Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo VECM

Modelo vetorial de correção de erro, para séries macro cointegradas em que relações de equilíbrio de longo prazo puxam o sistema de volta.

Visão geralGráficoMatemáticaReferências

VECM: que pergunta macro este modelo ajuda a responder?

Contexto

Modelo vetorial de correção de erro, para séries macro cointegradas em que relações de equilíbrio de longo prazo puxam o sistema de volta.

VECM fica em Séries temporais multivariadas. Use esta classe quando uma série isolada não basta, e a pergunta depende de como um grupo pequeno de variáveis macro se move junto e responde a choques.

A página deve ser lida como uma referência de método: primeiro o objeto empírico, depois o conjunto de informação, os diagnósticos e os limites da inferência.

Conexões para explorar

Matemática ↗A estrutura e suas condições, passo a passo.Fontes ↗Fontes acadêmicas e orientação de uso.

Como as partes se conectam

α\boldsymbol{\alpha}α

Matriz de carregamento (ajustamento)

A matriz n×rn \times rn×r de velocidades de ajustamento. A coluna jjj de α\alphaα indica como cada variável responde a um desvio unitário da j-ésima relação de cointegração.

Comece pela série-alvo, frequência, janela da amostra e calendário de revisão. Um modelo empírico perde valor quando a pergunta ignora a safra dos dados.

Variáveis que se movem juntas no longo prazo, mas desviam no curto prazo, mantendo explícita a estrutura de cointegração.

A leitura útil compara o resultado com um benchmark simples, registra onde o erro de previsão aparece e separa sinal estatístico de interpretação causal.

Os componentes e as hipóteses formais abaixo são os do próprio modelo, com a terminologia em português. A notação matemática e os títulos bibliográficos ficam no original, que é como a literatura os identifica.

Premissas

Testável

As variáveis são I(1)

Cada variável do sistema é integrada de ordem 1: não estacionária em nível, mas estacionária em primeiras diferenças. O arcabouço de Johansen se estende a sistemas I(2), mas a implementação padrão pressupõe I(1).

Se falhar:Incluir variáveis I(0) infla o posto de cointegração aparente. Incluir variáveis I(2) torna incorretas as distribuições assintóticas de Johansen. Faça pré-testes com testes de raiz unitária ADF ou KPSS.

Testável

O posto de cointegração está corretamente especificado

O número de relações de cointegração r é conhecido ou corretamente estimado pelos testes do traço e do máximo autovalor. O posto determina a dimensão do espaço de equilíbrio de longo prazo.

Se falhar:Superespecificar r (vetores de cointegração demais) força combinações estacionárias espúrias para dentro do espaço de equilíbrio, enviesando a dinâmica de curto prazo. Subespecificar r omite informação genuína de longo prazo, com perda de acurácia preditiva em horizontes médios e longos.

Testável

Linearidade da relação de cointegração

A relação de equilíbrio β′yt\beta' y_tβ′yt​ é linear. Sem cointegração com limiar, sem transição suave entre regimes.

Se falhar:Custos de transação, trocas de regime de política e outras não linearidades podem tornar a relação de equilíbrio linear por partes ou não linear. As velocidades de ajustamento do VECM linear ficam enviesadas se o ajustamento verdadeiro é assimétrico.

Testável

Inovações gaussianas

ut∼N(0,Σ)u_t \sim N(0, \Sigma)ut​∼N(0,Σ). Necessária para que o estimador de máxima verossimilhança de Johansen atinja sua distribuição assintótica. O teste do traço tem alguma robustez à não normalidade, mas perde poder sob caudas pesadas.

Se falhar:Inovações não normais afetam o tamanho dos testes do traço e do máximo autovalor. Versões bootstrap do teste de Johansen (Cavaliere, Rahbek, Taylor 2012) são recomendadas quando os resíduos apresentam curtose ou assimetria excessivas.

Testável

Sem quebras estruturais na relação de cointegração

Os vetores de cointegração β\betaβ e as velocidades de ajustamento α\alphaα são constantes ao longo do período amostral.

Se falhar:Uma quebra estrutural em β\betaβ significa que o equilíbrio de longo prazo se deslocou - o vetor de cointegração antigo deixa de valer. Os testes de Johansen têm baixo poder contra a alternativa de quebra em β\betaβ. Os testes de Gregory-Hansen (1996) admitem uma quebra na relação de cointegração.

Testável

Número de defasagens suficiente

O número de diferenças defasadas p-1 é grande o bastante para branquear os resíduos. Escolhido por critérios de informação aplicados ao VAR irrestrito em nível, antes de impor a restrição de posto.

Se falhar:Poucas defasagens deixam correlação serial nos resíduos, invalidando as distribuições assintóticas. Defasagens demais desperdiçam graus de liberdade. Prática padrão: escolher p para o VAR em nível e usar p-1 diferenças defasadas no VECM.

Aplicações

Use esta página para escolher o modelo antes de olhar o resultado: o alvo, a frequência, a janela e o benchmark definem o que a saída pode dizer.

Em monitoramento macro, a comparação com alternativas importa tanto quanto o modelo escolhido. Erro fora da amostra, estabilidade e revisão dos dados devem ficar visíveis.

Troque ou complemente o modelo quando a pergunta exigir identificação causal, contrafactual estrutural, distribuição entre agentes ou uma mudança de regime que a amostra histórica não contém.

Extensões e questões em aberto

Variantes

  • Two-step Engle-Granger VECM: estimate the cointegrating vector by OLS on the levels equation, then use the residual as the error correction term in a single-equation framework. Simpler but less efficient than Johansen's system approach.
  • Structural VECM (SVECM): imposes identifying restrictions on the contemporaneous impact matrix to recover structural shocks, analogous to structural VAR identification but within the cointegrated system.
  • Threshold VECM: allows the adjustment speed α\alphaα to differ depending on the size or sign of the equilibrium error. Captures asymmetric adjustment - e.g., prices adjust faster when above equilibrium than below.
  • Panel VECM: pools cointegrating relationships across cross-sectional units (countries, firms) to increase power. Pedroni (1999) and Westerlund (2007) provide panel cointegration tests.
  • Bayesian VECM (Villani 2005, Econometric Theory): places priors on the cointegrating space and the adjustment speeds, avoiding the discrete rank-testing step. The prior can express uncertainty about the rank itself.

Questões em aberto

  • Rank determination in small samples remains unreliable. The Johansen trace test has notoriously low power when the largest eigenvalue is close to zero, which is common when adjustment to equilibrium is slow. Information criteria for rank selection (Cheng and Phillips 2009) are an alternative but not widely adopted.
  • Cointegration under structural breaks: if the cointegrating vector shifts (e.g., a regime change in monetary policy), standard Johansen tests can either over- or under-estimate the rank. Sequential break-date estimation within the VECM framework lacks a fully satisfactory asymptotic theory.
  • Nonlinear cointegration: many economic relationships (PPP, the term structure, money demand) show nonlinear mean reversion. The linear VECM imposes symmetric constant-speed adjustment. Smooth transition VECMs and threshold VECMs relax this but at the cost of many additional parameters and weak identification of the threshold.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo teórico

IS-LM Model

modelo teórico bem conectado a dois passos daqui

Novo ângulo: modelo teórico →
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC