Séries Temporais no Edital do Bacen: VAR e Estacionariedade Explicados

Séries Temporais é outro tema de peso elevado em Estatística e Econometria no edital do Banco Central, e o Vetor Autorregressivo (VAR) é um dos modelos mais cobrados dentro desse tema. Entender por que a estacionariedade das séries importa — e não apenas saber a fórmula do modelo — é o que costuma diferenciar quem realmente domina o conteúdo.

Uma série é dita estacionária quando suas propriedades estatísticas (média, variância, autocovariância) não mudam ao longo do tempo. Séries não estacionárias, por outro lado, costumam apresentar tendências ou raízes unitárias que fazem seus valores "vagarem" sem retornar a uma média constante.

O problema de estimar um modelo VAR com séries não estacionárias é o risco de regressão espúria: duas séries podem apresentar uma correlação estatisticamente forte apenas porque ambas crescem (ou decrescem) ao longo do tempo — sem que exista nenhuma relação causal real entre elas. Os coeficientes estimados nesse cenário podem ser enganosos, levando a conclusões incorretas sobre a relação entre as variáveis.

Por essa razão, a prática recomendada antes de estimar um VAR é testar a estacionariedade de cada série envolvida — o teste de Dickey-Fuller aumentado (ADF) é um dos mais utilizados para essa finalidade, testando formalmente a presença de raiz unitária.

Se as séries não forem estacionárias, duas saídas são comumente empregadas: a diferenciação das séries (transformando-as em estacionárias) ou, quando existe uma relação de equilíbrio de longo prazo entre elas, a modelagem via cointegração, utilizando um modelo de Vetor de Correção de Erros (VEC) em vez do VAR tradicional.

Esse raciocínio — reconhecer o problema, saber testar, e saber qual caminho seguir dependendo do resultado — é o tipo de conhecimento aplicado que a banca CEBRASPE costuma explorar nas questões de Séries Temporais, indo além da simples definição de conceitos.