Pular para o conteúdo principal

Questão de Estatística — Análise de séries temporais — CESPE / CEBRASPE 2025

EstatísticaAnálise de séries temporais
Código
ce198773
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Analista - Área: Métodos Quantitativos Avançados - Subárea: Métodos Quantitativos
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).
  1. CCerto
  2. 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 tt depende de:

  • valores passados do próprio erro quadrado (εt−12,εt−22,…\varepsilon_{t-1}^2, \varepsilon_{t-2}^2, \dots) — componente ARCH;

  • valores passados da própria variância condicional (σt−12,σt−22,…\sigma_{t-1}^2, \sigma_{t-2}^2, \dots) — componente GARCH.

A equação da variância condicional de um GARCH(p, q) é:

σt2=ω+∑i=1qαiεt−i2+∑j=1pβjσt−j2\sigma_t^2 = \omega + \sum_{i=1}^{q} \alpha_i \varepsilon_{t-i}^2 + \sum_{j=1}^{p} \beta_j \sigma_{t-j}^2

em que ω>0\omega > 0, αi≥0\alpha_i \geq 0, βj≥0\beta_j \geq 0 e ∑αi+∑βj<1\sum \alpha_i + \sum \beta_j < 1 (condição de estacionariedade em sentido amplo). Note que a estrutura é autorregressiva na variância (os termos σt−j2\sigma_{t-j}^2) e de médias móveis nos resíduos quadrados (os termos εt−i2\varepsilon_{t-i}^2). 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

Xt=ϕ1Xt−1+⋯+ϕpXt−p+εt+θ1εt−1+⋯+θqεt−qX_t = \phi_1 X_{t-1} + \dots + \phi_p X_{t-p} + \varepsilon_t + \theta_1 \varepsilon_{t-1} + \dots + \theta_q \varepsilon_{t-q}

GARCH(p, q)

Variância condicional

σt2=ω+∑i=1qαiεt−i2+∑j=1pβjσt−j2\sigma_t^2 = \omega + \sum_{i=1}^{q} \alpha_i \varepsilon_{t-i}^2 + \sum_{j=1}^{p} \beta_j \sigma_{t-j}^2

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.

Gabarito: ERRADO.

Link permanente: /questoes/ce198773