Tema - 5-Introduccio A L'analisis de Series Temporals

TEMA 5.
Introducci a lanlisi de sries temporals

1. Processos estocstics i sries temporals 2. Condicions sobre els processos estocstics: estacionarietat i ergodicitat 3. Funcions dautocovarincia i dautocorrelaci. Definici i propietats 4. Funci dautocorrelaci parcial. Definici i propietats 5. Dos casos particulars de processos estocstics: procs soroll blanc i cam aleatori
Econometria II - Tema 5 Curs 2006-2007 - Prof. Ral Ramos 1
1. Processos estocstics i sries temporals i. Introducci

Definici de srie temporal: conjunt dobservacions duna variable mesurades en intervals regulars de temps de manera consecutiva Xt t=1, 2, ..., T
A lhora danalitzar les sries temporals hi ha dos enfocaments possibles: determinista i estocstic
Curs 2006-2007 - Prof. Ral Ramos 2
Econometria II - Tema 5
Lenfocament determinista es basa en lanlisi dels components de la srie: tendncia, cicle, component estacional i component irregular (ja tractat a Estadstica Econmica I) Xt=f(Tt Ct St It ) t=1, 2, ..., T
Lenfocament estocstic pren com a punt de partida la idea que no sembla raonable suposar que el valor duna variable en un instant concret s independent dels valors de la variable en perodes anteriors.
Curs 2006-2007 - Prof. Ral Ramos
i. Procs estocstic
Definici de procs estocsticl: conjunt de variables aleatries corresponents a moments successiu del temps. X1, X2, ..., XT = {Xt} t=1, 2, ..., T
La idea s que per a cada instant del temps, la srie temporal s la realitzaci dun procs estocstic, s a dir que per linstant t, Xt s una variable aleatria amb una determinada distribuci de probabilitat caracteritzada per una esperana, varincia, etc.
En aquest context, hi ha dues possibilitats per tal de caracteritzar el comportament duna srie temporal:
Caracteritzar les variables aleatries corresponents a cada instant del temps, s a dir, les T variables aleatries existents des de t=1 fins t=T (impossible ja que noms hi ha una observaci per cadascuna de les variables aleatries) Caracteritzar la distribuci de probabilitat conjunta del procs estocstic:
P(X1, X2, ..., XT) La manera ms senzilla de caracteritzar la distribuci de probabilitat conjunta dun procs estocstic ser a travs dels moments.
mitjana autocovarincia
E( X t ) = t
t = 1, 2, ..., T t = 1, 2, ..., T
( t ) = Cov( X t X t k )
k= 0 k 0 autocorrelaci
2 ( t ) = E ( X ) 0 t t k
( t ) = E [ ( X t - t ) ( X t -k - t -k ) ]
t = 1, 2, ..., T
k (t) = k (t) =
Cov( X t X t k ) Var ( X t )Var ( X t k )
k (t ) 0 (t ) 0 (t k )
1 k (t) 1
autocorrelaci parcial autocorrelaci descomptant efectes indirectes

Per tal de conixer el comportament del procs estocstic, caldr caracteritzar (estimar) els valors de: t 0(t) k(t) k(t) Per noms disposem duna observaci per cada t caldr imposar certes restriccions.
2. Condicions sobre els processos estocstics: estacionarietat i ergodicitat i. Estacionarietat

