Professional Documents
Culture Documents
Koncepte baz
Proes stacionar i fort
Nj proes sht stacionar i fort nse:
s s , s = 0,1,2, ...
Nj grafik i s sipas
korrelogramn.
E ( yt )
Var ( yt ) 2
2 per t r
t r
0
anasjelltas
Testimi i hipotezave
Ne mund t testojm gjithashtu hipotezn se m nga k koefient
korrelacioni jan njkohsisht zero, mem an t statistiks Q t
2
prkufizuar nga Box dhe Pierce:
Q T k
k 1
Q T T 2
k 1
k2
T k
~ m2
Shembull ACF
Pyetje:
Supozojm se nj krkues ka vlersuar 5 koefientt e par t
autokorrelacionit duke prdorur nj seri prej 100 vzhgimesh:
0.207, -0.013, 0.086, 0.005, -0.022
Testoni secilin prej koefientve dhe kryeni gjithashtu testet BoxPierce dhe Ljung-Box pr kontrollin e varsis kohore.
Zgjidhje:
Nj koefient sht i rndsishm nse qndron jasht
(-0.196,+0.196) n nivelin 5% pra vetm autokorrelacioni i
par sht i rndsishm. Varsia kohore:
Q=5.09 dhe Q*=5.26
Krahasojm me 2(5)=11.1 n nivelin 5% dhe konkludojm se
pes koefientt jan t rndsishm.
for
sq
pr s 1,2,..., q
Shembull i proesit MA
1. Konsiderojm proesin MA(2):
X t u t 1u t 1 2 u t 2
Zgjidhje
(i) Nse E(ut)=0, ather E(ut-i)=0 i.
Pra:
E(Xt) = E(ut + 1ut-1+ 2ut-2)= E(ut)+ 1E(ut-1)+ 2E(ut-2)=0
Var(Xt) = E[Xt-E(Xt)][Xt-E(Xt)]
E(Xt) = 0, pra:
Var(Xt) = E[(Xt)(Xt)]
= E[(ut + 1ut-1+ 2ut-2)(ut + 1ut-1+ 2ut-2)]
2
2 2
2 2
= E[ u t 1 u t 1 2 u t 2 +shumzimet-kryq]
Por E[shumzimet-kryq]=0 pasi Cov(ut,ut-s)=0 pr s0.
Zgjidhje
Pra Var(Xt) = 0= E [u t2 12 u t21 22 u t22 ]
2
2 2
2 2
= 1 2
2
2
2
= (1 1 2 )
(ii) acf e Xt.
1 = E[Xt-E(Xt)][Xt-1-E(Xt-1)]
= E[Xt][Xt-1]
= E[(ut +1ut-1+ 2ut-2)(ut-1 + 1ut-2+ 2ut-3)]
2
2
= E[( 1u t 1 1 2 u t 2 )]
= 1 2 1 2 2
= ( 1 1 2 ) 2
Zgjidhje
2
= E[Xt-E(Xt)][Xt-2-E(Xt-2)]
= E[Xt][Xt-2]
= E[(ut +1ut-1+2ut-2)(ut-2 +1ut-3+2ut-4)]
= E[( 2 u t22 )]
2
= 2
= E[Xt-E(Xt)][Xt-3-E(Xt-3)]
= E[Xt][Xt-3]
= E[(ut +1ut-1+2ut-2)(ut-3 +1ut-4+2ut-5)]
=0
Pra s = 0 pr s > 2.
Zgjidhje
Kemi autokovariancat, tani llogaritim autokorrelacionet:
0 0 1
0
( 1 1 2 ) 2
1
( 1 1 2 )
1
2
2
2
0 (1 1 2 )
(1 12 22 )
( 2 ) 2
2
2
2
2
2
2
0 (1 1 2 )
(1 12 22 )
3
3 0
0
s s 0s 2
0
1.2
1
0.8
0.6
acf
0.4
0.2
0
0
-0.2
-0.4
-0.6
Proesi AR (Autoregressive)
Nj proes autoregresiv i rendit p, AR(p) jepet nga:
y t 1 y t 1 2 y t 2 ... p y t p u t
Ose duke prdorur operatorin vones:
Lyt = yt-1
Liyt = yt-i
p
y t i y t i u t
i 1
i
ose y t i L y t u t
i 1
ose ( L) y t u t
ku
( L) 1 (1 L 2 L2 ... p L.p )
( L,) yt ut
Pr modelin AR(p),
Duke mos marr n konsiderat konstanten, shprbrja e Wold jepet si:
yt ( L)ut
ku,
( L) (1 1 L 2 L2 ... p Lp ) 1
0
1 1 2 ... p
Funksionet e autokovariancave dhe autokorrelacioneve nxirren nga zgjidhja
e ekuacioneve Yule-Walker:
1 1 12 ... p 1 p
E ( yt )
2 11 2 ... p 2 p
p p 11 p 22 ... p
Nse modeli AR sht stacionar, funksioni i autokorrelacionit do t shkoj
n zero n mnyr eksponenciale.
