ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΔΠΙ΢ΣΗΜΙΟ ΑΘΗΝΩΝ

Γιαπανεπιζηημιακό Μεηαπηςσιακό Ππόγπαμμα

Μαθημαηικά ηηρ Αγοπάρ και ηηρ Παπαγυγήρ

Υπονολογικέρ ΢ειπέρ & Πποβλέτειρ

Καθηγήηπια ΢οθία Γημέλη

ΑΘΗΝΑ 2018

1
 ΠΔΡΙΔΥΟΜΔΝΟ
o Έλλνηα Υξνλνινγηθήο ΢εηξάο θαη Πξόβιεςεο
o ΢ηνραζηηθά ππνδείγκαηα ρξνλνινγηθώλ ζεηξώλ
o H έλλνηα ηεο ζηαζηκόηεηαο
o ΢πλαξηήζεηο απηνζπλδηαθύκαλζεο θαη απηνζπζρέηηζεο
o Απηνπαιίλδξνκα ππνδείγκαηα (AR)
o Τπνδείγκαηα θηλεηώλ κέζσλ (MA) θαη κεηθηά (ΑRMA)
o Έιεγρνη κνλαδηαίαο ξίδαο θαη εθαξκνγέο
o Η κεζνδνινγία Box-Jenkins: Τπνδείγκαηα ARIMA
o Μέζνδνη πξόβιεςεο κε ηα ARIMA ππνδείγκαηα
o Κξηηήξηα αμηνιόγεζεο ησλ πξνβιέςεσλ
o Γξακκηθά θαη κε γξακκηθά ππνδείγκαηα ηάζεο
o Τπνδείγκαηα VAR θαη αηηηόηεηα
o Τπνδείγκαηα ARCH-GARCH
o Παξαδείγκαηα – Έιεγρνη Μνλαδηαίαο Ρίδαο
o Ππακηική εξάζκηζη ζηοςρ ςπολογιζηέρ

2
 Βαζική Βιβλιογπαθία
Box, G.E.P., Jenkins, G.M. and G.C. Reinsel , 2008. Time Series Analysis, Forecasting and
Control, 4th Edition, Prentice Hall.
Brockwell, P.J. and R. A. Davies (2008). Introduction to Time Series and Forecasting, Springer
Texts in Statistics, 2nd edition.
Cryer J. D. and Kung-Sik Chan (2008). Time Series Analysis: With Applications in R, Springer.
Enders, W. (2014). Applied econometric Time Series, 4th edition, New York: John Wiley &
Sons, Inc.

Granger, C.W.J. (1989). Forecasting in Business and Economics, 2nd edition.

Hamilton, J.D. (1994). Time Series Analysis, Princeton University Press.

Wooldridge J.M. (2012). Introductory Econometrics: A Modern Approach, Mason: Thomson.

Shumway, R.H. and D.S. Stoffer (2010). Time Series Analysis and Its Applications: With R
Examples, Springer Texts in Statistics, Springer; 3rd edition.
Tsay, R. S. (2010). Analysis of Financial Time Series, Wiley, 3rd Edition.
Γεκέιε, ΢. (2013). Σύγτρονες Μέθοδοι Ανάλσζης Χρονολογικών Σειρών, Δθδόζεηο ΟΠΑ.
3
 Υπονολογικέρ ΢ειπέρ (1)
Μηα σπονολογική ζειπά (time-series), ζην εμήο Υ΢, είλαη έλα
ζύλνιν παξαηεξήζεσλ κηαο κεηαβιεηήο πνπ έρνπλ ιεθζεί ζε ίζα
ρξνληθά δηαζηήκαηα. Η απεηθόληζε κηαο Υ΢ σο πξνο ην ρξόλν
νλνκάδεηαη σπονοδιάγπαμμα (time-plot).

