 estejam fora do crculo unit
ario.
P
Juntando estas restricoes equivale a impor a restricao c > 0 e pi=1 i < 1.

82
Analogamente podemos reescrever o modelo ARCH(p) como um modelo AR(p)

para 2t definindo os erros t como anteriormente, i.e.
2t = c + 1 2t1 + + p 2tp + t .
com t = t2 (vt2 1).
Identificac
ao
A caracterstica chave dos modelos ARCH e que a variancia condicional dos erros t se
comporta como um processo autoregressivo. Portanto deve-se esperar que os resduos
de um modelo ARMA ajustado a uma serie temporal observada tambem sigam este
padr
ao caracterstico. Em particular, se o modelo ajustado for adequado entao a FAC
e a FACP dos resduos devem indicar um processo puramente aleat
orio, no entanto
2
se a FAC dos quadrados dos resduos, t , tiver um decaimento caracterstico de uma
autoregressao isto e uma indicacao de que um modelo ARCH pode ser apropriado. A
ordem p do modelo pode ser identificada atraves da FACP dos quadrados dos resduos.
Previs
oes da Volatilidade
Suponha que uma serie temporal Xt segue um processo ARCH (p). As previsoes da
volatilidade, k passos `
a frente, no tempo t = n s
ao obtidas como,
n (k) = E(hn+k |In ) = c +
h
p
X
i=j
2
j E(Xn+kj
|In ).
2
2
Para k j segue que E(Xn+kj
|In ) = Xn+kj
e para k > j temos que
2
2
E(Xn+kj
|In ) = E(hn+kj vn+kj
|In )
2
|In )
= E(hn+kj |In )E(vn+kj
n (k j)
= E(hn+kj |In ) = h
ja que hn+kj e vn+kj s

ao independentes.
6.3
Modelos GARCH
Uma generalizacao natural dos modelos ARCH consiste em assumir que a variancia
condicional se comporta como um processo ARMA, i.e. depende tambem de seus
valores passados. Fazendo t = vt ht onde

ht = c +
p
X
i=1
i 2ti
q
X
j htj
j=1
segue que a esperanca condicional de t e zero e a variancia condicional e

t2 = ht . Este modelo e chamado ARCH generalizado, ou GARCH, de ordem (p, q).
Aqui as restricoes de positividade e estacionariedade impostas sobre os par
ametros s
ao
P
P
dadas por c > 0, i 0, i = 1, . . . , p, j 0, j = 1, . . . , q e pi=1 i + qj=1 j < 1.
83
6.3. MODELOS GARCH
Embora a primeira vista pareca um modelo mais complexo, sua vantagem sobre
os modelos ARCH e basicamente a parcimonia. Assim como um modelo ARMA pode
ser mais parcimonioso no sentido de apresentar menos par
ametros a serem estimados
do que modelos AR ou MA, um modelo GARCH pode ser usado para descrever a
volatilidade com menos par
ametros do que modelos ARCH.
Em termos de identificacao dos valores de p e q as ferramentas basicas s
ao mais
uma vez a FAC e a FACP dos quadrados dos resduos. Assim, se o modelo ajustado
for adequado a FAC e a FACP dos resduos devem indicar um processo puramente
aleat
orio, no entanto quando estas funcoes s
ao aplicadas aos quadrados dos resduos
elas devem indicar um processo ARMA(p, q). A identificacao pode nao ser muito facil
em algumas aplicacoes embora na maioria dos casos um modelo GARCH(1,1) seja
suficiente. Na pratica recomenda-se tambem tentar outros modelos de ordem baixa
como GARCH(1,2) e GARCH(2,1).
As previsoes da volatilidade em modelos GARCH s
ao obtidas de forma similar
a de um modelo ARMA. Por exemplo, ap
os estimar os par
ametros de um modelo
GARCH(1,1) e assumindo-se que 0 = h0 = 0 pode-se construir as sequencias 1 , . . . , t
e h1 , . . . , ht e a previsao 1 passo à frente da volatilidade fica
t2 (1) = c + 2t + ht .
6.3.1
Estima
c
ao
Para uma serie x1 , . . . , xn observada e um modelo GARCH(p, q), denotando-se o vetor

de par
ametros por =(c, 1 , . . . , p , 1 , . . . , q ) e destacando-se a densidade conjunta
das p primeiras realizacoes segue que
p(x1 , . . . , xn |) = p(x1 , . . . , xp |)
n
Y
t=p+1
p(xt |xt1 , . . . , xtp , ).
Assumindo normalidade segue que

Xt |xt1 , . . . , xtp N (0, ht )
e portanto
p(x1 , . . . , xn |) = p(x1 , . . . , xp |)
n
Y
t=p+1
1/2
(2ht )
x2
exp t
2ht

Em geral o n
umero de observacoes sera grande o suficiente para que o termo
p(x1 , . . . , xp |) possa ser desprezado. Por exemplo, para um modelo ARCH(1) a
funcao log-verossimilhanca fica
0.5
n
X

log(2) + log(c + x2t1 ) + x2t /(c + x2t1 ) .
t=2
Note que algum algoritmo de otimizacao nao linear dever

a ser utilizado e nada garante
sua convergencia para um
otimo global. No R pode-se usar a funcao garch do pacote
tseries para fazer a estimacao por m
axima verossimilhanca.

84
6.3.2
Adequa
c
ao
Se um modelo ARCH ou GARCH foi ajustado a uma serie Xt nao correlacionada

entao os resduos padronizados s
ao dados por
Xt
t =
X
ht
e formam uma sequencia i.i.d. com distribuicao normal padrao. Assim, a adequacao
do modelo pode ser verificada aplicando os testes usuais de normalidade a estes residuos padronizados e os testes de aleatoriedade (Box-Pierce e Ljung-Box) aos quadrados
dos resduos.
5000
1993
1994
1995
1996
1997
1998
1992
1993
1994
1995
1996
1997
1998
0.00
1992
0.10
retornos
2000
DAX
Exemplo 6.3 : Na parte superior da Figura 6.6 estao os precos di

arios no fechamento
de um indice de mercado da Alemanha (DAX), entre 1991 e 1998. O interesse e em
analisar os chamados retornos dados por log(xt /xt1 ) e estes estao no gr
afico inferior
da Figura 6.6. Existe evidencia na literatura que modelos GARCH(1,1) conseguem
captar bem os movimentos caractersticos dos retornos. Foi usada a funcao garch no
Figura 6.6: Precos diarios no fechamento de um indice de mercado da Alemanha (DAX),

entre 1991 e 1998 e respectivos retornos.
pacote tseries do R para ajustar um modelo GARCH(1,1). Use os comandos abaixo

para estimar o modelo.
6.3. MODELOS GARCH

>
>
>
>
>
>
85
library(tseries)
data(EuStockMarkets)
x = EuStockMarkets
dax = diff(log(x))[, "DAX"]
m = garch(dax, trace = F)
summary(m)$coef
Estimate
Std. Error
t value
Pr(>|t|)
a0 4.639289e-06 7.559834e-07 6.136760 8.422159e-10
a1 6.832875e-02 1.125067e-02 6.073307 1.253022e-09
b1 8.890666e-01 1.652019e-02 53.816990 0.000000e+00
> summary(m)$j.b.test
Jarque Bera Test
data: Residuals
X-squared = 12946.60, df = 2, p-value < 2.2e-16
> summary(m)$l.b.test
Box-Ljung test
data: Squared.Residuals
X-squared = 0.1357, df = 1, p-value = 0.7126
Assim, o modelo ajustado obtido foi
p
Yt = vt ht , vt N (0, 1)
2
ht = 0.00005 + 0.068Yt1
+ 0.889ht1
sendo todos os coeficientes significativos. O teste de Ljung-Box aplicado nos quadrados dos residuos indicou aleatoriedade (p-valor = 0,71), no entanto o teste de normalidade de Jarque-Bera aplicado aos residuos rejeitou a hip
otese nula (p-valor<0,001).
Assim a hip
otese de normalidade condicional parece estar sendo violada.
Na Figura 6.7 estao os histogramas, gr
aficos de probabilidades normais dos retornos e resduos do modelo GARCH(1,1) estimado, alem dos correlogramas dos
quadrados dos retornos e resduos.
Um fato estilizado presente em series temporais financeiras e que o mercado tem
baixa volatilidade quando esta em alta e alta volatilidade quando esta em baixa.
Tal assimetria nao e levada em conta pelos modelos GARCH e para contornar esta
limitacao outros modelos foram propostos na literatura. Por exemplo, no modelo
EGARCH (ou GARCH exponencial) modela-se o logaritmo da volatilidade como,

t1
2
2

+ t1 + t1
log(t ) = c +
.
t1
t1
Em termos de estimacao uma vantagem deste modelo e que os par

ametros c, e s
ao
irrestritos ja que estamos modelando o logaritmo da volatilidade. A u
nica restricao e
< 0 pois assim a volatilidade aumenta quando t1 < 0.

