Sunteți pe pagina 1din 6

Seminar Econometrie – 6 - 10 ian.2014

MODELE AUTOREGRESIVE şi de MEDIE MOBILĂ

Modelul

ACF

PACF

AR(p)

Se amortizează tinzând la zero

Se anulează după lag-ul p

MA(q)

Se anulează după lag-ul q

Se amortizează tinzând la zero

ARMA(p,q)

Se amortizează tinzând la zero

Se amortizează tinzând la zero

Simularea unui proces MA(1) :

y

t

=

ε

t

+

θ ε

t 1

y

t

=

ε

t

+ 0,9*

ε

t 1

Am creat un fişier pentru 100 observaŃii

genr wn=nrnd smpl 1 1 genr maunu1=wn smpl 2 100 genr maunu1=wn+0.9*wn(-1)

smpl 1 100

(NRND generează numere aleatoare dintr-o distribuŃie N(0,1))

(

y

t

=

ε

t

+ 0,9*

ε

t 1

)

N(0,1)) ⇔ ( y t = ε t + 0,9* ε t − 1 ) Determinarea

Determinarea corelogramei seriei de date maunu:

- Din meniul workfile selectăm seria de date maunu. - Din meniul seriei maunu selectăm View/Correlogram. Se deschide o fereastră în care selectăm tipul seriei(level) şi numărul de lag-uri (10) ce vor fi incluse în calcule.

Am arătat că ACF pentru modelul de medie mobilă y

t

=

ε

t

+

θ ε

t 1

este:

ρ

0

=

1

;

ρ

1

=

θ

1

+

θ

2

şi

ρ

k

= 0

pentru k > 1 .

Să se determine ACF pentru modelul

y

t

=

ε

t

+ 0,9*

ε

t

1 şi să se reprezinte grafic.

ObservaŃie. Să observăm semnul coeficientului

ρ

0

=

1

;

ρ =

1

0,9

1

+

(0,9)

2

= 0,497 ;

ρ

k

= 0

ρ

1 , în cele 4 modele MA(1).

> 1 . ReprezentaŃi grafic!

pentru k

genr maunu2=wn-0.9*wn(-1)

(

y

t

=

ε

t

0,9*

ε

t

1

)

⇔ ( y t = ε t − 0,9* ε t − 1 ) ρ =

ρ =

0

1 ;

ρ =

1

0,9

1

(

+ −

0,9)

2

=− 0,497 ;

genr maunu3=wn+0.5*wn(-1)

(

ρ

y

t

k

=

= 0

ε

t

pentru k > 1 . ReprezentaŃi grafic!

+ 0,5*

ε

t

1

)

> 1 . ReprezentaŃi grafic! + 0,5* ε t − 1 ) ρ 0 = 1

ρ

0

=

1

;

ρ

1

=

0,5

1

+

(0,5)

2

=

?;

ρ

1

=

0,4;

ρ

k

= 0

pentru k > 1 . ReprezentaŃi grafic!

genr maunu4=wn-0.5*wn(-1)

ρ =

0

1 ;

ρ

1

=

0,5

1

(

+ −

0,5)

2

= ?;

(

y

t

=

ε

t

ρ

1

= -0,4;

ρ

0,5*

ε

t

1 )

k

= 0

pentru k > 1 . ReprezentaŃi grafic!

) k = 0 pentru k > 1 . ReprezentaŃi grafic! Modelul de medie mobilă de

Modelul de medie mobilă de ordinul doi, MA(2)

y t

=

ε

t

+

θ ε

1

t

1

+

θ ε

2

t

2

, unde

ε

t

~

(0,

WN σ

2 )

.