Βαζηθό ραξαθηεξηζηηθό θάζε Υ΢ είλαη ε εμάξηεζε κεηαμύ ησλ

δηαδνρηθώλ ηηκώλ ηεο. Η θύζε απηήο ηεο εμάξηεζεο είλαη ην
αληηθείκελν κειέηεο ηνπ θιάδνπ ησλ Υ΢

Απαξαίηεηε πξνϋπόζεζε γηα ηελ εκπεηξηθή κειέηε ησλ Υ΢ είλαη

λα ππάξρεη ζρεηηθά κεγάινο αξηζκόο παξαηεξήζεσλ – ιζηορικά
δεδομένα (historical data).
4
Μακποσπόνια Σάζη και Οικονομικοί Κύκλοι ηηρ Δλλάδαρ
Hodrick-Prescott Filter (lambda=100)
200

160

120
20

15 80
10
40
5

0 0

-5

-10

-15
60 65 70 75 80 85 90 95 00 05 10 15

CYCLES02 Trend Cycle

5
 Υπονολογικέρ ΢ειπέρ (2)
 Αλάιπζε ησλ ηδηνηήησλ ησλ Υ΢ (time-series properties)
πξνθεηκέλνπ λα πξνζδηνξίζνπκε ηα βαζηθά
ραξαθηεξηζηηθά πνπ δηέπνπλ ηε ζπκπεξηθνξά ηνπο
(αλάιπζε ρξόλνπ θαη θαζκαηηθή αλάιπζε).

 Αλάπηπμε ππνδεηγκάησλ Υ΢ (time-series models):

΢ηεξίδνληαη ζε απιέο ή πην ζύλζεηεο καζεκαηηθέο κνξθέο
πνπ ππαγνξεύνληαη από ηηο ηδηόηεηεο ησλ Υ΢ θαη ηνπο
αληηθεηκεληθνύο ζθνπνύο ηεο αλάιπζεο.

6
 Πποβλέτειρ (1)
Αληηθεηκεληθόο ζθνπόο ηεο κειέηεο Υ΢ είλαη ε
ρξεζηκνπνίεζή ηνπο ζηε δηελέξγεηα πξνβιέςεσλ γηα ηηο
κειινληηθέο ηηκέο ηεο ππό κειέηε κεηαβιεηήο.

Μέζνδνη πξόβιεςεο (forecast methods)

 Αληηθεηκεληθέο ή Πνζνηηθέο (objective or quantitative)

 Αηηηαηά ππνδείγκαηα πξόβιεςεο (causal)
 Με Αηηηαηά ππνδείγκαηα πξόβιεςεο (non-causal)

 Τπνθεηκεληθέο ή Πνηνηηθέο (subjective or qualitative)

7
 Πποβλέτειρ (2)
Οι Τποκειμενικέρ πποβλέτειρ γίλνληαη από έκπεηξνπο
επηζηήκνλεο-αλαιπηέο θαη βαζίδνληαη θπξίσο ζηελ
πξνζσπηθή ηνπο θξίζε θαη εκπεηξία παξά ζε
καζεκαηηθά πξόηππα.

Οι Ανηικειμενικέρ πποβλέτειρ ζηεξίδνληαη ζε θάπνην

καζεκαηηθό ή ζηαηηζηηθό πξόηππν ή ζε έλα
ζπγθεθξηκέλν θαλόλα θαη ζε πνζνηηθά δεδνκέλα.

8
 Αιηιαηά ςποδείγμαηα ππόβλετηρ:
Πολςμεηαβληηή Παλινδπόμηζη

Οη πξνβιέςεηο κηαο κεηαβιεηήο γίλνληαη κε βάζε ηελ

νηθνλνκηθή θαη ζηαηηζηηθή ζρέζε πνπ ζπλδέεη ηε κεηαβιεηή
απηή κε άιιεο πνπ ζπζρεηίδνληαη καδί ηεο (νηθνλνκεηξηθά
ππνδείγκαηα εμηζώζεσλ).
1. Πξνζδηνξηζκόο νηθνλνκηθνύ ππνδείγκαηνο - ζεσξίαο.
2. Δμεηδίθεπζε θαηάιιεινπ ζηαηηζηηθνύ ππνδείγκαηνο.
3. Δθηίκεζε ηνπ επηιεγκέλνπ ππνδείγκαηνο κε
ζπγθεθξηκέλν δείγκα παξαηεξήζεσλ.
4. Έιεγρνο θαηαιιειόηεηαο εθηηκεκέλνπ ππνδείγκαηνο.
5. Γηελέξγεηα πξνβιέςεσλ κε βάζε ηηο εθηηκήζεηο.