86
Residuos
0.0
0 10
0.2
30
DAX
0.10
0.05
0.00
0.05
10
Residuos
0.10
0.00
0.10
DAX
25
30
Residuos^2
0.0
10
0.4
0.8
residuos
1992
1994
1996
1998
10
15
20
Time
Figura 6.7: Histogramas e probabilidades normais dos retornos do indice de mercado da

Alemanha (DAX) e resduos do modelos GARCH(1,1) e correlogramas dos seus quadrados.
6.4
Volatilidade Estoc
astica
As formulas para modelar t2 vistas ate agora foram todas determinsticas, i.e. sem
uma componente de erro aleat
orio. No entanto, pode ser mais razoavel assumir que a
variancia condicional varia estocasticamente ao longo do tempo ao inves de deterministicamente, especialmente se existem mudancas abruptas na volatilidade (e.g. como
resultado de greves, guerras, etc.).
Assim, uma alternativa aos modelos ARCH ou GARCH consiste em assumir que
segue um processo estocastico. Geralmente modela-se o logaritmo de t2 . Em sua
forma mais simples um modelo de volatilidade estocastica (VE) e dado por
t2
Xt = vt exp(ht /2), vt N (0, 1)
ht = c + ht1 + t , t N (0, 2 )
com || < 1 e ht = log(t2 ). Note que nao ha necessidade de restricoes de positividade

nos par
ametros pois estamos modelando o logaritmo da volatilidade. O modelo pode

6.4. VOLATILIDADE ESTOCASTICA
87
ser estendido para uma estrutura AR(p) em ht , ou seja

Xt = vt exp(ht /2), vt N (0, 1)
p
X
ht = c +
i hti + t , t N (0, 2 )
i=1
Propriedades
1. E(Xt ) = E(vt eht /2 ) = E(eht /2 )E(vt ) = 0, ja que ht e vt s
ao independentes.
2. V ar(Xt ) = E(Xt2 ) = E(eht vt2 ) = E(eht )E(vt2 ) = E(eht ). Mas, como estamos
assumindo que ht e estacionaria segue que,
e V ar(ht ) = 2 = 2 /(1 2 )
E(ht ) = = c/(1 )
e a distribuicao incondicional do log-volatilidade e ht N (, 2 ). Portanto, eht

segue uma distribuicao log-normal com par
ametros e 2 cuja media e variancia
s
ao dados por
E(eht ) = e+
2
ht
V ar(e ) = (e
2 /2
= V ar(Xt )
1)e2+
3. E(Xt4 ) = E(vt4 e2ht ) = E(vt4 )E(e2ht ). Se t N (0, 1) entao E(vt4 ) = 3 e

E(Xt4 ) = 3E(e2ht ). Mas
2
E(e2ht ) = V ar(eht ) + E 2 (eht ) = (e 1)e2+ + (e+

2
2 /2
)2
= e2+ (1 + e 1) = e2+2 .
Portanto, a curtose e dada por

2
3 e2+2
2
= 2+2 = 3e
e
2
que e sempre maior do que 3 pois e > 1. Um resultado mais geral e que
2
= E(vt4 )e ou seja a curtose induzida por este modelo e sempre maior do que
a curtose de vt .

88
Exerccios
1. Um modelo ARIMA foi identificado e estimado para uma serie temporal observada mas ha indicacao de que a variancia condicional deve ser modelada por
um processo GARCH(1,1). Explique como se chegou a esta conclusao.
2. Refaca o exemplo da Figura 6.4 e estime um modelo AR(1) para a serie Xt . Verifique se existe estrutura autoregressiva nos quadrados dos resduos e identifique
um modelo ARCH para os erros.
3. Obtenha as previsoes 1, 2 e 3 passos a frente para um modelo GARCH(1,2).
4. Descreva duas vantagens de modelos EGARCH sobre modelos GARCH.
Captulo 7
Modelos Lineares Din

amicos
A classe de modelos lineares din
amicos (MLD), tambem conhecidos como modelos
de espaco de estados tem sido utilizada com sucesso em an
alise e previsao de series
temporais. Neste captulo serao apresentadas as formas mais comumente utilizadas
de MLD, maiores detalhes podem ser obtidos em West & Harrison (1997) e Pole,
West, & Harrison (1994).
7.1
Introduc
ao
Um modelo linear din

amico pode ser caracterizado pelo seguinte par de equacoes
yt = F t t + t
t = Gt t1 + t
(7.1)
chamadas equacoes de observacao e evolucao respectivamente, onde t denota o vetor

de estados no tempo t, F e um vetor de constantes conhecidadas ou regressores, G
e uma matrix de evolucao conhecida. Os erros t e t s
ao geralmente assumidos nao
correlacionados em todos os perodos de tempo e serialmente nao correlacionados com
media zero. Em muitas aplicacoes praticas pode-se assumir tambem que t N (0, 2 )
e t tem distribuicao normal multivariada com media zero e matriz de varianciacovariancia W t .
A ideia aqui e que a idade da informacao que se tem sobre seja levada em
conta no sentido de que nossa incerteza a respeito de deve aumentar com o passar
do tempo. Neste sentido, a forma do modelo e apropriada apenas localmente no
tempo e e necessario caracterizar algum tipo de evolucao temporal de . O que se
tem entao e uma sequencia de modelos ou um modelo din
amico parametrizado por t
(o estado do processo no tempo t).
Considere um modelo em que uma variavel y esta relacionada a uma outra variavel
X de acordo com a seguinte forma parametrica
y = X + .
Alem disso, a incerteza do pesquisador em relacao ao parametro e descrita em
termos de uma distribuicao de probabilidades p().
89

CAPITULO 7. MODELOS LINEARES DINAMICOS
90
Em um perodo t qualquer, Dt representa o conjunto de informacoes disponveis

sobre . Por simplicidade vamos assumir que Dt = {y1 , . . . , yt }. Neste sentido, D0
representa toda a informacao inicial (antes de observar os dados) relevante sobre
incluindo a propria definicao do modelo.
No tempo t 1, ap
os observar y1 , . . . , yt1 , toda a informacao sobre o estado do
processo esta resumida probabilisticamente na distribuicao a posteriori p(t1 |Dt1 ).
No tempo t, antes de observar yt , toda a informacao hist
orica Dt1 esta resumida
probabilisticamente na distribuicao a priori de t obtida como
Z
p(t |Dt1 ) = p(t |t1 )p(t1 |Dt1 )dt1
que e atualizada ap
os observar yt para a posteriori t , combinando-se com o modelo
amostral p(yt |t ) via teorema de Bayes
p(t |Dt ) =
sendo
p(yt |Dt1 ) =
p(yt |t )p(t |Dt1 )

p(yt |Dt1 )
p(yt |t )p(t |Dt1 )dt
e a distribuicao preditiva de yt . Esquematicamente,

t1 |Dt1
Posteriori
t |Dt1
Priori
Yt |Dt1
Previsao
t |Dt
Posteriori
Estas equacoes fornecem um sistema de aprendizado sequencial sobre os par

