σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Roteiro de Time Series›Módulo 5 · Avaliação e prática›Tópico 5.2·~55 minAvançado

Quebras estruturais

Posição no roteiroMódulo 5 de 5 · Tópico 2 de 3
5.2 Quebras estruturais
—Nota do lab— / 100XP total—Sequência—

Quando as regras mudam

Uma quebra estrutural é um ponto no tempo após o qual os parâmetros do processo, sua média, variância ou coeficientes de regressão, são diferentes. A causa pode ser uma crise, uma mudança de política, uma nova estrutura de mercado como a decimalização ou uma troca do índice a que uma ação pertence. Parâmetros estimados através de uma quebra são a média de dois mundos diferentes e não descrevem nenhum, então as previsões construídas sobre eles são viesadas. As quebras também enganam outras ferramentas. Uma mudança única na média parece uma raiz unitária, e o teste ADF não rejeita (Perron). Uma mudança no nível da variância parece persistência extrema num modelo GARCH.

F=(SSRp−SSR1−SSR2)/k(SSR1+SSR2)/(n−2k),τ^=arg⁡min⁡τ[SSR1(τ)+SSR2(τ)]F=\frac{\big(\mathrm{SSR}_{p}-\mathrm{SSR}_{1}-\mathrm{SSR}_{2}\big)/k}{\big(\mathrm{SSR}_{1}+\mathrm{SSR}_{2}\big)/(n-2k)},\qquad \hat\tau=\arg\min_{\tau}\big[\mathrm{SSR}_{1}(\tau)+\mathrm{SSR}_{2}(\tau)\big]F=(SSR1​+SSR2​)/(n−2k)(SSRp​−SSR1​−SSR2​)/k​,τ^=argτmin​[SSR1​(τ)+SSR2​(τ)](1)

Se a data da quebra é conhecida, o teste de Chow compara a soma dos quadrados dos resíduos de uma regressão com todos os dados, SSRp\mathrm{SSR}_pSSRp​, com a de regressões separadas antes e depois da data, SSR1+SSR2\mathrm{SSR}_1+\mathrm{SSR}_2SSR1​+SSR2​. Uma grande queda é evidência de quebra, e a estatística segue uma distribuição FFF com kkk e n−2kn-2kn−2k graus de liberdade, sendo kkk o número de parâmetros. A data costuma ser desconhecida. Então testa-se cada data candidata, fica-se com a que minimiza a soma combinada dos quadrados e usa-se o maior FFF (o teste sup-FFF, ou Quandt-Andrews). Como a data foi escolhida para maximizar a estatística, os valores críticos FFF comuns são baixos demais e valem outros especiais. As bordas são aparadas, muitas vezes em 15 %, pois uma quebra perto das pontas deixa observações demais de um lado a menos. Várias quebras podem ser achadas com o método de Bai-Perron. O teste CUSUM, que acumula erros de previsão padronizados, sinaliza o momento em que os erros deixam de parecer ruído de média zero e é natural para monitorar um modelo em produção.

Um teste de Chow à mãoUma regressão com k=2k=2k=2 parâmetros em n=100n=100n=100 dias tem SSRp=120\mathrm{SSR}_p=120SSRp​=120. Dividida na data suspeita, as duas metades dão SSR1=40\mathrm{SSR}_1=40SSR1​=40 e SSR2=50\mathrm{SSR}_2=50SSR2​=50. O numerador é (120−90)/2=15(120-90)/2=15(120−90)/2=15 e o denominador 90/(100−4)=0,937590/(100-4)=0{,}937590/(100−4)=0,9375, então F=16F=16F=16, muito acima de qualquer valor crítico usual: o único conjunto de coeficientes descrevia mal os dados. Com n=200n=200n=200 e aparo de 15 %, tiram-se 303030 observações de cada ponta antes de procurar a data.
  • Quebra: a média, a variância ou os coeficientes mudam em alguma data; um ajuste com toda a amostra faz a média de dois regimes.
  • Chow para data conhecida; sup-FFF para data desconhecida, com valores críticos especiais e bordas aparadas.
  • CUSUM monitora os erros de previsão em tempo real; uma mudança de média pode passar por raiz unitária.

