## vendo efeito período#########
#### 1) Período estacionário do Ibovespa
premio<-mean(ibov[1:127]-rf)
beta1<-cov(ibov[1:127],petr[1:127])/var(ibov[1:127])
r.esper.petr<-rf+beta1*premio
r.esper.petr
beta2<-cov(ibov[1:127],vale[1:127])/var(ibov[1:127])
r.esper.vale<-rf+beta2*premio
r.esper.vale
##### 2) Período crescente do ibovespa, pós 14/04/2008 a
20/05/2008
premio<-mean(ibov[128:152]-rf)
beta1<-cov(ibov[128:152],petr[128:152])/var(ibov[128:152])
r.esper.petr<-rf+beta1*premio
r.esper.petr
beta2<-cov(ibov[128:152],vale[128:152])/var(ibov[128:152])
r.esper.vale<-rf+beta2*premio
r.esper.vale
##### 3) Período decrescente do ibovespa, pós
##20/05/2008
premio<-mean(ibov[153:245]-rf)
beta1<-cov(ibov[153:245],petr[153:245])/var(ibov[153:245])
r.esper.petr<-rf+beta1*premio
r.esper.petr
beta2<-cov(ibov[153:245],vale[153:245])/var(ibov[153:245])
r.esper.vale<-rf+beta2*premio
r.esper.vale
sexta-feira, 3 de outubro de 2008
quinta-feira, 2 de outubro de 2008
Coeficiente Beta e gráfico da Petrobras e Vale condicionado ao Ibovespa
### A relação entre Vale (e Petrobras) e Ibovespa em períodos antes e depois crise. Veja que loucura Dani!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
b1<-cov(ibov,petr)/var(ibov)
b1 [1] 0.6258915
b2<-cov(ibov,vale)/var(ibov)
b2 [1] 0.5187367
cor(petr,vale)
coplot(petr~vale ibov)
## vendo efeito período ####
1) Período estacionário do Ibovespa
b1<-cov(ibov[1:127],petr[1:127])/var(ibov[1:127])
b2<-cov(ibov[1:127],vale[1:127])/var(ibov[1:127])
b1
[1] -0.2014692
b2
[1] -0.3504139
cor(petr[1:127],vale[1:127])
coplot(petr[1:127]~vale[1:127] ibov[1:127])
##### 2) Período crescente do ibovespa, pós 14/04/2008 a 20/05/2008
b1<-cov(ibov[128:152],petr[128:152])/var(ibov[128:152])
b2<-cov(ibov[128:152],vale[128:152])/var(ibov[128:152])
b1
[1] 3.101659
b2
[1] 0.01888223
cor(petr[128:152],vale[128:152])
coplot(petr[128:152]~vale[128:152]ibov[128:152])
##### 3) Período decrescente do ibovespa, pós ##20/05/2008
b1<-cov(ibov[153:245],petr[153:245])/var(ibov[153:245])
b2<-cov(ibov[153:245],vale[153:245])/var(ibov[153:245])
b1
[1] 1.062324
b2
[1] 1.219344
cor(petr[153:245],vale[153:245])
coplot(petr[153:245]~vale[153:245] ibov[153:245])
###### Vendo em partes
ib<-rep(0,245)
ib[128:152]<-1
ib[153:245]<-2
ib
coplot(vale~petr ib)
libary(lattice)
xyplot(vale~petr ib)