ametros do processo (nao observ
aveis) e tambem uma sequencia de distribuicoes preditivas (1 passo a frente) para as quantidades observ
aveis. Porem a sua implementacao
pratica envolve a resolucao de integrais que pode ser um problema de difcil solucao
em casos mais gerais. Um caso particular, onde as equacoes podem ser escritas em
forma fechada, e o de modelos lineares din
amicos (MLD) normais onde a distribuicao
amostral e definida pela
equacao das observacoes yt = Xt t + t ,
t N (0, Vt )
e os par
ametros se relacionam em perodos sucessivos atraves da
equacao do sistema t = Gt1 + t ,
t N (0, Wt )
onde as sequencias t e t s
ao independentes, mutuamente independentes e ambas
s
ao independentes da informacao inicial 0 |D0 N (m0 , C0 ). A matriz G descreve a
evolucao (determinstica) dos par
ametros. Modelos nesta classe serao analisados nas
proximas secoes.
91
7.2. MODELOS POLINOMIAIS
7.2
Modelos Polinomiais
No MLD mais simples as observacoes s

ao representadas por
yt = t + t ,
t N (0, Vt )
onde t e o nvel da serie no tempo t. A evolucao do nvel e modelada como um

passeio aleat
orio simples, i.e.
t = t1 + t ,
t N (0, Wt ).
Estas equacoes podem ser reescritas como

yt |t N (t , Vt )
t |t1 N (t1 , Wt )
e a informacao inicial e 0 |D0 N (m0 , C0 ). Vamos assumir por enquanto que as vari
ancias Vt e Wt s
ao conhecidas. Este modelo pode ser pensado como uma aproximacao
a
de Taylor de 1 ordem para uma funcao suave do tempo (t) de modo que
(t + t) = (t) + termos de ordem mais alta
e o modelo descreve os termos de ordem mais alta simplesmente como rudos de media
zero. Como saber entao se este modelo e adequado a uma particular aplicacao?
No tempo t, o valor esperado da serie k perodos a frente condicional ao nvel
atual e
k
X
E(Yt+k |t ) = E(t+k |t ) = E(t +
t+i |t ) = t
i=1
e denotando a media da distribuicao a posteriori de t por mt entao a funca

o de
previs
ao e constante
ft (k) = E(Yt+k |Dt ) = E[E(Yt+k |t , Dt )] = E(t |Dt ) = mt ,
k > 0.
Assim, este modelo e u

til para previsoes de curto prazo, particularmente quando a
variacao das observacoes (medida por Vt ) e muito maior do que a variacao do nvel
(medida por Wt ).
Exemplo 7.1 : Foram gerados 100 valores de um modelo polinomial de primeira
ordem com variancias constantes (Vt = V e Wt = W ). Na Figura 7.1 estao os valores
gerados com as relacoes V /W iguais a 20, 2 e 0,2. Seguem os comandos do R para
producao dos gr
aficos.
> mld.sim = function(n, V, W, mu0) {
+
mu = mu0 + cumsum(rnorm(n, sd = sqrt(W)))
+
obs = mu + rnorm(n, sd = sqrt(V))
+
ts(cbind(obs, mu))
+ }

92
7.2.1
An
alise Sequencial e Previs
oes
A media inicial m0 e uma estimativa pontual do nvel da serie e a variancia inicial

C0 mede a incerteza associada. Assumindo que t1 |Dt1 N (mt1 , Ct1 ), entao
condicionalmente a Dt1 , t e a soma de 2 quantidades normais e independentes t1
e t e portanto e tambem normal com media e variancia dadas por
E(t |Dt1 ) = E(t1 |Dt1 ) + E(t |Dt1 ) = mt1
V ar(t |Dt1 ) = V ar(t1 |Dt1 ) + V ar(t |Dt1 ) = Ct1 + Wt = Rt

Yt |Dt1 e tambem a soma de quantidades normais independentes e portanto tem
distribuicao normal com
E(Yt |Dt1 ) = E(t |Dt1 ) + E(t |Dt1 ) = mt1
V ar(Yt |Dt1 ) = V ar(t |Dt1 ) + V ar(t |Dt1 ) = Rt + Vt = Qt

Ap
os observar yt , a distribuicao atualizada do nvel e obtida via teorema de Bayes
combinando-se a verossimilhanca
p(yt |t , Dt1 ) = (2Vt )1/2 exp{(yt t )2 /2Vt }
com a priori
p(t |Dt1 ) = (2Rt )1/2 exp{(t mt1 )2 /2Rt }
de modo que

1 (yt t )2 (t mt1 )2
p(t |Dt ) exp
+
2
Vt
Rt

1 2 1
1
1
1
exp t (Vt + Rt ) 2t (Vt yt + Rt mt1 )
2

C 1
C 1
exp t (2t 2t mt ) exp t (t mt )2
2
2
onde
mt = Ct (Vt1 yt + Rt1 mt1 )
Ct1 = Vt1 + Rt1
e todos os termos que nao dependem de t foram colocados na constante de proporcionalidade. Portanto, t |Dt N (mt , Ct ).
A media a posteriori pode ser reescrita de 2 formas alternativas definindo-se o
coeficiente adaptativo At = Ct Vt1 = Rt /Qt (0, 1) e o erro de previsao 1 passo a
frente et = yt mt1 . Assim
mt = (1 At )mt1 + At yt = mt1 + At et .
Note a similaridade com a equacao de previsao do metodo de alisamento exponencial
simples visto no Captulo 5. Aqui At faz o papel da constante de alisamento porem
93
agora variando no tempo. A variancia a posteriori tambem pode ser reescrita como
funcao do coeficiente adaptativo como
Ct = Rt A2t Qt < Rt .
Podemos utilizar as equacoes das observacoes e de evolucao para obter a distribuicao preditiva k passos a frente. Fazendo substituicoes sucessivas obtemos que
t+k = t +
k
X
t+j
j=1
Yt+k = t +
k
X
t+j + t+k
j=1
e como todos os termos s

ao normais e independentes segue que Yt+k e tambem normal
com
E(Yt+k |Dt ) = E(t |Dt ) = mt
V ar(Yt+k |Dt ) = Ct +
k
X
Wt+j + Vt+k
j=1
A funcao abaixo estima um modelo com tendencia polinomial de 1a ordem fazendo

a analise sequencial usando as equacoes dadas no texto com variancias fixas e conhecidas.
> mld = function(Y, V, W, m0, C0) {
+
n = length(Y)
+
m = C = R = Q = f = A = e = ts(rep(NA, length = n), start = start(Y))
+
Y = ts(c(NA, Y), end = end(Y))
+
C[1] = C0
+
m[1] = m0
+
for (t in 2:n) {
+
R[t] = C[t - 1] + W[t]
+
f[t] = m[t - 1]
+
Q[t] = R[t] + V[t]
+
A[t] = R[t]/Q[t]
+
e[t] = Y[t] - f[t]
+
m[t] = m[t - 1] + A[t] * e[t]
+
C[t] = A[t] * V[t]
+
}
+
return(list(m = m, C = C, R = R, f = f, Q = Q))
+ }
Exemplo 7.2 : A funcao mld pode ser usada para estimar sequencialmente o nivel
da serie de vazoes do rio Nilo. Primeiro vamos permitir que o nivel varie bastante ao