Am determinat, la curs, funcŃia de autocorelaŃie (ACF), a lui

y

t

. Am obŃinut:

ρ

0

= 1

,

ρ

1

=

1

θ

1

+

+ θθ

1

2

2 +

θ

1

θ

2

2

,

ρ

2

=

θ

2

1

+

2

θ

1

+

2

θ

2

genr wn=nrnd smpl 1 1 genr madoi=wn smpl 2 2 genr madoi=wn-0.5*wn(-1) smpl 3 100 genr madoi=wn-0.5*wn(-1)+0.25*wn(-2)

smpl 1 100

şi

ρ

k

(

y

t

= 0

pentru k > 2 .

=

ε

t

0,5

ε

t

1

+

0,25

ε

t

2

)

. = ε t − 0,5 ε t − 1 + 0,25 ε t − 2

ObŃinem:

ρ =

0

1

,

ρ

1

=

-0,476,

ρ

2

=

0,191, şi

ρ

k

= 0

pentru k > 2 .

Simularea unui proces AR(1):

Am creat un fişier pentru 100 observaŃii

genr wn=nrnd smpl 1 1 genr arunu=wn smpl 2 100 genr arunu= 0.8*arunu(-1)+wn smpl 1 100

y =

t

0,8 *

y

t

1

+ε

t

şi

y =−

t

0,8*

y

t

1

+ε

t

t 0,8 * y t − 1 + ε t şi y =− t 0,8* y

Pentru un modelul AR(1):

ACF este:

=

y =φy

t

2

φ ρ

k 1

=

şi

φ

kk

= 0

=

t

1

+ε

t

am arătat că:

k

, k

ρ

k

φρ = ρ = φ

=

1

k

1

L φ

. pentru k > 1 .

PACF este: φ

11

Să se determine ACF şi PACF pentru modelul

ACF este:

PACF este:

Procesul este staŃionar deoarece

genr arunu2= -0.8*arunu2(-1)+wn

y =

t

2

=

0,8*

0,64

= φ =

ρ

φ

0

=

1

;

ρ

1

11

= ρ = φ =

1

0,8

0,8

;

ρ

2

2

= φ =

(0,8)

şi

φ

kk

φ

= 0

< 1

pentru k > 1 .

.

(

y =−

t

0,8*

y

t

1

+ε

y

;

t

t

)

1

+ε

ρ

3

t

3

.

= φ =

(0,8)

3

=

0,512

;

y ; t t ) − 1 + ε ρ 3 t 3 . = φ

ACF este:

PACF este:

ρ

φ

0

11

=

1

;

ρ

1

= φ = −

0,8

= ρ = φ = −

1

0,8

şi

;

ρ

2

φ

kk

2

= φ = −

(

0,8)

2

=

= 0

pentru k > 1 .

0,64

;

ρ

3

3

= φ = −

(

0,8)

3

= −

0,512

;

Simularea unui proces AR(2):

y =

t

1,1*

y

t

1

0,6*

y

t

2

+ε

t

y =φ y

t

1

t

1

+φ y

2

t

2

+ε

t

Am creat un fişier pentru 100 observaŃii

genr wn=nrnd smpl 1 1 genr ardoi=wn smpl 2 2 genr ardoi=1.1*ardoi(-1)+wn smpl 3 100 genr ardoi=1.1*ardoi(-1)-0.6*ardoi(-2)+wn smpl 1 100

3 100 genr ardoi=1.1*ardoi(-1)-0.6*ardoi(-2)+wn smpl 1 100 Modelul AR(2) poate fi scris în mai multe moduri

Modelul AR(2) poate fi scris în mai multe moduri echivalente:

y

y

(1φ Lφ L )y =ε

t

t

=φ y

1

φ y

1

1

t

1

t

1

+φ y

2

t

2

φ y

2

2

2

t

2

t

+ε

=ε

t

t

t

Φ(L) y = ε , unde Φ ( L ) =

t

t

(1

φ L φ L

1

2

2

)

este polinomul autoregresiv al procesului AR(2).