Un procs estocstic s estacionari en sentit estricte quan al realitzar un desplaament en el temps de totes les variables de qualsevol distribuci conjunta, aquesta distribuci no varia. F(X1, X2, ..., XT) +m F(X1+m, X2+m, ..., XT+m) F(X1, X2, ..., XT)= F(X1+m, X2+m, ..., XT+m)
La idea s que un procs estocstic s estacionari si {X1, X2, ..., XT}tenen la mateixa distribuci amb independncia del t escollit. En aquest context, tamb es parla de la condici destacionarietat en sentit feble (o estacionarietat en sentit ampli): cal que es compleixi la condici destacionarietat de primer ordre (estacionarietat en mitjana): E( X t ) = t i les condicions destacionarietat de segon ordre: 2 0 (t ) = 0 = X t
k (t ) = k = E[ ( X t )( X t k )] t
Lestacionaritat en sentit feble implica que els moments de primer i segon ordre prenen uns valors determinats amb independncia del perode temporal considerat (del conjunt dobservacions analitzades) Cal tenir en compte que si el procs estocstic s estacionari en sentit feble i a Xt segueix una distribuci Normal, aleshores es pot afirmar que el procs estocstic s estacionari en sentit estricte.
10
i. Ergodicitat
Quan valors de la srie temporal allunyats en el temps estan molt relacionats amb els valors actuals (s a dir k presenta valors elevats per k grans), a lincrementar la mida de la mostra no safegeix informaci relevant. En aquest context, el procs destimaci s ms complicat (cal estimar ms parmetres) i no consistent. Per aix, cal imposar la condici dergodicitat. Una condici necessria per no suficient de lergodicitat s que: lim k = 0 lim k = 0
k 0
k 0
11
Imposar la restricci dergodicitat fa que noms sigui necessari estimar un nombre limitat de covarincies.
En moltes ocasions, les variables econmiques no sn estacionries per es pot realitzar una transformaci que aconsegueix que ho siguin. En canvi, la majoria de les variables econmiques sn ergdiques.
12
3. Funcions dautocovarincia i dautocorrelaci. Definici i propietats i. Autocovarincies

E( X t ) = t
( t ) = Cov( X t X t k ) = E[ ( X t t ) , ( X t k t k ) ] = = E [ ( X t ) ( X t k ) ] = E[ wt , wt k ]
wt = X t
13
Propietats: k s simtrica: k= -k k = E[ ( X t ) ( X t k
) ] = E[ ( X t ) ( X t + k ) ] = k
Si Xt s estacionria, k noms depn de k i no de t 1 = Cov( X 1 , X 2 ) = Cov( X 2 , X 3 ) = ... = Cov( X t , X t 1 ) = = Cov( X 2 , X 1 ) = Cov( X 3 , X 2 ) = ... = Cov( X t + 1 , X t )
|k | 0
Curs 2006-2007 sel - Prof. coneix Ral Ramoscom 14 Al conjunt de totes les autocovarincies
i.
Autocorrelacions
k =
k 0
k = 1, 2, ...
Propietats: | k | 1 k s simtrica: k= -k 0=1 Ergodicitat lim k = 0

k 0
Al conjunt de totes les autocorrelacions, sel coneix com Funci dautocorrelaci simple (FAS): 1, 2, ...
La representaci grfica de la FAS es coneix com correlograma: k
-3
-2
-1
Quan es treballa amb dades dalta freqncia, normalment es requereix un mnim de 50 observacions per calcular la FAS i es recomana que k no sigui superior a a T/4
Si el procs estocstic s estacionari s possible estimar:
t =
T
t= 1
Xt
T ) ( X t k ) T
0 =
t= 1
( X t ) 2
T
k =
(X
t= 1
k =
k 0
17
4. Funci dautocorrelaci parcial. Definici i propietats

Mesura la correlaci entre dos instants del temps sense tenir en compte els efectes dels perodes intermedis. Per exemple: X t 3 X t 2 X t 1 Xt
Per calcular la correlaci entre t-2 i t, sha deliminar lefecte indirecte de t-2 sobre t a travs de t-1. Hi ha diferents procediments per tal dobtenir els k valors de la funci dautocorrelaci parcial (FAP).
Una manera de calcular els valors de la FAP consisteix en: wt = X t wt = 11wt 1 + t
11 =
t= 2
wt wt 1
T
T wt
2
1 = = 1 0
t= 1
T Primer coeficient de la FAP = Primer coeficient de la FAS wt = 11wt 1 + 22 wt 2 + t ... Segon coeficient de la FAP diferent del segon coeficient de la FAS
La FAP tamb es grafica en forma de correlograma.