94
longo do tempo especificando um valor grande para W e depois reestimar com pouca
variacao temporal (W bem pequeno). Usaremos a variancia amostral da serie como
estimativa de V . Como informacao inicial usaremos uma estimativa do nivel igual
a 1000 mas com uma grande incerteza associada. O gr
afico da serie com os nveis
superimpostos aparece na Figura 7.2.
7.2.2
Vari
ancias de Evoluc
ao e das Observa
c
oes
Tipicamente, Wt e desconhecida. Sua estimacao entretanto leva a uma intratabilidade

analtica que pode ser evitada atraves de sua especificacao subjetiva.
O fator de desconto e o par
ametro basico que controla o grau de envelhecimento
da informacao de uma observacao. Por exemplo, podemos quantificar o envelhecimento da informacao sobre o par
ametro t como um aumento de 5% em sua variancia
a priori (no tempo t), i.e.
V ar(t |Dt1 ) = (1 + )V ar(t1 |Dt1 )
ou Rt = (1 + ) Ct1
com = 0.05. Por outro lado, informacao e em geral medida em termos de precis
ao
(o inverso da variancia) e podemos escrever
Precisao(t |Dt1 ) = (1 + )1 Precisao(t1 |Dt1 )
1
ou Rt1 = (1 + )1 Ct1
.
Nesta escala, o fator de desconto = (1 + )1 varia entre 0 e 1 e = 5% implica

em 0.95. Vale notar que o fator de desconto nao depende da escala na qual as
observacoes s
ao medidas.
Se = 1 entao nao existe mudanca ao longo do tempo no nvel da serie e quanto
menor e o valor de maiores s
ao as alteracoes esperadas e maior e a perda de informacao contida em observacoes mais antigas.
Assim, para um valor fixo do fator de desconto temos que
Rt = Ct1 / = Ct1 + Wt
ou equivalentemente
Wt = Ct1
= Ct1 .
Como Rt = Ct1 + Wt podemos interpretar esta especificacao intuitivamente como

um aumento de incerteza, ao evoluir de t1 para t, quantificado como uma proporcao
de Ct1 .
A sequencia de variancias Vt tambem e, em geral, desconhecida embora o
pesquisador possa ter alguma informacao a priori sobre caractersticas desta sequencia. Por exemplo, Vt = V (variancia constante e desconhecida), Vt = V kt onde os
pesos kt s
ao conhecidos, Vt = V k(t ) onde k() e uma funcao de variancia do nvel da
serie ou em particular Vt = V pt .
Impondo-se uma particular estrutura para a sequencia Wt e para a informacao
inicial obtem-se um procedimento de atualizacao sequencial para V alem de t . Para
95

isto redefine-se o modelo, agora condicionalmente em V , como
yt = t + t ,
t N (0, V ),
t = t1 + t ,
t N (0, V Wt ),
0 |V, D0 N (m0 , V C0 )

n0 n0 S0
1
,
V |D0 Gama
2
2
ou n0 S0 V 1 2n0
sendo que m0 , C0 , n0 e S0 serao especificados. Surgiu assim mais um item na informacao inicial com
n0 /2
1
E(V 1 |D0 ) =
=
n0 S0 /2
S0
e S0 e a estimativa pontual a priori da variancia V . Com esta definicao pode-se
mostrar que a distribuicao inicial marginal de 0 e
0 |D0 tn0 (m0 , C0 )
com C0 = S0 C0 .
Se a distribuicao a posteriori (incondicional) do nvel em t 1 e
t1 |Dt1 tnt1 (mt1 , Ct1 )
entao pode-se mostrar que as distribuicoes a priori, preditiva e a posteriori no tempo
t s
ao dadas por
t |Dt1 tnt1 (mt1 , Rt )
Yt |Dt1 tnt1 (mt1 , Qt )

t |Dt tnt (mt , Ct )
onde os par
ametros atualizados s
ao
Qt = Rt + St1
mt = mt1 + At et
Ct = (St /St1 )(Rt A2t Qt )
nt = nt1 + 1
nt St = nt1 St1 + St1 e2t /Qt .

A funcao mld1 abaixo faz a an
alise sequencial com a variancia das observacoes
fixa e desconhecida. A especificacao de Wt e feita via fator de desconto. Note que
agora tanto o nivel quanto a variancia e os graus de liberdade s
ao atualizados sequencialmente.
> mld1 = function(Y, delta, m0, C0, n0, S0) {
+
N = length(Y)
+
m = n = C = R = Q = S = f = A = e = rep(NA, length = N)
+
Y = c(NA, Y)

96
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ }
C[1] = C0
m[1] = m0
S[1] = S0
n[1] = n0
for (i in 2:N) {
n[i] = n[i - 1] + 1
R[i] = C[i - 1]/delta
f[i] = m[i - 1]
Q[i] = R[i] + S[i - 1]
A[i] = R[i]/Q[i]
e[i] = Y[i] - f[i]
S[i] = S[i - 1] + (S[i - 1]/n[i]) * (e[i]^2/Q[i] - 1)
m[i] = m[i - 1] + A[i] * e[i]
C[i] = A[i] * S[i]
}
return(list(m = m, C = C, R = R, f = f, Q = Q, n = n, S = S,
e = e))
Exemplo 7.3 : Novamente vamos examinar a serie de vazoes do rio Nilo, agora
usando diferentes fatores de desconto na funcao mld1.
> res1 = mld1(y, delta = 0.98, m0 = 1000, C0 = 100, n0 = 1, S0 = 0.01)
> res2 = mld1(y, delta = 0.7, m0 = 1000, C0 = 100, n0 = 1, S0 = 0.01)
Os gr
aficos na Figura 7.3 mostram a serie original, as estimativas do nivel obtidas
com descontos 0,70 e 0,98 e estas mesmas estimativas com um intervalo de 1, 5 Ct .

Os gr
aficos foram feitos com os seguintes comandos do R,
Os modelos podem ser comparados calculando-se o erro quadratico medio e o
desvio absoluto medio. Usando os comandos abaixo percebe-se que o modelo com
fator de desconto 0,70 e melhor segundo estes criterios.
>
>
+
+
+
+
+
>
eqm = dam = rep(0, 2)

for (i in 2:length(y)) {
eqm[1] = eqm[1] + (y[i] - res1$m[i - 1])^2
dam[1] = dam[1] + abs(y[i] - res1$m[i - 1])
eqm[2] = eqm[2] + (y[i] - res2$m[i - 1])^2
dam[2] = dam[2] + abs(y[i] - res2$m[i - 1])
}
eqm
[1] 2681716 2375484

> dam
[1] 13258.47 11904.16
7.3. MODELO DE CRESCIMENTO LINEAR
7.3
97
Modelo de Crescimento Linear
Considere agora que a descricao local mais apropriada e uma tendencia polinomial
de 2a ordem. Um modelo um pouco mais elaborado e entao obtido criando-se um
par
ametro extra para descrever o crescimento do nvel do processo observado. A
equacao das observacoes fica inalterada, i.e.
yt = t + t ,
t N (0, Vt )
e a evolucao do nvel e do crescimento e modelada como

t = t1 + t1 + 1t
t = t1 + 2t .
Usando a representacao matricial temos que o vetor de regressao e a matriz de
evolucao s
ao dados por
!
1 1
X t = ( 1 0 ) e Gt =
.
0 1
Nesta notacao, definindo t = (t , t ) obtemos os momentos das distribuicoes a priori
e preditiva como
E(t |Dt1 ) = at = GE(t1 |Dt1 ) = Gmt1 = (mt1 + bt1 , bt1 )
V ar(t |Dt1 ) = Rt = GCt1 G + Wt
E(Yt |Dt1 ) = ft = Xt at = mt1 + bt1
V ar(Yt |Dt1 ) = Qt = Xt Rt Xt + St1 .
Os momentos da distribuicao a posteriori de t s

ao uma generalizacao matricial
daqueles obtidos para o modelo anterior,
E(t |Dt ) = mt = at + At et
V ar(t |Dt ) = Ct = (St /St1 )(Rt At At Qt )

