Momento R do Dia – belo exercício para replicação (quebra estrutural e aquecimento global)

Este é um dos mais didáticos posts que já vi para replicação em R. Talvez as conclusões sofram com estes dados de baixa frequência, mas o exercício é didaticamente bem descrito).

Anúncios

Ganhou um Nobel e esqueceu dos amigos…. – quebra estrutural?

Artigo interessante sobre o comportamento dos laureados com o Nobel e os artigos publicados com co-autores. Quem curte econometria aplicada vai adorar (e quem usa R vai notar que os gráficos foram feitos em R (é meu palpite)).

Uniões monetárias mudam a dinâmica da inflação de seus países-membros?

Os autores deste ótimo texto iniciam seu estudo assim:

Since the beginning of the European Union (EU), the topic of a common currency was a controversial issue. Although the Economic and Monetary Union (EMU) is now a fact, the discussion about the economic effects of the euro is far from being settled. The controversial topics range from the question of whether or not the eurozone is indeed an optimal currency area (as developed in Mundell 1961), all the way to the very survival of the euro in light of the budgetary problems of some of its member states. The effects of monetary unions on a number of macroeconomic indicators, with inflation being of increased importance, is at the center of an ongoing debate. This concerns the issue of short-run and steady-state inflation uncertainty – in relation to inflation expectations – as dealt with in Caporale and Kontonikas (2009), or the degree of similarity of short-run dynamic properties of the inflation rates in EU countries, which is the topic of the investigation by Palomba, Sarno, and Zazzaro (2009). Throughout the literature, there is still a considerable degree of uncertainty as to what extent the introduction of the euro, or monetary unions in general, affects the inflation rate.

Ótimo, não? Então, aparentemente, a dinâmica inflacionária pode mudar quando um país resolve fazer parte de uma união monetária. Obviamente, é uma questão empírica. Não tem jeito.

O resultado parece reforçar a evidência de que a união monetária gera um ganho social com a queda da inflação. Mas vale a pena dar uma lida no restante do artigo para entender melhor o que os autores encontraram.

Momento R do Dia – O Passeio Aleatório da Taxa de Câmbio

Vamos fazer um exercício interessante hoje: importar diretamente os dados de um provedor, ao invés de baixá-los para o computador para depois importá-los. Em seguida, vamos verificar um comando simples – mas potencialmente perigoso se mal usado (como diria o tio Ben: grandes poderes são acompanhados de grandes responsabilidades…e eu diria: e eles são complementares perfeitos).

Eis os comandos.

library(tseries)
con if(!inherits(try(open(con), silent = TRUE), "try-error")) {
close(con)
x start = Sys.Date() - 500)
plot(x, main = "USD/BRL")
}
head(x)
library(forecast)
Acf(x)
Pacf(x)
auto.arima(x)

Caso você simplesmente copie e cole, conseguirá repetir todo o exercício. Basta que tenha acesso à internet, certo?

cambio_real_dolar

Ok. Agora, para a segunda parte, veja as funções de autocorrelação e autocorrelação parcial.

acf_real_dolarpacf_real_dolar

É, você que conhece mais de séries de tempo já deve ter ficado meio nervoso com esta fortíssima memória aparente no primeiro gráfico, não é? Mas vamos ignorar este importante aspecto e vamos falar da função auto.arima do R.

Trata-se de um algoritmo que, conforme os critérios de seleção que eu use, pode apresentar este ou aquele modelo como sendo o “melhor” modelo para a série. Então, ok, você descobrirá que:

> auto.arima(x)
Series: x
ARIMA(0,1,0)

sigma^2 estimated as 0.0001772: log likelihood=1447.2
AIC=-2892.4 AICc=-2892.39 BIC=-2888.19

Não sei se você percebeu, mas ele está nos dizendo que o modelo para a taxa de câmbio é exatamente um passeio aleatório (random walk) puro (ou seja, sem drift). Quando a série é um passeio aleatório puro, ou seja, tem raiz unitária, sabemos que a previsão será um desastre, não é? Veja um pouco sobre estes processos aqui (embora meu exemplo seja um passeio aleatório com drift).