Análise de Intervenção
### Um dos procedimentos. Verificação de outliers usando distâncias de cooks.
set.seed(125)
ar<-lm(y[2:n]~y[1:(n-1)])
summary(ar)
cooks <- cooks.distance(ar)
plot(cooks,ylab="Cooks distances")
obs<-1:(n-1)
identify(1:(n-1),cooks,obs)
dummy<-rep(0,(n-1))
dummy[79]<-1
dummy
ar<-lm(y[2:n]~y[1:(n-1)]+dummy)
summary(ar)
### ou, de forma um pouco parecida
dummy2<-rep(0,n)
dummy2[80]<-1
dummy2
ar<-arima(y, order = c(1, 0, 0),xreg=dummy2)
ar
set.seed(125)
ar<-lm(y[2:n]~y[1:(n-1)])
summary(ar)
cooks <- cooks.distance(ar)
plot(cooks,ylab="Cooks distances")
obs<-1:(n-1)
identify(1:(n-1),cooks,obs)
dummy<-rep(0,(n-1))
dummy[79]<-1
dummy
ar<-lm(y[2:n]~y[1:(n-1)]+dummy)
summary(ar)
### ou, de forma um pouco parecida
dummy2<-rep(0,n)
dummy2[80]<-1
dummy2
ar<-arima(y, order = c(1, 0, 0),xreg=dummy2)
ar
Duration
########### Valor presente (pv e pp) e Duration #### Exercíco introdutório m<-1000 n<-20
c<-rep(m/n,n)
c
t<-1:n
r<-c(0.05,0.04,0.045,.049,0.0499,0.0501,0.051,0.055, 0.06)
pv<-function(c,r,M)sum(c/((1+r)^t))+M/(1+r)^n pp<-sapply (r,function(j) pv(c,j,m))
pp
dp<-sapply(1:length(r),function(k)(pp[k]-pp[1])/pp[1])
dp*100
dp*100 [1] 0.0000000 13.5903263 6.5039682 1.2568559 [5] 0.1247278 -0.1245165 -1.2357217 -5.9751912 [9] -11.4699212 duration <- function(c, r, M,p) { n <- length(c) ( sum((c*t)/((1+r)^t)) + M*n/((1+r)^n))/p } duration(c, .05, m,pv(c,0.05,m))
durations<-sapply(r, function(rr) duration(c, rr, m,pv(c,rr,m)))
durations [1] 13.08532 13.54472 13.31615 13.13165 13.08996 13.08068 [7] 13.03892 12.85262 12.61844 dr<-sapply(1:length(r),function(h)(r[h]-r[1])) dr*100
aprox<-function(dur,taxa,d)((-1*dur)/(1+taxa))*d
aproximacao<-aprox(durations[1],r[1],dr[2:length(dr)]) aproximacao plot(r[2:length(r)],aproximacao,type="l",col=3, xlab="taxa de juros", ylab="preço")
lines(dp[2:length(r)],lty=3)
########### Gráfico em 3d########
taxa <- seq(0.04, 0.06, length= 80)
preco <- seq(800, 1135, length= 80)
fun <- function(taxa,preco) { d<-(sum((50*(1:n))/((1+taxa)^(1:n))) + 1000*n/((1+taxa)^n))/preco }
duration.3d <- outer(taxa, preco, fun)
op <- par(bg = "white") persp(taxa, preco, duration.3d, theta = 80, phi = 30, expand = 0.5, col = "lightblue")
c<-rep(m/n,n)
c
t<-1:n
r<-c(0.05,0.04,0.045,.049,0.0499,0.0501,0.051,0.055, 0.06)
pv<-function(c,r,M)sum(c/((1+r)^t))+M/(1+r)^n pp<-sapply (r,function(j) pv(c,j,m))
pp
dp<-sapply(1:length(r),function(k)(pp[k]-pp[1])/pp[1])
dp*100
dp*100 [1] 0.0000000 13.5903263 6.5039682 1.2568559 [5] 0.1247278 -0.1245165 -1.2357217 -5.9751912 [9] -11.4699212 duration <- function(c, r, M,p) { n <- length(c) ( sum((c*t)/((1+r)^t)) + M*n/((1+r)^n))/p } duration(c, .05, m,pv(c,0.05,m))
durations<-sapply(r, function(rr) duration(c, rr, m,pv(c,rr,m)))
durations [1] 13.08532 13.54472 13.31615 13.13165 13.08996 13.08068 [7] 13.03892 12.85262 12.61844 dr<-sapply(1:length(r),function(h)(r[h]-r[1])) dr*100
aprox<-function(dur,taxa,d)((-1*dur)/(1+taxa))*d
aproximacao<-aprox(durations[1],r[1],dr[2:length(dr)]) aproximacao plot(r[2:length(r)],aproximacao,type="l",col=3, xlab="taxa de juros", ylab="preço")
lines(dp[2:length(r)],lty=3)
########### Gráfico em 3d########
taxa <- seq(0.04, 0.06, length= 80)
preco <- seq(800, 1135, length= 80)
fun <- function(taxa,preco) { d<-(sum((50*(1:n))/((1+taxa)^(1:n))) + 1000*n/((1+taxa)^n))/preco }
duration.3d <- outer(taxa, preco, fun)
op <- par(bg = "white") persp(taxa, preco, duration.3d, theta = 80, phi = 30, expand = 0.5, col = "lightblue")
quarta-feira, 1 de outubro de 2008
Fórum do CONRE-3.
Por que escolher o bacharelado em Estatística?
Que tal ser um profissional super versátil, que possa trabalhar em qualquer área e se dar sempre muito bem? E que tal trabalhar com equipes diferentes, poder interagir com vários profissionais e ainda exercer uma função importante? E, melhor ainda, não ter muito concorrente?