N
ao e difcil verificar que a funcao de previsao e dada por
ft (k) = Xt Gk mt = mt + kbt
sendo que mt e bt s
ao as estimativas pontuais do nvel t e do crescimento t . Portanto,
assim como no caso anterior, este modelo tambem e apropriado para previsoes de curto
prazo.
As variancias Wt s
ao mais uma vez especificadas indiretamente atraves de um
fator de desconto . Neste caso,
Rt = GCt1 G /
implica que
Wt = GCt1 G (1 1).
98
7.4
Modelos Sazonais
Um comportamento peri
odico ou cclico pode ser encontrado em varias series tem
porais. E importante que se consiga descrever o padr
ao sazonal da serie atraves de
quantidades que possam ser estimadas incluindo-se assim este padr
ao na funcao previs
ao. Nos modelos aqui analisados define-se um componente sazonal descrevendo
desvios sazonais em torno de um nvel dessazonalizado ou tendencia.
7.4.1
Modelos sem Crescimento
A ideia aqui e fazer a superposicao de um modelo polinomial de 1a ordem (para o nvel

dessazonalizado) com um modelo de efeitos sazonais. As equacoes das observacoes e
de evolucao s
ao dadas por
yt = t + t0 + t ,
t N (0, Vt )
t = t1 + t
tr = t1,r+1 + t,r ,
t,p1 = t1,0 + t,p1
r = 0, , p 2
P
e o perodo sazonal da serie. Por exemplo,
com a restricao p1
r=0 tr = 0, t e onde p
p = 12 para uma serie com observacoes mensais e p = 4 para observacoes trimestrais.
Para fixar ideias, considere uma serie trimestral e suponha que t 1 e o segundo
trimestre de um determinado ano. Entao o vetor de par
ametros consiste de 4 efeitos
sazonais, um para cada trimestre,
t1 =
t0
t1
t2
t3
trim.
trim.
trim.
trim.
2
3
4
1
e ao passar de t 1 para t ocorre simplesmente uma rotacao nos elementos deste

vetor,

trim. 3
t0
trim. 4
t1
t =
=
.
t2 trim. 1
t3
trim. 2
A funcao de previsao assume a forma ft (k) = mt + htj onde mt e o valor esperado

do nvel dessazonalizado no tempo t + k e htj e o desvio sazonal esperado em torno
deste nvel. O desvio utilizado na funcao de previsao e tal que j e o resto da divisao
k/p. Por exemplo, se p = 12, e t0 refere-se ao mes de janeiro entao a previsao
1 passo a frente (k = 1) feita em dezembro e mt + E(t0 |Dt ), com j = 1. Se o
horizonte de previsao for k = 2 entao j = 2 e o desvio sazonal refere-se a fevereiro,
i.e. ft (2) = mt + E(t1 |Dt ).
DE FOURIER
7.5. REPRESENTAC
AO
7.4.2
99
Modelos com Crescimento
Novamente a ideia e fazer a superposicao de um modelo para os efeitos sazonais

ametro que
mas agora com um modelo polinomial de 2a ordem onde se tem um par
representa o crescimento do nvel dessazonalizado.
O modelo pode ser escrito como
yt = t + t0 + t ,
t N (0, Vt )
t = t1 + t1 + t
t = t1 + t
tr = t1,r+1 + t,r ,
t,p1 = t1,0 + t,p1
com a restricao
forma
Pp1
r=0
r = 0, , p 2
tr = 0, t. A funcao de previsao agora assume a seguinte
ft (k) = mt + kbt + htj ,
com
p1
X
htj = 0
j=0
onde htj tem a mesma interpretacao anterior.
7.5
Representac
ao de Fourier
Uma forma alternativa de se representar padr

oes cclicos e atraves de combinacoes
lineares de funcoes peri
odicas. Em particular a utilizacao de funcoes trigonometricas
leva a representacoes de Fourier da sazonalidade.
O modelo (com crescimento) e representado pelas seguintes equacoes
yt = t +
p/2
X
j,t + t ,
j=1
t N (0, Vt )
t = t1 + t1 + t ,
t = t1 + t ,
"
#"
# "
#
j,t
j,t1
wj,t
cos 2j/p sin 2j/p
+
, j = 1, . . . , p/2 1
=
j,t1
wj,t
sin 2j/p cos 2j/p
j,t
e j,t = j,t1 + j,t para j = p/2. A funcao de previsao e dada por

ft (k) =
p/2
X
j=1
Sjk =
p/2
X
[at,j cos(2jk/p) + at,j sen(2jk/p)
j=1
.
onde at,j e at,j s
ao as estimativas pontuais de coeficientes de Fourier t,j e t,j
Como no captulo anterior, as variancias dos erros de evolucao s
ao especificadas
indiretamente atraves de um fator de desconto. A estrategia recomendada em (Pole,
West, & Harrison 1994) e West & Harrison (1997) consiste em especificar um fator de

100
desconto para cada componente do modelo. No modelo com uma tendencia polinomial
mais um componente sazonal teremos entao 2 fatores de desconto.
Em geral, o fator de desconto do componente sazonal e maior do que o da tendencia. Neste sentido estamos assumindo que o padr
ao sazonal da serie, embora possa
estar sujeito a alteracoes, e mais estavel do que a sua tendencia.
7.6
Ilustrac
ao
A Figura ?? apresenta o total de vendas trimestrais (em milhares) de perus na Irlanda

entre o primeiro trimestre de 1974 e o terceiro trimestre de 1982. A serie exibe
um crescimento sistematico ao longo de todo o perodo juntamente com um padr
ao
sazonal acentuado. Outra caracterstica interessante e que a forma do padr
ao sazonal
se alterou a partir de 1978. Vamos fazer a estimacao sequencial de um modelo para
os efeitos sazonais superpostos a uma tendencia de crescimento linear e verificar o
comportamento das previsoes 1 passo a frente.
Suponha que a informacao a priori foi acessada examinando-se as vendas dos anos
anteriores a 1974. Esta informacao esta resumida na Tabela 7.1. Note a restricao de
soma zero na especificacao a priori dos efeitos sazonais e tambem que a especificacao
equivalente em termos de fatores sazonais seria 11, 19, 19 e 11 para os fatores e
(11+19+19+11)/4 = 15 para o nvel.
Tabela 7.1: Informacao a priori.
Componente
Nvel
Crescimento
Efeito sazonal 1
Efeito sazonal 2
Efeito sazonal 3
Efeito sazonal 4
D.P. das observacoes
Media (Desvio padr

ao)
15 (0.75)
0 (0.3)
-4 (0.5)
4 (0.5)
4 (0.5)
-4 (0.5)
1 com 1 g.l.
A performance preditiva do modelo foi investigada para fatores de desconto variando nos intervalos (0.9,1.0) para a tendencia e (0.6,1.0) para os fatores sazonais.
Estes intervalos estao coerentes com a ideia de que espera-se um padr
ao sazonal mais
estavel do que a tendencia. Entretanto os valores encontrados ap
os esta busca foram
0.90 para a tendencia e 0.80 para os fatores sazonais. Uma ideia intuitiva e a alteracao
no padr
ao sazonal ocorrida em 1978 deve ter contribuido para este resultado atpico.
Os 2 gr
aficos a seguir apresentam as previsoes pontuais (1 passo a frente) juntamente com intervalos de 90% de probabilidade e os valores observados da serie. O
primeiro gr
afico refere-se ao modelo estatico (ambos os fatores de desconto iguais a 1).
Note que a mudanca no padr
ao sazonal ocorre muito lentamente no modelo estatico e

