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 Transbordamento em rede

Decomposição em rede da variância de erro de previsão em transbordamentos direcionais entre setores ou mercados.

Visão geralGráficoMatemáticaReferências

Transbordamento em rede: premissas, equações e falhas

Siga a lógica do modelo por premissas, notação, equações e situações em que a leitura deixa de ser confiável.

Entenda a matemática

Acompanhe as mesmas equações e hipóteses por seção ou em uma leitura contínua.

Passe o cursor ou foque um símbolo definido no modelo para encontrar suas ocorrências exatas. Selecione para manter o destaque; Escape limpa a seleção.

Configuração do modelo

Transbordamento em rede deve ser lido como modelo empírico. A prova começa separando a pergunta econômica, os estados que carregam memória e o choque ou regra que move o sistema.

Decomposição em rede da variância de erro de previsão em transbordamentos direcionais entre setores ou mercados.

yt=c+A1yt−1+⋯+Apyt−p+et,et∼(0,Σ)y_t = c + A_1 y_{t-1} + \cdots + A_p y_{t-p} + e_t, \quad e_t \sim (0, \Sigma)yt​=c+A1​yt−1​+⋯+Ap​yt−p​+et​,et​∼(0,Σ)

A primeira equação fixa a variável ou bloco que organiza a leitura do modelo.

Definir o estado de referência

Sem referência, o leitor não sabe se a resposta é grande, persistente ou apenas uma mudança de escala.
yt=c+A1yt−1+⋯+Apyt−p+et,et∼(0,Σ)y_t = c + A_1 y_{t-1} + \cdots + A_p y_{t-p} + e_t, \quad e_t \sim (0, \Sigma)yt​=c+A1​yt−1​+⋯+Ap​yt−p​+et​,et​∼(0,Σ)

Notações

sts_tst​

estado

εt\varepsilon_tεt​

choque

Sobre os símbolos

estado: Informação herdada do período anterior, como capital, balanço, rede, dívida ou produtividade.

choque: Inovação ou mudança de regra que inicia o cenário.

Hipóteses

  • Mecanismo explícito
  • Validação separada

Checagens de transição

Sampled dynamics
zt=G(zt−1;θ)+ηt,yt=Hzt+εtz_t=G(z_{t-1};\theta)+\eta_t,\qquad y_t=H z_t+\varepsilon_tzt​=G(zt−1​;θ)+ηt​,yt​=Hzt​+εt​
εt\varepsilon_tεt​

The state is updated at observed dates. A line between dates is a display convention unless the model specifies behavior inside the interval.

Read adjacent points as adjacent sample calculations. Smoothness is a property of the estimator, not of the chart line.

Do not infer within-period behavior from a sampled estimator.

Temporalidade das variáveis

Latent state

zt=G(zt−1;θ)+ηtz_t=G(z_{t-1};\theta)+\eta_tzt​=G(zt−1​;θ)+ηt​

The state updates at sample dates. The visible line is only as smooth as the estimated state sequence.

Observation equation

yt=Hzt+εty_t=Hz_t+\varepsilon_tyt​=Hzt​+εt​
εt\varepsilon_tεt​

Observed series can move differently from latent states because measurement noise and loadings matter.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo baseado em agentes

Supply-Chain / Network ABM

uma leitura contrastante de Network Spillover (Diebold-Yilmaz)

Contraste →
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