Gostou, não é? Pois este profissional existe e pode ser um Estatístico!
O Estatístico é aquele que se forma Bacharel em Estatística. No Brasil há 29 universidades e/ou escolas que oferecem cursos de Bacharelado em Estatística.
Mas, para que serve a Estatística, afinal de contas?
Imagine um médico e um farmacêutico querendo saber se um remédio em desenvolvimento é bom ou ruim. Para testar o remédio, é preciso PLANEJAR muito bem o experimento, COLETAR corretamente os dados, ANALISAR com muito cuidado e DIVULGAR seus resultados de forma honesta e com confiança no que está dizendo. Imagine o perigo de uma pesquisa mal feita num assunto tão importante! Bom, para não colocar a vida de ninguém em risco, é preciso tomar muitos cuidados. Antes de mais nada, é preciso planejar cada etapa abaixo:
O remédio será testado em quem?– Homens? Mulheres? Idosos? Crianças? Obesos? Jovens? Quem?
Quantas pessoas serão necessárias para testar?– Basta testar em uma ou duas pessoas? Ou será melhor testar em 10 pessoas? 30? 500? 2.000? Como saber?– Há dinheiro para testar em tanta gente?
E se houver dois grupos de pessoas?– Para um grupo de voluntários dá-se o remédio a ser testado; para o outro grupo, dá-se um remédio “de mentirinha”, chamado placebo, mas não se conta a verdade para ninguém. Será que há diferença nos resultados de um grupo para outro?
– Mas o remédio foi testado só com um grupo de pessoas, em geral voluntários, como é que depois pode-se afirmar que este remédio vai ser bom para todo mundo? É certeza absoluta?
O Estatístico é exatamente o profissional que auxiliará tanto o médico como o farmacêutico em cada uma destas etapas: desde o tipo de voluntário, quantidade e controle das pessoas que farão parte do experimento (amostragem), na coleta cuidadosa e minuciosa dos dados (campo), na organização destes dados no computador (banco de dados e tabulação), na hora de fazer todas as comparações interessantes, interpretar os resultados (testes estatísticos) e divulgá-los para todos os envolvidos (análises estatísticas). Como os testes são feitos somente num grupo de pessoas, existe uma pequena chance de haver um erro, não é mesmo? O Estatístico saberá dizer que tipo de erro poderá ocorrer e com que grau de certeza o resultado será divulgado.
A Estatística é um conjunto de técnicas e métodos que vai ajudar o Estatístico em todas as etapas acima: na amostragem, na organização dos dados, na geração de tabelas e análises comparativas, na interpretação dos resultados, de forma que todas as afirmações possam ser feitas dentro de um limite de segurança estabelecido.
Mas a Estatística não é usada só para ver se o remédio é bom ou não. Se você pensar bem, muita coisa do nosso dia-a-dia acontece em conseqüência de estudos que levam em conta análises estatísticas. Vejam alguns exemplos:
· Você abre o jornal e lê a manchete: “Cruzamentos: perigo à vista”. A matéria mostra um gráfico sobre criminalidade na cidade e traz evidências de que num certo cruzamento houve muito mais assaltos do que noutros. Quantas pessoas evitarão este cruzamento ou passaraõ a ter atenção redobrada nestes locais?
· Um estudo científico mostra que mulheres fumantes têm probabilidade maior de desenvolver câncer do pulmão do que homens fumantes. Quantas mulheres não pararam de fumar diante desta notícia?
· A CET faz um estudo sobre o trânsito na cidade de São Paulo e decide se o rodízio será necessário ou não com base nas estatísticas sobre a quantidade e tipos de veículos diariamente nas ruas, locais mais congestionados, horários de pico, etc.
· A prefeitura da cidade reformula o sistema de transporte público com base nos relatórios estatísticos contendo informações detalhadas sobre fluxo de passageiros, linhas mais requisitadas, tempo de ociosidade, demanda vs. oferta, etc.
· O governo divulga dados estatísticos que influenciam todos os índices financeiros que usamos no dia-a-dia: comércio, indústria, transporte, clientes, etc… que vão influenciar nas contas que vamos pagar (prestações, crediário, luz, água, telefone, gás, etc.)
UNIVERSIDADES / FACULDADES DO BRASIL COM CURSOS DE ESTATÍSTICAFonte: MEC-INEP / 2006
Que tal ser um profissional super versátil, que possa trabalhar em qualquer área e se dar sempre muito bem? E que tal trabalhar com equipes diferentes, poder interagir com vários profissionais e ainda exercer uma função importante? E, melhor ainda, não ter muito concorrente?