Lab: o que é avaliado

  • Uma estatística de Chow15 pts
  • A queda dos erros ao quadrado10 pts
  • Fazer a média através de uma quebra15 pts
  • Aparar as bordas10 pts
  • Uma mudança que parece uma raiz unitária15 pts
  • Associar o vocabulário15 pts
  • Tratar uma quebra10 pts
  • Estimar através de uma quebra10 pts
0/ 8 respondidas
Tarefas
1Resposta numérica15 ptsSem resposta

Uma regressão com k=2k=2k=2 parâmetros em n=100n=100n=100 dias tem SSRp=120\mathrm{SSR}_p=120SSRp​=120, e os dois ajustes por subamostra têm SSR1=40\mathrm{SSR}_1=40SSR1​=40 e SSR2=50\mathrm{SSR}_2=50SSR2​=50. Quanto vale o FFF de Chow =(SSRp−SSR1−SSR2)/k(SSR1+SSR2)/(n−2k)=\dfrac{(\mathrm{SSR}_p-\mathrm{SSR}_1-\mathrm{SSR}_2)/k}{(\mathrm{SSR}_1+\mathrm{SSR}_2)/(n-2k)}=(SSR1​+SSR2​)/(n−2k)(SSRp​−SSR1​−SSR2​)/k​?

F=F =F=aceito: ± 0.1
2Resposta numérica10 ptsSem resposta

Em que porcentagem dividir a amostra reduz a soma dos quadrados dos resíduos, de SSRp=120\mathrm{SSR}_p=120SSRp​=120 para SSR1+SSR2=90\mathrm{SSR}_1+\mathrm{SSR}_2=90SSR1​+SSR2​=90?

pct=pct =pct=aceito: ± 0.1
3Resposta numérica15 ptsSem resposta

Antes de uma quebra o retorno diário médio é 0,05%0{,}05\%0,05% em 600 dias, e depois −0,10%-0{,}10\%−0,10% em 400 dias. Qual é a média de toda a amostra, em porcentagem?

m=m =m=aceito: ± 0.002
4Resposta numérica10 ptsSem resposta

Um teste sup-F com n=200n=200n=200 apara 15 % da amostra em cada ponta. Quantas observações são excluídas de cada ponta?

cut=cut =cut=aceito: ± 0.5
5Escolha15 ptsSem resposta

Uma série estacionária salta uma vez para uma nova média mais alta e fica lá. O que um teste ADF comum tende a fazer?

6Associar15 ptsSem resposta

Associe cada método ao seu uso.

Escolha o par de cada item da esquerda.

Teste de Chow
Sup-F (Quandt-Andrews)
CUSUM
Bai-Perron
7Ordenar os passos10 ptsSem resposta

Coloque os passos em ordem.

Arraste para reordenar, ou foque um item, Espaço para levantá-lo, setas para movê-lo e Espaço para soltá-lo.

  1. 1Continuar monitorando os erros de previsão com CUSUM
  2. 2Localizar a data de quebra mais provável
  3. 3Testar uma quebra de data desconhecida (sup-F)
  4. 4Reestimar no novo regime e comparar previsões
8Explicar com palavras10 ptsSem resposta

Em uma ou duas frases, explique por que estimar um modelo numa amostra que contém uma quebra estrutural dá previsões ruins.

Modo matemáticaEntrada por teclado ou LaTeXTarefa 1 de 8 · Ctrl ⏎ para verificar

Entre para executar o seu código.

Todas as aulas são gratuitas para ler. Crie uma conta ou entre para executar código, rodar os testes e enviar este lab.

  • IDE no navegador com terminal bash — nada para instalar
  • Correção instantânea, XP e o seu lugar no roteiro
Criar uma contaEntrar
OU
Continuar com o GitHub