Sunteți pe pagina 1din 15

Metodologia Box - Jenkins

Georges Box
Gwilym Jenkins

- Variabila explicativ y
t
va depinde nu numai de variabilele
explicative, ci i de valorile sale trecute i de un termen
aleator de eroare;
- Numai modele liniare, pentru stabilirea intervalelor de
incredere ale previziunilor;
- pentru previziuni pe termen scurt.

Introducere
Situaia erorilor autocorelate (nerespectarea ipotezei)
Exploatarea informaiei din seria reziduurilor
Procese aleatoare staionare:
modele autoregresive (Autoregressive Models), AR(p)
modele de medii mobile (Moving Averages Models), MA(q)
o combinaie a celor dou, ARMA(p,q)
Procese nestaionare omogene (pot deveni staionare prin operaia de
difereniere):
modele autoregresive, de medii mobile, cu trend integrat
(Autoregressive Integrated Moving Averages Models)
ARIMA(p,d,q)
Funcia de autocorelaie
Funcia de autocorelaie parial
Studiul corelogramelor
Specificarea modelelor ARIMA
Modele de medii mobile MA(q)
fiecare observare y
t
este generat de o medie ponderat de
variabile aleatoare pn la a q - a perioad n trecut.
MA(1): y
t
= + c
t
- u
1
c
t - 1
MA(2): y
t
= + c
t
- u
1
c
t - 1
- u
2
c
t - 2
...
MA(q): y
t
= + c
t
- u
1
c
t - 1
- u
2
c
t - 2
- - u
q
c
t q
,
unde: - constant,
u
1
, u
2
, , u
q
- parametri > 0 sau < 0,
c
t
- variabile aleatoare; existena unui proces de zgomot
alb de lege N(0,o
2
),
Modelul MA este reprezentativ pentru o serie cronologic,
fluctund n mod aleator, n jurul mediei sale.
( ) t t , 0 , cov
t t
'
= =
'
c c
Modele autoregresive AR(p)
AR(p) - observarea prezent y
t
este generat de o
medie ponderat a observrilor trecute, pn la a p
- a subperioad, n forma:
AR(1): y
t
= |
1
y
t - 1
+ o + c
t
AR(2): y
t
= |
1
y
t - 1
+ |
2
y
t

- 2
+ o + c
t
...
AR(p): y
t
= o +|
1
y
t - 1
+ |
2
y
t - 2
+ + |
p
y
t -p
+ c
t
,
unde: o - constant,
|
1
, |
2
, , |
p
- parametrii > 0 sau < 0,
c
t
- variabile aleatoare.
y
t-1
, y
t-2
, ..., y
t-p
,variabila dependent
observat n perioadele trecute
Modele ARMA (p,q)
(combinaie AR, MA)
ARMA(p,q):
y
t
=o+|
1
y
t-1
+|
2
y
t-2
++|
p
y
t-p
+c
t
-u
1
c
t-1
- u
2
c
t-2
- - u
q
c
t-q
ARMA(1,1):
y
t
= o +|
1
y
t-1
+ c
t
- u
1
c
t-1
ARMA(2,1):
y
t
= o +|
1
y
t-1
+ |
2
y
t-2
+ c
t
- u
1
c
t-1
ARMA(1,2):
y
t
= o +|
1
y
t - 1
+ c
t
- u
1
c
t - 1
- u
2
c
t - 2

ARMA(0,1) = MA(1)
ARMA(2,0) = AR(2)
Modelele Box Jenkins
Modelele AR(p), MA(q), ARMA(p,q) nu sunt
reprezentative dect dac seriile cronologice sunt:
staionare n medie (fr trend),
corectate de variaiile sezoniere.




Cnd seria nu este staionar se utilizeaz un
model de tip ARIMA(p,d,q).
y k t t
y E y E = =
+
) ( ) (
} { } {
2 2 2
)] ( [ )] ( [
y k t k t t t
y E y E y E y E o = =
+ +
Forme ARIMA(p,d,q)
ARIMA(p,d,q), modele cu trend integrat.
d este - gradul curbei tendinei, sau gradul de integrare a seriei.

Pentru tendina liniar este suficient a se trece la diferenele de ordin 1; d = 1 ,
y
t
= a + bt

y
t
= constant.


Pentru o tendin ptratic se calculeaz diferenele de ordin 2; d = 2, etc.
y
t
= a + bt + ct
2





b - c + 2tc - are o tendin liniar;
Rezult o nou difereniere: , staionar n medie.
( ) ( ) b 1 t t b 1 t b a bt a y
y y y
t
1 t t t
= + = + =
=

( ) ( ) ( ) ( ) | |
( ) tc 2 c b c ct 2 b 1 t 2 t t c b
1 t t c 1 t t b 1 t c 1 t b a ct bt a y
y y y
2 2
2
2
2
2
t
1 t t t
+ = + = + + =
= + + = + + =
=

1
=
t t t
y y z
Metodologia Box i Jekins

Diferite clase de modele
AR, MA, ARMA

Identificarea modelului


Estimarea parametrilor



Simularea (model adecvat)

NU
DA
Previziunea

Funcia de autocorelaie (FAC)
Autocorelaia este corelaia dintre o serie cu ea nsi la diferite decalaje
n timp (k fiind decalajul temporal k = 0, 1, 2,).