7.7. MODELOS DE REGRESSAO
101
no final da serie o padr

ao estimado e apenas ligeiramente diferente do padr
ao inicial.
Ja no modelo din
amico o padr
ao sazonal evolui para uma forma completamente diferTabela 7.2:
Descontos
0.90 e 0.80
1.00 e 1.00
EQM
3.11
4.23
DAM
1.34
1.64
LLIK
-71.1
-77.6
ente melhorando a performance preditiva. Este fato pode ser notado por inspecao
visual e e confirmado pelos indicadores na Tabela 7.2.
A explicacao intuitiva para este fato, lembrando da definicao de fator de desconto,
e que no modelo din
amico um peso maior e dado para as observacoes mais recentes
ao fazer previsoes. Com isto a alteracao no padr
ao sazonal e incorporada mais rapidamente do que no modelo estatico. As previsoes de vendas para o quarto trimestre
de 1982 e para 1983 tambem levar
ao em conta os diferentes padr
oes sazonais do final
da serie.
7.7
Modelos de Regress
ao
Para completar o nosso modelo din

amico podemos pensar em incluir na equacao
das observacoes efeitos de variaveis regressoras. Considere por exemplo a regressao
linear da var
avel yt em uma colecao de p variaveis independentes X1t , . . . , Xpt . Se
um termo constante for incluido no modelo entao X1t = 1, t. Denotando o vetor de
regressao e o vetor de coeficientes de regressao no tempo t por Xt = (X1t , . . . , Xpt ) e
t = (1t , . . . , pt ) respectivamente entao as equacoes do modelo s
ao dadas por
yt = Xt t + t ,
t = t1 + t ,
t N (0, Vt )
t N (0, Wt ).
Assim, os coeficientes da regressao evoluem segundo um passeio aleat

orio, como
no modelo polinomial de 1a ordem, i.e., a matriz de evolucao G = Ip . O vetor de
regressao e formado pelas proprias variaveis regressoras e note que a equacao das
observacoes pode ser reescrita como
yt =
p
X
it Xit + t
i=1
de modo que o modelo pode ser visto como uma superposicao de p regressoes simples
pela origem.
Todas as distribuicoes envolvidas s
ao an
alogas aos casos anteriores e as equacoes
dadas na Secao 2.3 podem ser utilizadas para obter os momentos das distribuicoes a

102
priori, preditiva e a posteriori fazendo-se G = Ip . Assim,

at = mt1
Rt = Ct1 + Wt
ft = Xt mt1
e as outras equacoes permanecem inalteradas.
interessante notar como fica a funcao de previsao ft (k) neste caso. Primeiro
E
reescreva a equacao de evolucao para t+k fazendo k substituicoes sucessivas obtendo
t+k = t +
k
X
t+j
j=1
de modo que
at+k = mt
Rt+k = Ct +
k
X
Wt+j .
j=1
Entao, usando a equacao das observacoes obtemos que

ft (k) = Xt+k mt
Qt+k = Xt+k Rt+k Xt+k

+ St .
Assim, a previsao pontual k passos a frente e a propria funcao de regressao avaliada

na estimativa dos coeficientes no tempo t e nos valores futuros dos regressores (que
nem sempre estao disponveis).
A sequencia de variancias Wt e mais uma vez estruturada usando um fator de
desconto.
7.8
Monitoramento
Ao comparar sequencialmente as previsoes com os valores observados pode-se julgar

a adequacao relativa de modelos alternativos com base em sua performance preditiva.
Observacoes ocorrendo nas caudas da distribuicao preditiva s
ao sempre possveis
por definicao porem improvaveis. Quanto mais afastada em uma das caudas mais
preciso entao estabelecer um criterio para julgar que
improvavel e a observacao. E
tipo de inconsistencia entre observacao e previsao deve ser sinalizada pelo sistema.
No entanto, sinalizar uma observacao como improvavel apenas indica uma possvel
preciso saber em que sentido o modelo e deficiente,
deficiencia geral do modelo. E
i.e. verificar que modelos alternativos, com diferentes distribuicoes preditivas, teriam
uma performance melhor. O fator de Bayes, definido a seguir, e a ferramenta utilizada
para fazer esta comparacao de modelos.
103
7.8. MONITORAMENTO
Se pA (yt |Dt1 ) e a densidade preditiva 1 passo a frente de um modelo alternativo

entao o fator de Bayes e definido como
Ht =
p(yt |Dt1 )
,
pA (yt |Dt1 )
i.e. a razao das densidades preditivas avaliadas no valor observado yt .

Outra forma de comparar a performance preditiva de dois modelos e considerer um
grupo de observacoes ao inves de uma u
nica e se basear no fator de Bayes acumulado
Ht (k) =
p(yt |Dt1 )p(yt1 , . . . , ytk+1 |Dtk )

p(yt , . . . , ytk+1 |Dtk )
=
pA (yt , . . . , ytk+1 |Dtk )
pA (yt |Dt1 )pA (yt1 , . . . , ytk+1 |Dtk )
= Ht Ht1 (k 1) =
k1
Y
Htj .
j=0
Pode-se assim sinalizar evidencias de alteracao lenta na estrutura da serie. A ideia

e que, individualmente, estas evidencias nao s
ao suficientes para se questionar as
previsoes do modelo em uso mas quando consideradas conjuntamente a evidencia
acumulada pode ser grande e deve ser sinalizada. A quest
ao agora e como construir
um sistema de monitoramento automatico da serie a partir destas ideias intuitivas.
Quando as observacoes estao cada vez mais afastadas das previsoes entao um fator
de Bayes individual Ht pode nao ser suficientemente pequeno e precisa ser acumulado para indicar alguma evidencia contra o modelo padr
ao. Neste caso, o monitor
identifica o grupo mais discrepante de observacoes consecutivas calculando Vt and lt
da seguinte forma,
Vt = min Ht (k) = Ht (lt )
1kt
sendo calculado sequencialmente com as seguintes recurs

oes,
(
lt1 + 1, se Lt1 < 1
Vt = Ht min{1, Lt1 } e lt =
1, se Lt1 1
conforme mostrado em West (1986).
O modelo padr
ao e aceito como sendo satisfatorio ate a ocorrencia de um valor
Lt menor do que um valor pre-especificado < 1 (o limite inferior para aceitacao
de Lt ) quando a ocorrencia de uma descontinuidade na serie e sinalizada. Se lt = 1
entao uma u
nica observacao discrepante e identificada como a causa mais provavel de
falha, embora o incio de uma mudanca tambem seja uma possibilidade. Por outro
lado, lt > 1 indica que uma mudanca comecou a ocorrer lt periods atr
as em t lt + 1.
Alem disso, se uma mudanca estrutural lenta esta ocorrendo na serie as observacoes
mais recentes indicarao evidencia contra o modelo padr
ao que nao sera suficiente para
fazer Lt < . Assim, para aumentar a sensibilidade do monitor a estas mudancas uma
descontinuidade deve ser sinalizada se lt > 3 ou 4.
Para especificar o modelo alternativo assume-se que as densidades preditivas s
ao
normais com media comum ft e variancias Qt e Qt / onde 0 < < 1, de modo que o
fator de Bayes fica
r

r

1
1
(yt ft )2
1
2
Ht =
exp
(1 ) =
exp (1 )et
2Qt
104
onde et e o erro de previsao um passo a frente padronizado.

A escolha de pode ser facilitada reescrevendo-se o fator de Bayes como
Ht = exp(0.5 log + (1 )e2t ).
Claramente Ht = 1 ou equivalentemente e2t = (log )/(1 ) indica nenhuma evidencia para discriminar entre os modelos. O valor de , pode ser escolhido de modo
a fornecer o valor m
aximo de |et | que nao indica evidence contra o modelo padr
ao.
Por exemplo, (0.1, 0.3) implica que a evidencia contra o modelo padr
ao deve ser
acumulada para 1.3 < |et | < 1.6 que s
ao aproximadamente os percentil 0.90 e 0.95
distribuicao normal padr
ao.
claro que para fixo, a evidencia contra o modelo padr
E
ao aumenta com |et |.
West & Harrison (1997) ilustraram como a escolha de tem pouca influencia quando
o erro se torna muito grande em relacao ao modelo alternativo. Este pode ser visto
como um modelo geral no sentido de levar em conta varios tipos de mudancas alem
de observacoes discrepantes. Essencialmente, este procedimento pode ser visto como
um metodo exploratorio gerando informacao sobre o tipo e o perodo mais provavel
de mudanca estrutural.
105
7.8. MONITORAMENTO
>
>
>
>
+
+
+
w = c(0.05, 0.5, 5)
g = list(col = 1:2, xlab = "tempo", ylab = "y")
for (i in w) {
ts.plot(mld.sim(100, 1, i, 25), gpars = g, main = paste("V/W=",
1/i))
}
24
22
20
20
40
60
80
100
tempo
20 22 24 26 28
V/W= 2
26
V/W= 20
20
40
60
80
100
tempo
20
30
40
V/W= 0.2
20
40
60
80
100
tempo
Figura 7.1: 100 valores simulados do modelo polinomial de 1a ordem com (a) V /W = 20,
(b) V /W = 2, (c) V /W = 0, 2.