Shembull i modelit AR
Jepet modeli AR(1):
yt 1 yt 1 ut
(i) Llogaritni mesataren e pakushtzuar t yt.
Pr pyetjet e mposhtme merrni =0.
(ii) Llogaritni variancn e pakushtzuar t yt.
(iii) Llogaritni funksionin e autokorrelacionit t yt.
Zgjidhje
(i) Mesatare e pakushtzuar :
E(yt)= E(+1yt-1)
= +1E(yt-1)
E(yt)= +1 ( +1E(yt-2))
= +1 +12 E(yt-2))
E(yt)= +1 +12 E(yt-2))
= +1 +12 ( +1E(yt-3))
= +1 +12 +13 E(yt-3)
Zgjidhje
Nj numr i pafundm zvendsimesh bn q:
E(yt) = (1+1+12 +...) + 1y0
Modeli sht stacionar, pra 1 = 0.
Pra E(yt) = (1+1+12 +...) =
1 1
yt 1 yt 1 ut
y t (1 1 L ) 1 u t
y t (1 1 L 1 L2 ...)u t
2
Zgjidhje
Duke qen se 1 1 , do t konvergoj.
yt ut 1ut 1 1 ut 2 ...
2
Var(yt) = E[yt-E(yt)][yt-E(yt)]
por E(yt) = 0, pasi = 0.
Var(yt) = E[(yt)(yt)]
= E[ ut 1ut 1 12ut 2 .. ut 1ut 1 12ut 2 .. ]
= E[(ut 2 12ut 12 14ut 2 2 ... shumezimet kryq)]
2
2
2
4
2
= E[(ut 1 ut 1 1 ut 2 ...)]
= u2 12 u2 14 u2 ...
2
2
4
= u (1 1 1 ...)
2
u
=
(1 12 )
Zgjidhje
(iii) Pr t llogaritur acf, fillimisht nxjerrim autokovariancat:
1 = Cov(yt, yt-1) = E[yt-E(yt)][yt-1-E(yt-1)]
Duke qen se a0 sht zero, E(yt) = 0 dhe E(yt-1) = 0, pra
1 = E[ytyt-1]
2
2
1 = E[(ut 1ut 1 1 ut 2 ...)(u t 1 1u t 2 1 u t 3 ...) ]
2
3
2
. kryq ]
= E[ 1 u t 1 1 u t 2 ... shumez
=
=
1 2 13 2 15 2 ...
1 2
(1 12 )
Zgjidhje
Pr koefientin e dyt t autokorrelacionit,
2 = Cov(yt, yt-2) = E[yt-E(yt)][yt-2-E(yt-2)]
Duke prdorur t njjtin rregull, kemi kovariancn e rendit t par:
2 = E[ytyt-2]
2
2
= E[(ut 1ut 1 1 ut 2 ...) (ut 2 1ut 3 1 ut 4 ...) ]
= E[ 1 2 u t 2 2 1 4 u t 3 2 ... shumez
. kryq ]
= 12 2 14 2 ...
2 2
2
4
= 1 (1 1 1 ...)
=
12 2
(1 12 )
Zgjidhje
Prsritim hapat pr 3 dhe kemi:
3 =
13 2
(1 12 )
Kovarianca pr rendin s:
s =
1s 2
(1 12 )
Zgjidhje
0
1
0 =
0
1 2
2
(
1
1 )
1
1
1 =
0
2
2
(
1
1 )
3
3 = 1
s = 1s
2 =
2 2
1
2
(
1
1 )
2
12
0
2
(
1
1 )
Proeset ARMA
Nga kombinimi i AR(p) dhe MA(q), mund t prftojm nj model
ARMA(p,q): ( L) yt ( L)ut
ku
( L) 1 1 L 2 L2 ... p Lp
dhe ( L) 1 1L 2 L2 ... q Lq
ose yt 1 yt 1 2 yt 2 ... p yt p 1ut 1 2 ut 2 ... q ut q ut
me
Kushti i Invertibilitetit
Mesatarja e ARMA: E ( yt )
1 1 2 ...p
Funksioni i autokorrelacionit t proesit ARMA do t
paraqes kombinime t sjelljeve AR dhe MA, por pr astet
m t mdha se q, acf do t jet identike me modelin AR(p).
Modeli AR paraqet:
ACF rnse
Numri i bandave pacf = rendi i AR
Modeli MA paraqet:
Numri i bandave acf = rendi i MA
PACF rnse
10
-0.05
-0.1
-0.15
-0.2
-0.25
-0.3
acf
-0.35
pacf
-0.4
-0.45
Lag
0.3
pacf
0.2
0.1
0
1
-0.1
-0.2
-0.3
-0.4
Lags
10
0.9
acf
pacf
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
-0.1
Lags
10
0.5
acf
pacf
0.4
0.3
0.2
0.1
0
1
-0.1
Lags
10
-0.1
-0.2
-0.3
-0.4
acf
pacf
-0.5
-0.6
Lags
10
0.9
acf
pacf
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
Lags
10
0.6
acf
pacf
0.4
0.2
0
1
-0.2
-0.4
Lags
10