Corelograma graficul funciei de autocorelaie n funcie de lagurile k.
( )( )
( )

=
+


=
T
t
t
k T
t
k t t
k
y y
y y y y
r
1
2
1
( )( )
( )
0
2
v
v

k
t
k t t
k
y E
y y E
=


=
+
Modele de medii mobile MA(q)
Procesul MA(q):
y
t
= + c
t
- u
1
c
t - 1
- u
2
c
t - 2
- - u
q
c
t q

are q+2 parametri u
1
, u
2
, , u
q
, i .
, rezult .




Pentru un proces staionar var(y
t
) trebuie s fie constant i
finit: .

2
c
o
] ) [( ) (
2
0
v = =
t t
y E y Var
...) 2 ... ( ] ) [( ) (
1 1
2 2 2
1
2
1
2 2
+ + + = =
t t q t q t t t t
E y E y Var c c u c u c u c
) .. 1 ( ... ) (
2 2
2
2
1
2 2 2 2 2
1
2
q q t
y Var u u u o o u o u o
c c c c
+ + + + = + + + =
= ) (
t
y E
2 2
) ( ) ( o c c = =
t t
E Var
0 ) ( =
t
E c
0 ) , cov( =
+k t t
c c

=
<
q
t
t
1
2
u
MA(1): y
t
= +
t
-
1 t-1
S se determine sperana matematic, variana,
autocovariana i funcia de autocorelaie de ordinul k pentru
y
t
, aparinnd unui proces MA(1).



.. pentru k>1:


Funcia de autocorelaie este: .


Pentru k=1:


Pentru k>1:
= ) (
t
y E
) 1 ( ) (
2
1
2
0
u o v
c
+ = =
t
y Var
2
1 1 1 1 1 1 1
) )( ( ) )( (
c
o u c u c c u c v = = =
+ + t t t t t t
E y y E
0 ) )( ( ) )( (
1 1 1 1
= = =
+ + + k t k t t t k t t k
E y y E c u c c u c v
0
v
v

k
k
=
) 1 ( ) 1 (
2
1
1
2
1
2
2
1
0
1
1
u
u
u o
o u
v
v

c
c
+

=
+

= =
0
0
= =
v
v

k
k
Exerciii
S se traseze corelograma procesului: y
t
= 4 + c
t
0,7c
t 1
. Sa se
dea o reprezentare a procesului MA(1).
47 , 0
) 49 , 0 1 (
7 , 0
) 1 (
2
1
1
1
=
+
=
+

=
u
u

0 ...
10 4 3 2
= = = = =
Corelograma procesului MA(1)
0
0.2
0.4
0.6
0.8
1
1 2 3 4 5 6 7 8 9 10
decalaje, k
c
o
e
f
.

d
e

a
u
t
o
c
o
r
e
l
a
t
i
e

d
e

o
r
d
i
n
u
l

k
MA(2): y
t
= + c
t
- u
1
c
t-1
-

u
2
c
t-2
S se determine sperana matematic, variana, autocovariana i
funcia de autocorelaie de ordinul k pentru y
t
, aparinnd unui proces







Pentru k>2
= ) (
t
y E ) 1 ( ) (
2
2
2
1
2
0
u u o v
c
+ + = =
t
y Var
2
2 1
2
2 1
2
1
1 2 1 1 2 2 1 1 1 1
) 1 (
) )( ( ) )( (
c c c
o u u o u u o u
c u c u c c u c u c v
= + =
= = =
+ + t t t t t t t t
E y y E
2
2
2 1 1 2 2 2 1 1 2 2
) )( ( ) )( (
c
o u
c u c u c c u c u c v
=
= = =
+ + + t t t t t t t t
E y y E
0 ) )( (
2 2 1 1 2 2 1 1
= =
+ + + k t k t k t t t t k
E c u c u c c u c u c v
) 1 (
) 1 (
) 1 (
) 1 (
2
2
2
1
2 1
2
2
2
1
2
2
2 1
0
1
1
u u
u u
u u o
o u u
v
v

c
c
+ +

=
+ +

= =
0
0
= =
v
v

k
k
2
2
2
1
2
0
2
2
1 u u
u
v
v

+ +

= =
Exerciii
Fie procesul: y
t
= 4 + c
t
+ 0,4c
t-1
- 0,6c
t 2
. S se reprezinte corelograma i
procesul MA(2).






Pentru k>2, .
105 , 0
36 , 0 16 , 0 1
) 6 , 0 1 ( 4 , 0
) 1 (
) 1 (
2
2
2
1
2 1
1
=
+ +
+
=
+ +

=
u u
u u

395 , 0
36 , 0 16 , 0 1
6 , 0
1
2
2
2
1
2
2
=
+ +

=
+ +

=
u u
u

0 =
k

Corelograma procesului MA(2)


-0.5
0
0.5
1
1 2 3 4 5 6 7 8 9 10
decalaje, k
c
o
e
f
.

d
e

a
u
t
o
c
o
r
e
l
a
t
i
e

d
e

o
r
d
i
n
u
l

k
Ordinul unui proces MA(q)
Un proces MA(q) are:

FAC cu valori diferite de 0 pentru k < q
i
FAC cu valori nule pentru k > q.

S-ar putea să vă placă și