106
1400
y = Nile
n = length(y)
res = mld(y, V = rep(var(y), n), W = rep(50, n), m0 = 1000, C0 = 1000)
plot(y, xlab = "Anos", ylab = "Medi
co
~es", type = "p")
lines(res$m, col = 2)
lines(res$m - 2 * sqrt(res$C), col = 2, lty = 1)
lines(res$m + 2 * sqrt(res$C), col = 2, lty = 1)
res = mld(y, V = rep(var(y), n), W = rep(0.05, n), m0 = 1000,
C0 = 1000)
lines(res$m, col = 4)
legend(1940, 1350, c("obs", "W=50", "W=.05"), col = c(1, 2, 4),
bty = "n")
800
1000
1200
obs
W=50
W=.05
600
Medies
>
>
>
>
>
>
>
>
+
>
>
+
1880
1900
1920
Anos
Figura 7.2:
1940
1960
107
7.8. MONITORAMENTO
1000
600
600
1000
1400
Desconto 0.70
1400
Desconto 0.98
1880
1920
1960
1880
Time
1920
1960
Time
1400
1000
obs
desconto=.98
desconto=.70
600
600
1000
1400
Serie original
1880
1920
1960
Figura 7.3:
1880
1920
1960
Ap
endice A
Lista de Distribui
c
oes
Neste apendice s
ao listadas as distribuicoes de probabilidade utilizadas no texto para
facilidade de referencia. Sao apresentadas suas funcoes de (densidade) de probabilidade alem da media e variancia. Uma revisao exaustiva de distribuicoes de probabilidades pode ser encontrada em Johnson et al. (1994), Johnson et al. (1995) e Johnson
et al. (1992).
A.1
Distribuic
ao Normal
X tem distribuicao normal com par

ametros e 2 , denotando-se X N (, 2 ), se
sua funcao de densidade e dada por
p(x|, 2 ) = (2 2 )1/2 exp[(x )2 /2 2 ],
< x < ,
para < < e 2 > 0. Quando = 0 e 2 = 1 a distribuicao e chamada

normal padr
ao. A distribuicao log-normal e definida como a distribuicao de eX .
No caso vetorial, X = (X1 , . . . , Xp ) tem distribuicao normal multivariada com
vetor de medias e matriz de variancia-covariancia , denotando-se X N (, )
se sua funcao de densidade e dada por
p(x|, ) = (2)p/2 ||1/2 exp[(x ) 1 (x )/2]
para Rp e positiva-definida.
A.2
A Func
ao Gama
() =
x1 ex dx.
Propriedades,
Usando integrac
ao por partes pode-se mostrar que,
( + 1) = (), > 0.
108
GAMA
A.3. DISTRIBUIC
AO
109
(1) = 1.
(1/2) =
p
().
Para n um inteiro positivo,
(n + 1) = n!
A.3

1
1
3
3 1
n+
= n
n
...
2
2
2
22
Distribuic
ao Gama
X tem distribuicao Gama com par

ametros e , denotando-se X Ga(, ), se sua
funcao de densidade e dada por
p(x|, ) =
1 x
x
e
,
()
x > 0,
para , > 0.
E(X) = /
e V (X) = / 2 .
Casos particulares da distribuicao Gama s

ao a distribuicao de Erlang, Ga(, 1), a
distribuicao exponencial, Ga(1, ), e a distribuicao qui-quadrado com graus de
liberdade, Ga(/2, 1/2).
A.4
Distribuic
ao Wishart
Diz-se que uma matriz aleat

oria (n n) segue uma distribuicao Wishart com
par
ametro e graus de liberdade, denotando-se W (, ), se sua funcao de
densidade e dada por,
p(|, ) ||(n1)/2 exp((1/2)tr())
sendo n, positiva-definida e tr(A) indica o traco de uma matriz A. Uma
propriedade u
til e que AA W (AA , ).
A.5
Distribuic
ao Gama Inversa
X tem distribuicao Gama Inversa com par

ametros e ,
X GI(, ), se sua funcao de densidade e dada por
p(x|, ) =
(+1) /x
x
e
,
()
denotando-se
x > 0,
para , > 0.
E(X) =
,
1
para > 1 e
V (X) =
2
,
( 1)2 ( 2)
para > 2.
N
ao e difcil verificar que esta e a distribuicao de 1/X quando X Ga(, ).
APENDICE
A. LISTA DE DISTRIBUIC
OES
110
A.6
Distribuic
ao Wishart Invertida
Diz-se que uma matriz aleat

oria (n n) segue uma distribuicao Wishart-Invertida
com par
ametro e graus de liberdade, denotando-se W I(, ) se sua funcao
de densidade e dada por,
p(|, ) ||(+n+1)/2 exp((1/2)tr())
sendo n, positiva-definida e tr(A) indica o traco de uma matriz A. N
ao e difcil
1
verificar que W (, ). Outra propriedade e que AA W I(AA , ).
A.7
Distribuic
ao Beta
X tem distribuicao Beta com par

ametros e , denotando-se X Be(, ), se sua
funcao de densidade e dada por
p(x|, ) =
( + ) 1
x
(1 x)1 ,
()()
0 < x < 1,
para , > 0.
E(X) =
A.8
e V (X) =
( +
)2 (
+ + 1)
Distribuic
ao de Dirichlet
O vetor aleat
orio X = (X1 , . . . , Xk ) tem distribuicao de Dirichlet com par
ametros
1 , . . . , k , denotada por Dk (1 , . . . , k ) se sua funcao de densidade conjunta e dada
por
k
X
(0 )
k 1
1 1
xi = 1,
p(x|1 , . . . , k ) =
x
. . . xk
,
(1 ), . . . , (k ) 1
i=1
para 1 , . . . , k > 0 e 0 =
E(Xi ) =
i
,
0
Pk
i=1 i .
V (Xi ) =
(0 i )i
,
02 (0 + 1)
e Cov(Xi , Xj ) =
i j
2
0 (0 +
1)
Note que a distribuicao Beta e obtida como caso particular para k = 2.
A.9
Distribuic
ao t de Student
X tem distribuicao t de Student (ou simplesmente t) com media , par

ametro de escala
2
e graus de liberdade, denotando-se X t (, ), se sua funcao de densidade e
dada por

(+1)/2
(x )2
(( + 1)/2) /2
+
,
p(x|, , ) =
2
(/2)
2
x R,
F DE FISHER
A.10. DISTRIBUIC
AO
111
para > 0, R e 2 > 0.

E(X) = ,
para > 1 e
V (X) = 2
,
2
para > 2.
Um caso particular da distribuicao t e a distribuicao de Cauchy, denotada por

C(, 2 ), que corresponde a = 1.
A.10
Distribuic
ao F de Fisher
X tem distribuicao F com 1 e 2 graus de liberdade, denotando-se X F (1 , 2 ),

se sua funcao de densidade e dada por
p(x|1 , 2 ) =
((1 + 2 )/2) 1 /2 2 /2 1 /21
2 x
(2 + 1 x)(1 +2 )/2
(1 /2)(2 /2) 1
x > 0, e para 1 , 2 > 0.