9
 Μη Αιηιαηά ςποδείγμαηα ππόβλετηρ
Τποδείγμαηα Υπονολογικών ΢ειπών

Η πξόβιεςε ζηεξίδεηαη απνθιεηζηηθά θαη κόλν ζηηο

πξνεγνύκελεο ηηκέο ηεο ίδηαο ρξνλνινγηθήο ζεηξάο πνπ
ζέινπκε λα πξνβιέςνπκε. Τπάξρνπλ δπν κνξθέο ηέηνησλ
ππνδεηγκάησλ νη νπνίεο δηαθέξνπλ σο πξνο ηνλ ξόιν πνπ
παίδεη ν ηπραίνο παξάγνληαο ζηε δνκή ηνπο:

1. Καζνξηζηηθά ππνδείγκαηα (deterministic models):

2. ΢ηνραζηηθά ππνδείγκαηα (stochastic models).

10
 ΢ύγκπιζη – ΢ςμπεπάζμαηα
 Σα ππνδείγκαηα Υ΢ έρνπλ ρακειόηεξν θόζηνο
πξνβιέςεσλ θαη είλαη ιηγόηεξν πνιύπινθα από απηά ησλ
νηθνλνκεηξηθώλ κεζόδσλ.
 Έρνπλ ην κεηνλέθηεκα όηη δελ ιακβάλνπλ ππόςε ηπρόλ
δηαξζξσηηθέο κεηαβνιέο. Απηό ζπλεπάγεηαη κείσζε ηεο
αθξίβεηαο ησλ πξνβιέςεσλ θπξίσο καθξνπξόζεζκα.
 ΢πλήζσο γηα καθξνπξόζεζκεο πξνβιέςεηο
ρξεζηκνπνηνύκε νηθνλνκεηξηθέο κεζόδνπο.
 ΢πλδπαζκόο ησλ δπν πξνηύπσλ κπνξεί λα νδεγήζεη ζε
πην αθξηβείο πξνβιέςεηο.

11
 Καθοπιζηικά ςποδείγμαηα Υ΢

 Δηδηθά καζεκαηηθά ππνδείγκαηα

 Τπνδείγκαηα Κηλεηώλ Μέζσλ Όξσλ
 Μέζνδνη Δθζεηηθήο Δμνκάιπλζεο
 Τπνδείγκαηα Σάζεο
 Τπνδείγκαηα Γηαρσξηζκνύ ζε Δπηκέξνπο ΢πληζηώζεο
 Σν θίιηξν ηνπ Kalman
 Σν θίιηξν HP (Hodrick-Prescott)

Θα πξέπεη λα ζηαζκίδεηαη ην θόζηνο ηεο κεζόδνπ πξόβιεςεο

κε ηα αλακελόκελα νθέιε.

12
 ΢ηοσαζηικά ςποδείγμαηα Υ΢

Μηα ρξνλνινγηθή ζεηξά Ν δηαδνρηθώλ παξαηεξήζεσλ

yt, yt+1, …, yt+N-1
ζεσξείηαη σο έλα ζύλνιν από θνηλνύ θαηαλεκεκέλσλ
ηπραίσλ κεηαβιεηώλ πνπ απνηειεί ηελ πξαγκαηνπνίεζε κηαο
ζηνραζηηθήο δηαδηθαζίαο
Η δπζθνιία ζηελ αλάιπζε κηαο Υ΢ είλαη ε επηινγή ηνπ
θαηαιιειόηεξνπ ππνδείγκαηνο πνπ ηελ πεξηγξάθεη. ΢πλήζσο
εμεηάδεηαη ε δνκή ησλ ηζηνξηθώλ δεδνκέλσλ ηεο κε
ζπγθεθξηκέλα ζηαηηζηηθά κέηξα.
13
 Καηηγοπίερ Υπονολογικών ΢ειπών

 Οη Υ΢ δηαθξίλνληαη ζε ζηάζηκεο θαη κε ζηάζηκεο

αλάινγα κε ηε δηαρξνληθή ζπκπεξηθνξά ησλ
ραξαθηεξηζηηθώλ ηεο ζηνραζηηθήο δηαδηθαζίαο πνπ ηηο
δεκηνπξγεί.
 ΢πγθεθξηκέλα, αλ ηα βαζηθά ραξαθηεξηζηηθά ηνπο
κεηαβάιινληαη δηαρξνληθά ε Υ΢ ζεσξείηαη κε
ζηάζηκε θαη είλαη αδύλαηε ε δηελέξγεηα πξνβιέςεσλ.