5. Dos casos particulars de processos estocstics; procs soroll blanc i cam aleatori i. Procs soroll blanc
Xt = t E( t ) = 0 t
2 2
Var ( t ) = E ( t ) = Cov( t , t k ) = 0
k 0
t ~ iid (0, 2 ) i E( t , t -k ) = 0
X t ~ iid (0, 2 ) i E( X t , X t -k ) = 0 No presenta cap estructura dautocorrelaci diferent de zero.
i.
Cam aleatori
X t = X t 1 + t
t s soroll blanc
X t = ( X t 2 + t 1 ) + t = X t 2 + t + t 1 = = ( X t 3 + t 2 ) + t + t 1 = ... = = X 0 + t + t 1 + t 2 + ... + t T = = X0 +
s= 0
t s
Conjunt de sorolls blancs
21
Propietats: Si X0=0 X t =
T = E( X t ) = E t s = 0 s= 0 2 T 0 = E( X t )2 = E t s = s= 0 = E ( t2 + t2 1 + t2 2 + ... t2 T ) = T Si es realitza una transformaci, es pot aconseguir que Xt sigui estacionria X t X t 1 = t (1 L) X t = t
s= 0
t s
No estacionari!!!
X t = X t 1 + t
Xt = t
22
Temporitzaci
2 sessions teriques de 2 hores
Bibliografia
Novales, Econometra, captol 13, apartats 1 i 2 Otero, Econometra. Series temporales y Prediccin, captol 7 apartats 1 a 5 i 6.2 Uriel, Anlisis de series temporales: Modelos ARIMA, captol 2.

Tema - 5-Introduccio A L'analisis de Series Temporals

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema - 5-Introduccio A L'analisis de Series Temporals

Uploaded by

Copyright:

Available Formats

TEMA 5.

Introducci a lanlisi de sries temporals

1. Processos estocstics i sries temporals i. Introducci

Curs 2006-2007 - Prof. Ral Ramos

Cov( X t X t k ) Var ( X t )Var ( X t k )

autocorrelaci parcial autocorrelaci descomptant efectes indirectes

Curs 2006-2007 - Prof. Ral Ramos

2. Condicions sobre els processos estocstics: estacionarietat i ergodicitat i. Estacionarietat

Curs 2006-2007 - Prof. Ral Ramos

Curs 2006-2007 - Prof. Ral Ramos

Curs 2006-2007 - Prof. Ral Ramos

Curs 2006-2007 - Prof. Ral Ramos

Curs 2006-2007 - Prof. Ral Ramos

3. Funcions dautocovarincia i dautocorrelaci. Definici i propietats i. Autocovarincies

Curs 2006-2007 - Prof. Ral Ramos

Propietats: | k | 1 k s simtrica: k= -k 0=1 Ergodicitat lim k = 0

La representaci grfica de la FAS es coneix com correlograma: k

Si el procs estocstic s estacionari s possible estimar:

Curs 2006-2007 - Prof. Ral Ramos

4. Funci dautocorrelaci parcial. Definici i propietats

Una manera de calcular els valors de la FAP consisteix en: wt = X t wt = 11wt 1 + t

La FAP tamb es grafica en forma de correlograma.

Conjunt de sorolls blancs

Curs 2006-2007 - Prof. Ral Ramos

T = E( X t ) = E t s = 0 s= 0 2 T 0 = E( X t )2 = E t s = s= 0 = E ( t2 + t2 1 + t2 2 + ... t2 T ) = T Si es realitza una transformaci, es pot aconseguir que Xt sigui estacionria X t X t 1 = t (1 L) X t = t

Curs 2006-2007 - Prof. Ral Ramos

You might also like