E(X) =
A.11
2
,
2 2
para 2 > 2
e V (X) =
222 (1 + 2 2)
,
1 (2 4)(2 2)2
para 2 > 4.
Distribuic
ao Binomial
X tem distribuicao binomial com par

ametros n e p, denotando-se X bin(n, p), se
sua funcao de probabilidade e dada por

n x
p(x|n, p) =
p (1 p)nx , x = 0, . . . , n
x
para n 1 e 0 < p < 1.
E(X) = np
e V (X) = np(1 p)
e um caso particular e a distribuicao de Bernoulli com n = 1.
A.12
Distribuic
ao Multinomial
O vetor aleat
orio X = (X1 , . . . , Xk ) tem distribuicao multinomial com par
ametros n
e probabilidades 1 , . . . , k , denotada por Mk (n, 1 , . . . , k ) se sua funcao de probabilidade conjunta e dada por
p(x|1 , . . . , k ) =
n!
x1 , . . . , kxk ,
x1 !, . . . , xk ! 1
xi = 0, . . . , n,
k
X
xi = n,
i=1
P
para 0 < i < 1 e ki=1 i = 1. Note que a distribuicao binomial e um caso especial
da multinomial quando k = 2. Alem disso, a distribuicao marginal de cada Xi e
binomial com par
ametros n e i e
E(Xi ) = ni ,
V (Xi ) = ni (1 i ),
e Cov(Xi , Xj ) = ni j .
APENDICE
A. LISTA DE DISTRIBUIC
OES
112
A.13
Distribuic
ao de Poisson
X tem distribuicao de Poisson com par

ametro , denotando-se X P oisson(), se
sua funcao de probabilidade e dada por
p(x|) =
x e
,
x!
x = 0, 1, . . .
para > 0.
E(X) = V (X) = .
A.14
Distribuic
ao Binomial Negativa
X tem distribuicao de binomial negativa com par

ametros r e p, denotando-se X
BN (r, p), se sua funcao de probabilidade e dada por

r+x1 r
p(x|r, p) =
p (1 p)x , x = 0, 1, . . .
x
para r 1 e 0 < p < 1.
E(X) = r(1 p)/p
e V (X) = r(1 p)/p2 .
Um caso particular e quando r = 1 e neste caso diz-se que X tem distribuicao geometrica com par
ametro p.
Refer
encias
Bauwens, L., Lubrano, M. & Richard, J. (1999). Bayesian Inference in Dynamic
Econometric Models. Oxford University Press.
Box, G. E. P. & Jenkins, G. M. (1970). Time Series Analysis, Forecasting and
Control. Holden-Day, San Francisco, California.
Box, G. E. P., Jenkins, G. M. & Reinsel, G. C. (1994). Time Series Analysis:
Forecasting and Control (Third ed.). Englewood Cliffs NJ: Prentice-Hall.
Brockwell, P. & Davis, R. (1991). Time Series: Theory and Methods (2nd ed.).
New York: Springer-Verlag.
Burnham, K. P. & Anderson, D. R. (1998). Model Selection and Inference: A
Practical Information-Theoretic Approach. Springer: New York.
Diggle, P. (1990). Time Series: A Biostatistical Introduction. Oxford University
Press: New York.
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates
of the variance of United Kingdom inflation. Econometrica 50, 9871007.
Franses, P. H. (1998). Time Series Models for Business and Economic Forecasting.
Cambridge University Press.
Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.
Johnson, N. L., Kotz, S. & Balakrishnan, N. (1994). Continuous Univariate Distributions (2nd ed.), Volume 1. John Wiley, New York.
Johnson, N. L., Kotz, S. & Balakrishnan, N. (1995). Continuous Univariate Distributions (2nd ed.), Volume 2. John Wiley, New York.
Johnson, N. L., Kotz, S. & Kemp, A. W. (1992). Univariate Discrete Distributions
(2nd ed.). John Wiley, New York.
Kendall, M. G., Stuart, A. & Ord, J. K. (1983). Advanced theory of statistics (4th
ed.), Volume 3. Griffin: London.
Pole, A., West, M. & Harrison, J. (1994). Applied Bayesian Forecasting and Time
Series Analysis. Texts in Statistical Sciences. Chapman & Hall.
Priestley, M. B. (1981). Spectral Analysis and Time Series. London: Academic
Press.
Taylor, S. (1986). Modelling Financial Time Series. Wiley.
113
114
References.
Tsay, R. S. (2002). Analysis of Financial Time Series. Wiley.

West, M. & Harrison, P. J. (1997). Bayesian Forecasting and Dynamic Models.
Springer Verlag, New York.

2009 - Analise de-Series-Temporais (RICARDO S. EHLERS) ATENÇÃO PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

2009 - Analise de-Series-Temporais (RICARDO S. EHLERS) ATENÇÃO PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

LISE DE SE

Primeira publicacao 2003

5.1.2 Metodo de Holt-Winters . . .

7 Modelos Lineares Din

mais difcil de lidar com observacoes perdidas e dados discrepantes devido `a

chamado de termo de tendencia. Porem alguns autores preferem chamar a inclinacao

mypolytrend = function(y, degree = 1) {

Qualquer que seja o filtro utilizado, yt e uma estimativa da tendencia no tempo t

Numero de passageiros (em milhares)

Note que, para a aplicacao de qualquer filtro simetrico os valores suavizados s

exponencial os valores suavizados s

amostral. A ideia e similar ao coeficiente de correlacao usual, i.e. para n pares de

Aqui no entanto queremos medir a correlacao entre as observacoes de

onde as medias amostrais s

Como o coeficiente r1 mede as correlacoes entre observacoes sucessivas ele e chamado

simplificada de (2.3) fica

fornece o coeficiente de autocorrelacao de ordem k. Assim como o coeficiente de

(xt x)(xt+k x)/n, k = 0, 1, . . . .

aproximados para 1, 96/ n.

Figura 2.5: (a) 50 observacoes simuladas com autocorrelacoes de curto-prazo. (b) 16

0.0 0.4 0.8

(c) Outra serie com tendencia estocastica, xt = xt1 + t , t N (1, 52 )

(d) Serie com correlacao de curto-prazo, xt = 0, 7xt1 + t , t N (0, 1)

Uma importante classe de processos estocasticos s

CAPITULO 3. MODELOS PROBABILISTICOS

Alguns Processos Estoc

Nesta secao serao apresentados alguns processos estocasticos que s

Um processo em tempo discreto e chamado puramente aleat

1. E(t ) = E(t |t1 , t2 , . . . ) =

Como a media e a funcao de autocovariancia nao dependem do tempo o processo e

Seja {t } um processo discreto puramente aleat

e iniciando o processo em X0 = 0 nao e difcil verificar que

Alem disso, a funcao de autocovariancia e dada por

CAPITULO 3. MODELOS PROBABILISTICOS

Como a media, a variancia e as autocovariancias dependem de t este processo e nao

Seja {t } um processo discreto puramente aleat

Alem disso, como Cov(t , s ) = 2 para t = s e Cov(t , s ) = 0 para t 6= s, a funcao

com 0 = 1. Como a media e a variancia s

O processo e estacionario para qualquer valor de 1 mas em geral e desejavel impor

CAPITULO 3. MODELOS PROBABILISTICOS

caso || < 1) garante que existe um u

A equacao (3.1) pode entao ser reescrita como

Suponha que {t } seja um processo puramente aleat

Note a similaridade com um modelo de regressao m

2 podemos escrever que

e se || < 1 temos que 2r+2 0 quando r . Portanto, esta condicao nos

CAPITULO 3. MODELOS PROBABILISTICOS

E(Xt Xt+k ) = Cov(t + t1 + 2 t2 + . . . , k t + k+1 t1 + k+2 t2 + . . . )

Assim, a funcao de autocorrelacao e (k) = k para k = 0, 1, 2, . . . . Assim, como a

Figura 3.1: As 20 primeiras autocorrelacoes teoricas de um processo AR(1) com (a) = 0, 8,

e em analogia com o caso AR(1) segue que o processo sera estacionario se

e portanto o processo AR(p) pode ser escrito como

O efeito de t sobre Xt+k e dado por k , k = 1, 2, . . . .

CAPITULO 3. MODELOS PROBABILISTICOS

sendo a matriz definida como

chamadas equacoes de Yule-Walker.

Modelos Mistos ARMA

Combinando-se modelos AR e MA pode-se obter uma representacao adequada com

CAPITULO 3. MODELOS PROBABILISTICOS

Modelos ARMA Integrados

Os modelos discutidos ate agora s

CAPITULO 3. MODELOS PROBABILISTICOS

13. Mostre que a fac do processo Xt = aXt1 + t + bt1 e dada por