 Γηα ην ιόγν απηό πξσηαξρηθό βήκα ζηελ αλάιπζε

κηαο Υ΢ είλαη ν έιεγρνο ηεο ζηαζηκόηεηαο ηεο ζεηξάο.

14
 ΢ηαζιμόηηηα

Μηα Υ΢ ζα ιέκε όηη είλαη ζηάζηκε (stationary) όηαλ

ηζρύνπλ ηα εμήο:

 ΢ηαζεξόο κέζνο. E(yt) = κy

 2
 ΢ηαζεξή δηαθύκαλζε: Δ[yt-E(yt)] = y = γ0
2

 ΢πλδηαθύκαλζε: cov(yt,yt+k)=cov(yt+m,yt+m+k) = γθ
εμαξηάηαη από ηε ρξνληθή πζηέξεζε θαη όρη από
ην ρξόλν t.
15
 Αςηοζςνδιακύμανζη

Αςηοζςνδιακύμανζη (autocovariance) (γκ):

΢πλδηαθύκαλζε κεηαμύ ηηκώλ ηεο ίδηαο ρξνλνινγηθήο
ζεηξάο κε θάπνηα ρξνληθή απόζηαζε κεηαμύ ηνπο.

γθ = Cov (yt , yt+k)

Γηα θ = 0 => 
γ0 = y
2

Καη εμ νξηζκνύ γθ = γ-θ

16
Aςηοζςζσέηιζη (Autocorrelation)

΢ςνηελεζηήρ αςηοζςζσέηιζηρ (πκ) γηα θ=1,2,.....

cov( yt , yt k )
 
 yt  yt k
cov( x, y )
 x, y 
ελώ ζπληειεζηήο ζπζρέηηζεο:   y
 
  2 
Γηα ζηάζηκε ρξνλνινγηθή ζεηξά:  y 0

17
Σπραία Υξνλνινγηθή ΢εηξά

18
19
 Γειγμαηικοί ΢ςνηελεζηέρ Αςηοζςζσέηιζηρ
N k

k (y t  y )( yt  k  y )
k   t 1

0 N

 t
( y
t 1
 y ) 2

Ιζρύεη: -1 ≤  k ≤ 1

θαη επεηδή ξθ= ξ-θ εμεηάδνπκε κόλν ηηο ζεηηθέο ηηκέο.

20
 ΢ςμπεπάζμαηα για αςηοζςζσεηίζειρ

 Οπζηαζηηθά ην θ εθθξάδεη ηελ ρξνληθή απόζηαζε.

Γελ καο ελδηαθέξεη από πνην ζεκείν μεθηλάκε,
αιιά ε ρξνληθή απόζηαζε πνπ ηηο ρσξίδεη.
 Γηα θνληηλέο ρξνληθέο πεξηόδνπο (κηθξό θ), νη
ζπζρεηίζεηο ξθ είλαη ηζρπξόηεξεο. Καζώο κεγαιώλεη ην
θ νη ζπζρεηίζεηο εμαζζελνύλ. Όζν πην γξήγνξα
εμαζζελνύλ νη ζπζρεηίζεηο ξθ ηόζν κεγαιύηεξε
έλδεημε έρσ όηη ε ζεηξά κνπ είλαη ζηάζηκε.
 Όηαλ ηα ξθ θζίλνπλ γξήγνξα → ζηάζηκε Υ΢
 Όηαλ ηα ξθ θζίλνπλ αξγά → κε ζηάζηκε Υ΢

21
 ΢ηαηιζηικά t-test και Q-test

Ο ζηαηηζηηθόο έιεγρνο ζεκαληηθόηεηαο ησλ δεηγκαηηθώλ

ζπληειεζηώλ απηνζπζρέηηζεο ξθ γίλεηαη κε ηα ζηαηηζηηθά
t-test θαη Q-test.

