Julgue o item seguinte, a respeito de séries temporais.No modelo GARCH(p, q), a série temporal é modelada como uma regressão, cujo resíduo segue uma distribuição com variância modelada, como um processo ARMA(p, q).
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Esta resolução diverge do gabarito oficial. A banca deu Certo; a resolução abaixo sustenta o contrário e explica por quê — ela não foi reescrita para concordar. Acontece nos dois sentidos: há gabarito que cai em recurso e há resolução que erra. Confira na fonte antes de fixar o entendimento.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Modelo GARCH(p, q) e a modelagem da variância condicional
❌ ERRADO. No modelo GARCH(p, q), a variância condicional do resíduo é modelada como um processo ARCH(q) sobre os resíduos quadrados defasados e GARCH(p) sobre as variâncias condicionais defasadas — e não como um processo ARMA(p, q). A afirmativa confunde a estrutura da equação da variância com a estrutura da média, que é onde o ARMA se aplica.
O modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity) é uma extensão do modelo ARCH, desenvolvido por Engle (1982) e generalizado por Bollerslev (1986). Ele é usado para modelar séries financeiras que apresentam volatilidade variável no tempo (heterocedasticidade condicional), como retornos de ações, câmbio e índices. A ideia central é que a variância do erro no instante depende de:
valores passados do próprio erro quadrado () — componente ARCH;
valores passados da própria variância condicional () — componente GARCH.
A equação da variância condicional de um GARCH(p, q) é:
em que , , e (condição de estacionariedade em sentido amplo). Note que a estrutura é autorregressiva na variância (os termos ) e de médias móveis nos resíduos quadrados (os termos ). Essa estrutura é análoga à de um ARMA, mas aplicada à variância condicional, não à média da série.
A afirmativa do enunciado diz que "a série temporal é modelada como uma regressão, cujo resíduo segue uma distribuição com variância modelada, como um processo ARMA(p, q)". O erro está em afirmar que a variância é modelada como um ARMA(p, q). Na verdade, a variância condicional é modelada como um GARCH(p, q), que tem a forma de um ARMA na variância, mas com os termos de erro quadrado e variância defasada — não é um ARMA(p, q) na média. A confusão é clássica: a banca troca a estrutura da variância pela estrutura da média.
NÃO CAIA NESSA!
A banca tenta fazer o candidato acreditar que a variância condicional é modelada como um ARMA(p, q), quando na verdade ela é modelada como um GARCH(p, q). A pegadinha está em confundir a equação da variância (que tem forma autorregressiva e de médias móveis nos resíduos quadrados) com a equação da média (que é onde o ARMA se aplica). Para não cair, lembre-se: GARCH modela a variância, ARMA modela a média.
NÃO CAIA NESSA!
Para fixar, compare as estruturas:
Modelo
O que modela
Equação típica
ARMA(p, q)
Média da série
GARCH(p, q)
Variância condicional
Na prova, se a questão falar em "variância modelada", o modelo é GARCH; se falar em "média modelada", é ARMA. Essa distinção resolve a maioria das pegadinhas.