Gostou, não é? Pois este profissional existe e pode ser um Estatístico!
O Estatístico é aquele que se forma Bacharel em Estatística. No Brasil há 29 universidades e/ou escolas que oferecem cursos de Bacharelado em Estatística.
Mas, para que serve a Estatística, afinal de contas?
Imagine um médico e um farmacêutico querendo saber se um remédio em desenvolvimento é bom ou ruim. Para testar o remédio, é preciso PLANEJAR muito bem o experimento, COLETAR corretamente os dados, ANALISAR com muito cuidado e DIVULGAR seus resultados de forma honesta e com confiança no que está dizendo. Imagine o perigo de uma pesquisa mal feita num assunto tão importante! Bom, para não colocar a vida de ninguém em risco, é preciso tomar muitos cuidados. Antes de mais nada, é preciso planejar cada etapa abaixo:
O remédio será testado em quem?– Homens? Mulheres? Idosos? Crianças? Obesos? Jovens? Quem?
Quantas pessoas serão necessárias para testar?– Basta testar em uma ou duas pessoas? Ou será melhor testar em 10 pessoas? 30? 500? 2.000? Como saber?– Há dinheiro para testar em tanta gente?
E se houver dois grupos de pessoas?– Para um grupo de voluntários dá-se o remédio a ser testado; para o outro grupo, dá-se um remédio “de mentirinha”, chamado placebo, mas não se conta a verdade para ninguém. Será que há diferença nos resultados de um grupo para outro?
– Mas o remédio foi testado só com um grupo de pessoas, em geral voluntários, como é que depois pode-se afirmar que este remédio vai ser bom para todo mundo? É certeza absoluta?
O Estatístico é exatamente o profissional que auxiliará tanto o médico como o farmacêutico em cada uma destas etapas: desde o tipo de voluntário, quantidade e controle das pessoas que farão parte do experimento (amostragem), na coleta cuidadosa e minuciosa dos dados (campo), na organização destes dados no computador (banco de dados e tabulação), na hora de fazer todas as comparações interessantes, interpretar os resultados (testes estatísticos) e divulgá-los para todos os envolvidos (análises estatísticas). Como os testes são feitos somente num grupo de pessoas, existe uma pequena chance de haver um erro, não é mesmo? O Estatístico saberá dizer que tipo de erro poderá ocorrer e com que grau de certeza o resultado será divulgado.
A Estatística é um conjunto de técnicas e métodos que vai ajudar o Estatístico em todas as etapas acima: na amostragem, na organização dos dados, na geração de tabelas e análises comparativas, na interpretação dos resultados, de forma que todas as afirmações possam ser feitas dentro de um limite de segurança estabelecido.
Mas a Estatística não é usada só para ver se o remédio é bom ou não. Se você pensar bem, muita coisa do nosso dia-a-dia acontece em conseqüência de estudos que levam em conta análises estatísticas. Vejam alguns exemplos:
· Você abre o jornal e lê a manchete: “Cruzamentos: perigo à vista”. A matéria mostra um gráfico sobre criminalidade na cidade e traz evidências de que num certo cruzamento houve muito mais assaltos do que noutros. Quantas pessoas evitarão este cruzamento ou passaraõ a ter atenção redobrada nestes locais?
· Um estudo científico mostra que mulheres fumantes têm probabilidade maior de desenvolver câncer do pulmão do que homens fumantes. Quantas mulheres não pararam de fumar diante desta notícia?
· A CET faz um estudo sobre o trânsito na cidade de São Paulo e decide se o rodízio será necessário ou não com base nas estatísticas sobre a quantidade e tipos de veículos diariamente nas ruas, locais mais congestionados, horários de pico, etc.
· A prefeitura da cidade reformula o sistema de transporte público com base nos relatórios estatísticos contendo informações detalhadas sobre fluxo de passageiros, linhas mais requisitadas, tempo de ociosidade, demanda vs. oferta, etc.
· O governo divulga dados estatísticos que influenciam todos os índices financeiros que usamos no dia-a-dia: comércio, indústria, transporte, clientes, etc… que vão influenciar nas contas que vamos pagar (prestações, crediário, luz, água, telefone, gás, etc.)
UNIVERSIDADES / FACULDADES DO BRASIL COM CURSOS DE ESTATÍSTICAFonte: MEC-INEP / 2006
Assinar:
Postagens (Atom)