Έλεγσορ t-test:
Anderson (1942), Bartlett (1946): Αθνξά ζηνλ έιεγρν
κεκνλσκέλα θαζελόο ζπληειεζηή ζπζρέηηζεο ξθ:

Η0: ξθ = 0
Ηa: ξθ ≠ 0

22
Σα ξθ θαηαλέκνληαη θαλνληθά κε κέζν ην κεδέλ θαη
δηαθύκαλζε 1/Ν, όπνπ Ν = πιήζνο ησλ παξαηεξήζεσλ.
Άξα έρνπκε
ˆ k
t  N ˆ k
1/ N

Γηα Ν>50 θαη α=0,05, ην δηάζηεκα εκπηζηνζύλεο 95%

είλαη:
1
P( ˆ k  2 )  0,95
N

23
 ΢ηαηιζηικό κπιηήπιο Q-test

Αθνξά ζηνλ έιεγρν από θνηλνύ ελόο αξηζκνύ ξ1 έσο θαη

ξθ ζπληειεζηώλ απηνζπζρέηηζεο:

Η0: ξ1 = ξ2 =...= ξθ = 0
Ηa: όρη όινη κεδέλ

΢ηαηηζηηθό θξηηήξην ησλ Box-Pierce:


Q  N  j
ˆ 2

j 1

24
Αθνινπζεί ηελ θαηαλνκή:
2
x
κε θ βαζκνύο ειεπζεξίαο. Γηα ηηκέο κεγαιύηεξεο από ηηο
θξηηηθέο ησλ πηλάθσλ θαη αλάινγα κε ην επίπεδν ζηαηηζηηθήο
ζεκαληηθόηεηαο πνπ έρνπκε ζέζεη, απνξξίπηνπκε ηελ Η0.

Βειηησκέλε κνξθή ηνπ αλσηέξσ ζηαηηζηηθνύ θξηηεξίνπ έρεη

πξνηαζεί από ηνπο Ljung and Box (1978):
 ˆ 2j
Q  N ( N  2)
j 1 N j

25
 Μεπική αςηοζςζσέηιζη (1)
(Partial Autocorrelation)

Τπάξρεη πηζαλόηεηα δύν κεηαβιεηέο λα ζπζρεηίδνληαη

κεηαμύ ηνπο γηαηί ππάξρεη κηα ηξίηε κεηαβιεηή πνπ αζθεί
επίδξαζε πάλσ ηνπο.

Δδώ καο ελδηαθέξεη λα ζπζρεηίδσ ηελ ίδηα ρξνλνινγηθή

ζεηξά ζε δπν δηαθνξεηηθέο ρξνλνινγηθέο πεξηόδνπο, αθνύ
έρσ αθαηξέζεη ηελ επίδξαζε από όιεο ηηο ελδηάκεζεο
πεξηόδνπο.

26
 Μεπική αςηοζςζσέηιζη (2)

Φθθ = ΢πληειεζηέο ζπζρέηηζεο κεηαμύ yt θαη yt-k, όηαλ

έρσ αθαηξέζεη ηελ επίδξαζε ησλ ελδηάκεζσλ ηηκώλ.
Δθηηκώ παιηλδξνκήζεηο ηεο κνξθήο:
yt = α + β1yt-1 + ε1t
yt = α + β1΄yt-1 + β2΄yt-2 + ε2t
yt = α + β1΄΄yt-1 + β2΄΄yt-2 + β3΄΄yt-3 + ε3t

΢ε θάζε βήκα πξνζζέησ κηα πζηέξεζε.

Από θάζε παιηλδξόκεζε εθηηκώ έλαλ ζπληειεζηή, π.ρ.
ˆ
β2΄= 22 = ζπληειεζηήο κεξηθήο ζπζρέηηζεο κεηαμύ yt θαη
yt-2
27
 Μεπική αςηοζςζσέηιζη (3)

Πποζοσή: Δθηηκώ απηνπαιηλδξνκηθέο εμηζώζεηο. Γηα

θάζε θ πξέπεη λα παξεκβάιινληαη νη πζηεξήζεηο πνπ
πξνεγνύληαη. Γελ κπνξώ δειαδή λα πάσ ζηελ ηειεπηαία
εμίζσζε θαη λα πάξσ ηα θ11, θ22, απεπζείαο. Πξνθαλώο
θ11 = ξ1 (ν απιόο ζπληειεζηήο απηνζπζρέηηζεο).

