Professional Documents
Culture Documents
Curs 4 Serii de Timp
Curs 4 Serii de Timp
yt = a0 + a1 yt −1 + a2 yt − 2 + + a p yt − p
yt = f ( t −1 , t − 2 , ) + t
unde p este ordinul părţii autoregresive, q ordinul mediei mobile iar t este
un proces de tip zgomot alb (acesta fiind o succesiune de variabile
aleatoare independente şi identic repartizate, cu medie zero).
Funcția parțială de autocorelație (PAC)
Observație: Coeficientul de autocorelaţie parţială măsoară efectul direct al
lui yt-k asupra variabilei yt (se izolează influenţa variabilei yt-k). Definiția
acestuia este similară cu a coeficientului de corelaţie parţială din
econometrie.
Definiție: Coeficientul de autocorelaţie parțială între două variabile separate
de k unităţi de timp notat prin kk este coeficientul de regresie al variabilei yt-k
în modelul autoregresiv AR(k):
yt = k1 yt −1 + k 2 yt − 2 + + kk yt − k + t
Știind că:
r ( x, y ) − r ( x, z ) r ( y , z )
r ( x, y | z ) = 22 = ( 2 − 12 ) /(1 − 12 )
1 − r ( x, z ) 1 − r ( y , z )
2 2
yt = k1 yt −1 + k 2 yt − 2 + + kk yt − k + t
Estimarea funcției parțiale de autocorelație
Observaţie: În practică (inclusiv în softurile de statistică) coeficienţii de
autocorelaţie parţială nu se determină prin modele de regresie ci se
folosesc ecuaţiile Yule-Walker, ce redau relaţiile dintre coeficienţii de
autocorelaţie şi coeficienţii de autocorelaţie parţială.
Ecuaţiile Yule-Walker exprimă coeficienţii de autocorelaţie k sub
forma unor funcţii de coeficienţii autoregresivi i. Definim matricea
coeficienţilor liniari de autocorelaţie prin R(p), vectorul parametrilor
modelului prin şi vectorul coeficienţilor de autocorelaţie prin .
0 1 p
R( p) = R( p) =
1 0 1 p −1
2 1 1
p p −1 0
Test pentru un proces de mers la întâmplare, contra unui proces AR(1), staţionar, cu
deplasare
H 0 : yt = yt −1 + t
H 1 : yt = yt −1 + + t , 1 yt − yt −1 = ( − 1) yt −1 + + t yt = yt −1 + + t
Test pentru un proces de mers la întâmplare, contra unui proces AR(1), staţionar, cu
deplasare şi trend în timp.
H 0 : yt = yt −1 + t
H 1 : yt = yt −1 + + t + t , 1
yt − yt −1 = ( − 1) yt −1 + + t + t yt = yt −1 + + t + t
Testul de staționaritate (pentru o rădăcină unitară).
Testul Dickey-Fuller (Unit Root Test)
(−1,96(0,1066),+1,96(0,1066))
y t = y t −1 + t
Dacă = 0 , spunem că variabila are o
rădăcină unitară.
p
yt = yt −1 + + t + i yt −i + t
i =1
Detectarea nestaţionarităţii:
din cronogramă şi corelogramă: autocorelaţiile unei serii staţionare se apropie
rapid de zero, odată ce k creşte (tind exponenţial spre zero). Pentru o serie
nestaţionară autocorelaţiile sunt mari şi pozitive pentru un număr mare de valori
ale lui k.
utilizarea unor teste de staţionaritate (numite şi teste de rădăcină unitate)
Serie nestaționară de tip TS (Trend Stationarity)
Definiție: O serie nestaţionară este de tip TS dacă trendul este de
tip determinist şi se elimină prin scădere sau prin împărţire
y t = + t + t t = 1,2,..., n; t este zgomot alb
Proprietăți:
Media unei serii TS nu este constantă: E ( yt ) = E ( + t + t ) = + t
Observații:
Efectul produs de un șoc aleator este tranzitoriu, deci nu se acumulează în timp
Diferențele de ordin 1 și 2:
yt = yt − yt −1
2 yt = ( yt − yt −1 ) = yt − yt −1 = ( yt − yt −1 ) − ( yt −1 − yt − 2 ) = yt − 2 yt −1 + yt − 2
(L )Yt = (L ) t
(L ) = 1 − a1 L − a2 L2 − − a p Lp
( L) = 1 − b1 L − − bq Lq
ARIMA(p,d,q): (L )(1 − L) X t = (L ) t
d
Definiții, Notații
Un proces autoregresiv
AR (p): 𝑦𝑡 = 𝑎0 + 𝑎1 ⋅ 𝑦𝑡−1 + 𝑎2 ⋅ 𝑦𝑡−2 + ⋯ + 𝑎𝑝 ⋅ 𝑦𝑡−𝑝 + 𝜀𝑡
(L ) = 1 − a1 L − a2 L2 − − a p Lp
( L) = 1 − b1 L − − bq Lq
d xt = (1-L)dxt staționară
Teorema de descompunere a lui Wold
Orice proces stochastic slab staţionar şi absolut nedeterminist (yt - )
poate fi reprezentat ca o combinaţie liniară (sau filtru liniar) de variabile
aleatoare necorelate.
yt − = t − b1 t −1 − b2 t − 2 − = j t − j 0 = 1, j = −b j pentru j = 1,2,...
j =0
j =0
2
j
j j +k
0 =1
k = k = j =0 2 , k 0
0 1+ j
j =1