Chamei o modelo de random, fiz a previsão e também aproveitei para fazer um diagrama de dispersão entre os resíduos da regressão e a série do câmbio (nosso “x”).

random<-Arima(x,order=c(0,1,0))
summary(random)
plot(forecast(random,h=48))
lines(x,col=2)

library(car)

plot(residuals(random),col=4)
erros<-residuals(random)

# para usar scatterplot, vamos transformar as duas séries em colunas de um
# data frame

frame<-data.frame(erros,x)
scatterplot(frame$erros,frame$x)

Viu só o gráfico que você obteve? Muito ruim, não? Veja a correlação dos resíduos com a série do câmbio.

scatter_cambio

Pois é. Mas será que a taxa de câmbio realmente é um passeio aleatório? Não vou tomar mais seu tempo, mas eu brinquei um pouco com um pacote de detecção de quebras estruturais sem me preocupar muito com o exercício. Sei que o período de tempo é curto, embora a frequência seja alta, e isto sempre pode ser um problema (como explicar quebras em tão curto espaço de tempo?). Eis o que obtive.

quebras_cambioSim, você viu a média da série (em verde) e seis segmentos (portanto, cinco quebras) ao longo do período em questão (os dados se iniciam em 27/10/2012 e vêm até hoje). A grande dificuldade de alguém que estuda uma série de tempo, pelo menos no caso dos economistas, diz respeito a saber se o que se tem aí no gráfico é, de fato, um processo com cinco quebras ou um simples passeio aleatório que, por ser aleatório, de fato, vai aparentar ter quebras (mas pode ser que não as tenha).

Bem, acho que já fiz minha boa ação do dia para os alunos que desejam estudar um pouco de séries de tempo. O restante do trabalho é com você.

 

Momento R do Dia

Este cara fez o trabalho que eu queria ter feito quando li o post sobre os Simpsons. Eis o que ele fez. Dá para ver todos os shows da base de dados em uma única página. Genial, não? Veja, por exemplo, o Family Guy.

familyguy

 

Como este, dá para ver um bocado de outros. Obviamente, o ponto importante é saber que tipo de metodologia usar para verificar a quebra das séries e, bem, aí começa o trabalho do economista, eu diria. Caso queira estudar uma série com quebra estrutural…epa…acabei de fazer o exemplo para a apostila. Aguardem. 🙂

Momento R do dia

No momento R do dia, fiz um exercício sugerido por Kleiber & Zeileis (2008). A pergunta é se a unificação alemã gerou alguma quebra estrutural na série de moeda (M1) daquele país.

Há mais detalhes econométricos nos resultados e, no eixo horizontal, você pode observar os intervalos de confiança das cinco quebras detectadas.

A unificação alemã (ou reunificação alemã, se considerarmos um período histórico mais longo) deu-se em 1990, após as manifestações de 1989.

Bem, o que dizem os resultados nesta primeira rodada do exercício? Eles nos dizem que temos as seguintes quebras (com os respectivos intervalos de confiança):

Corresponding to breakdates:

  2.5 %   breakpoints 97.5 % 
1 1965(4) 1966(2)     1967(1)
2 1971(1) 1971(4)     1972(2)
3 1977(1) 1977(2)     1977(4)
4 1981(3) 1982(4)     1983(2)
5 1987(4) 1988(1)     1988(3)

Como podemos ver, aparentemente, as evidências são as de que a oferta de moeda já teria sido alterada um ano antes das manifestações de 1989. Este resultado pode significar uma antecipação notável da política monetária, mas também pode ser apenas o início de uma análise interessante. Obviamente, há também que se analisar os outros pontos de quebra.
Ah, claro, você pode comprar o livro citado começando com um clique na imagem abaixo.