Οη ηηκέο ησλ θss γηα s=1,2,... απνηεινύλ ηε

ζπλάξηεζε κεξηθήο απηνζπζρέηηζεο
(partial autocorrelation function- PAC).

28
 ΢ηοσαζηικά Τποδείγμαηα Υ΢

 Λεπθόο ζόξπβνο
 Σπραία δηαδξνκή (ρσξίο ζηαζεξά/κε ζηαζεξά)
 Απηνπαιίλδξνκα Τπνδείγκαηα AR(p)
→ AR(1), AR(2)
 Τπνδείγκαηα θηλεηώλ κέζσλ MA(q) → MA(1), MA(2)
 Τπνδείγκαηα κηθηά ARMA (p,q)
 Τπνδείγκαηα κε ζηάζηκα ARIMA (p, d, q)

29
Σςσαία Υ΢ (Λεςκόρ Θόπςβορ, White Noise)
Γηα κηα ηπραία ρξνλνινγηθή ζεηξά εt ηζρύνπλ:
E(εt)=0
γ0 = E(ε2t) = var(εt) = ζε² (΢ηαζεξή)
γθ = Δ(εt,εt-k) = 0 (Με ζπζρέηηζε ησλ εt)

Βιέπε δηάγξακκα πην πάλσ

Μηα ηέηνηα ζεηξά είλαη πάνηα ζηάζιμη θαη έρεη μηδενικούρ
ζςνηελεζηέρ αςηοζςζσέηιζηρ, νπόηε νπνηαδήπνηε πξόβιεςε
θαζίζηαηαη αδύλαηε. Θεσξεηηθά ην correlogram (ξθ) ζα πξέπεη λα
ηαπηίδεηαη κε ηνλ νξηδόληην άμνλα. Δκπεηξηθά όκσο είλαη θνληά ζην 0
(ηα ξθ δελ είλαη ζηαηηζηηθά ζεκαληηθά).
Η ηπραία ρξνλνινγηθή ζεηξά είλαη πάληα ζηάζηκε, αιιά θάζε
ζηάζηκε δελ είλαη ηπραία.
30
Τπόδειγμα Σςσαίαρ Γιαδπομήρ (Random walk)

Κάζε ηηκή ηεο Υ΢, έζησ yt, πξνθύπηεη από ηελ ακέζσο
πξνεγνύκελή ηεο (yt-1) πξνζζέηνληαο έλα ηπραίν ζθάικα
(εt):
yt = yt-1+εt , t = 1, 2, ... ,Σ θαη εt ιεπθόο ζόξπβνο.
Γηα κηα ηέηνηα ζεηξά ηζρύνπλ ηα εμήο (να αποδειχθούν):
Δ(yt) = y0
var(yt) = t ζε²
cov(yt , yt-k) = (t-k) ζε²

Eπνκέλσο, ε ζεηξά yt είλαη μη ζηάζιμη θαζώο ν κέζνο είλαη

κελ ζηαζεξόο αιιά var(yt) θαη cov(yt , yt-k) είλαη ζπλαξηήζεηο
ηνπ ρξόλνπ.
31
32
 Τπόδειγμα Σςσαίαρ Γιαδπομήρ με ΢ηαθεπά

Σν ππόδεηγκα ηπραίαο δηαδξνκήο κπνξεί λα πεξηιακβάλεη θαη

ζηαζεξό όξν:
yt = β + yt-1+εt t = 1, 2, ... ,Σ θαη εt ιεπθόο ζόξπβνο

΢ηελ πεξίπησζε απηή να αποδειχθεί όηη:

Δ(yt) = y0 + βt
var(yt) = t ζε²
cov(yt , yt-k) = (t-k) ζε²

Οη πξώηεο δηαθνξέο ηεο ζεηξάο: Γyt = yt - yt-1

είλαη ζηάζηκεο θαη ζηα δπν πξνεγνύκελα ππνδείγκαηα.
33
3

2 iid

-1

-2

-3
25 50 75 100 125 150 175 200

12

0
RW

-4

-8
25 50 75 100 125 150 175 200

34