Estatística Não Paramétrica - ET604 - Mini Projeto 5

Introdução

Este relatorio tem o objetivo de modelar e explorar de forma não paramétrica a variável resposta em função das covariáveis. As covariaveis foram analisadas marginalmente. As variáveis do experimento são:

• cambio = taxa de câmbio
• NTNB = retorno real dos títulos NTNB (proxi para inflação)
• Dwjones = índice dowjones
• Nasdaq = índice Nasdaq
• MSCI = índice de mercados emergentes
• dummycrise = destaca a crise entre 2015-2018 (variável dummy para representar o período de crise)
• dummyimpeach = é um no período do impeachement (variável dummy para representar o período de impeachement )
• idset = retorno de uma carteira de ações montada com foco em setores da bolsa brasileira (variável resposta)
• petroleo = preço do petróleo
• DI = taxa DI

Os índices Nasdaq, Downjones e cambio foram calculados em formato logarítmico para que a resposta fosse interpretada como log retornos.

Optou-se por utilizar a regressão loess e para a escolha do modelo preditivo marginal analisou-se o erro absoluto.

## -- Attaching packages -------------------------------------------- tidyverse 1.2.1 --

## v ggplot2 3.0.0     v purrr   0.2.5
## v tibble  1.4.2     v dplyr   0.7.6
## v tidyr   0.8.1     v stringr 1.3.1
## v readr   1.1.1     v forcats 0.3.0

## -- Conflicts ----------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
## x dplyr::select() masks MASS::select()

Regressão Não Paramétrica

1. Modelo loess(idset~NTNB)

1.2. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000886 0.860717 1.745228 1.952378 2.758815 6.777440

2. Modelo loess(idset~MSCI)

2.2. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000747 0.849618 1.809981 2.203638 3.320353 7.460052

3. Modelo loess(idset~petroleo)

3.3. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000476 0.850984 1.718475 2.443269 3.534920 9.514383

4. Modelo loess(idset~DI)

4.4. Erro Absoluto

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 0.00023 0.74825 1.95407 2.44801 3.68589 8.70584

5. Modelo loess(idset~log(cambio))

5.5. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000747 0.849618 1.809981 2.203638 3.320353 7.460052

6. Modelo loess(idset~log(Dowjones))

6.6. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.001284 0.817174 1.526840 1.908292 3.008764 6.356547

7. Modelo loess(idset~log(NASDAQ))

7.7. Erro Absoluto

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000037 0.519584 1.251886 1.608156 2.519916 6.105004

Erros absolutos Gerais

1. NTNB

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000886 0.860717 1.745228 1.952378 2.758815 6.777440

2. MSCI

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000747 0.849618 1.809981 2.203638 3.320353 7.460052

3. Petróleo

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000476 0.850984 1.718475 2.443269 3.534920 9.514383

4. DI

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 0.00023 0.74825 1.95407 2.44801 3.68589 8.70584

5. Log(Cambio)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 0.00035 0.79706 2.02691 2.43379 3.88261 7.93926

6. Log(Dowjones)

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.001284 0.817174 1.526840 1.908292 3.008764 6.356547

7. Log(Nasdaq)

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## 0.000037 0.519584 1.251886 1.608156 2.519916 6.105004

Conclusão

O melhor modelo preditivo marginal para a resposta, foi o que utiliza a variável Nasdaq como preditora, pois, obteve menor erro absoluto mediano.