Académique Documents
Professionnel Documents
Culture Documents
Lecture 4: Previsão
Graduação em Economia
2o Semestre de 2017
O problema da previsão
Y1 , Y2 , . . . , YT
YT +1 , YT +2 , . . . , YT +h
Introdução
É fácil ver que o erro de previsão para um passo à frente e dado por
uT +2|T = φ1 uT +1|T + T +2
uT +3|T = φ1 uT +2|T + φ2 uT +1|T + T +3
..
.
uT +h|T = φ1 uT +h−1|T + · · · + φh−1 uT +1|T + T +h
1 = Y1 − c − θ0
2 = Y2 − c − θ1
..
.
T = YT − c − θT −1
T +1 = c + θ(YbT +1|T − c − θb
YbT +2|T = c + θb T ) = c
b −1 = · · · = b
0 = b −q+1 = 0
1 = Y1 − c − θ1b
b 0 − θ2b
−1 − · · · − θq b
1−q
2 = Y2 − c − θ1b
b 1 − θ2b
0 − · · · − θq b
2−q
..
.
T = YT − c − θ1b
b T −1 − θ2b
T −2 − · · · − θq b
T −q
Previsão usando um MA(q)
Introdução
{número de resíduos ≤ v}
FbT (v) ≡ , v∈R
T
I A Lei dos Grandes Números Forte nos garante que a medida
que T → ∞
a.s.
FbT (v) −−→ F (v),
ou seja, a distribuição empírica dos resíduos se torna
arbitrariamente próxima da distribuição verdadeira do erro
t ∼ F a medida que a amostra cresce
Na prática....Boostrap para previsão do ARMA
PASSO 1:
I Estime o ARMA(p,q) estacionário
p
X q
X
Yt = c + φj Yt−j + θj t−j + εt
j=1 j=1
PASSO 2:
I Selecione aleatoriamente, com reposição, uma amostra com
T + m elementos, com m 0, da série dos resíduos centrados
PASSO 3:
I Usando a amostra simulada {Yt∗ } faça, para um horizonte
h > 0, a previsão utilizando os parâmetros ĉ, {φ̂j }pj=1 , {θ̂j }qj=1
obtidos usando a amostra real
I Você terá, então, um vetor linha de dimensão h contendo as
previsões
(YbT∗+1 , YbT∗+2 , . . . , YbT∗+h )
I Repita o PASSO 2 e PASSO 3 por S vezes (ex.: 5000 ou
10000). Empilhe os resultados em uma matriz
I Ao final você terá uma matriz (S × h) onde cada linha é dada
pelo vetor acima
Boostrap para previsão do AR(p)
PASSO 4:
I A Distribuição empírica desses S previsores (faça um
histograma) nos dá uma idéia da "cara"da distribuição.
I Assim, dado uma significância α, podemos calcular o IC
I O limite inferior do IC é o percentual α/2 da distribuição
empírica
I O limite superior do IC é o percentual 1 − α/2 da distribuição
empírica