Procesul este staŃionar iar polinomul

ecuaŃiei

Φ

L =

)(1

(

)

(1

1

φ L φ L

1

2

0

)

este inversabil dacă rădăcinile

se află în afara cercului unitate, adică

se află în interiorul

2

z

1

>

1

Φ

şi

z ) =

(

z

2

(1

1

>

φ z φ z

1

2

)

=

2

(1

λ z

1

λ z ) =

sau echivalent, rădăcinile ecuaŃiei

P

(

2

λ = λ φ λ φ =

)

1

2

0

cercului unitate, adică

Pentru ca ultimele două condiŃii să fie îndeplinite trebuie ca cei doi parametri ai modelului să

λ

1

< 1

şi

λ

2

<

1

.

satisfacă următoarele condiŃii: 2 φ ± φ + 4 φ 1 1 2 = .
satisfacă următoarele condiŃii:
2
φ
± φ
+ 4
φ
1
1
2
=
.
λ 1,2
2

φ +φ <

1

2

1

,

φ φ < şi |

2

1

1

|

φ <

2

1

.

EcuaŃiile Yule-Walker:

ρ k

φ ρ

1

k

1

φ ρ

2

k

2

= 0

sau

ρ k

Determinarea funcŃiei ACF:

k= 1

k= 2

k> 2

ρ

1

ρ

ρ

2

k

φρ

1

0

φ ρ

2

1

= 0

=

φρ

1

1

φρ

1

k

1

φ ρ

2

0

= 0

+

φ ρ

2

k

2

Determinarea funcŃiei PACF:

Scriem ecuaŃiile Yule-Walker

=

φ ρ

1

k

1

+

φ ρ

2

k

2

pentru k > 0 .

ρ (1φ ) =φ

1

2

1

ρ

2

=

φρ

1

1

+

φ

ρ

1

=

2

ρ

2

φ

1

1 φ

2

=

2

φ

1

1

φ

2

+ φ

2

ρ =φ +ρφ 1 1 1 2 ρ =ρφ +φ 2 1 1 2 CoeficienŃii
ρ =φ +ρφ
1
1
1
2
ρ
=ρφ +φ
2
1
1
2
CoeficienŃii de autocorelaŃie parŃială sunt:
= ρ
,
φ 11
1
1
ρ
1
ρ
ρ
2
ρ
− ρ
1
2
2
1
φ
=
=
≠ 0
22
2
1
ρ
1 −
ρ
1
1
ρ
1
1
= 0
pentru k > 2 .
φ kk
Ex1.
y =
0,6
y
0,08
y
t
t
−1
t
−2
t

VerificaŃi dacă este îndeplinită condiŃia de staŃionaritate.

Avem

φ =

1

(1

şi

φ Lφ L

0,6

1

φ =−

)

2

2

0,08

2

2

Φ ( L ) =

Φ ( z ) =

P

(1

2

φ zφ z

1

2

)

=

λz

(1

P λ =λ

)

1

)(1

(

< 1

şi

şi

z

2

2

2

λ

2

=

1/

λ z ) =

0,6

<

0

λ+

(

λ = λ φ λ φ =

)

1

2

0

λ =

1

0,4

şi

λ

2

=

0,2

, deci

z

1

=

1/

λ =

1

1/ 0,4

=

λ

1

2,5

1

.

0,08

=

0

1/ 0,2

=

5

Rezultă

CondiŃia de staŃionaritate este îndeplinită.

λ =

2

, deci

Ex2.

a) CalculaŃi ACF şi reprezentaŃi corelograma asociată.

b) CalculaŃi PACF şi reprezentaŃi corelograma corespunzătoare.

Avem

ACF:

y =

t

φ =

1

1,1

y

1,1

t

1

şi

0,6

y

t

2

φ =−

2

0,6

+ε

t

ρ

1

=

ρ =

2

φ

1

1,1

φ

2

1

;

− −

(

0,6)

ρ

3

= −

=

1

0,15625

= 0,6875

0,24062

;

4

ρ =−

PACF:

0,35843

φ

11

φ

22

= ρ =

1

0,6875

,

=

ρ

2

2

ρ

1

1

2

ρ

1

= 0,6

φ

kk

= 0

pentru k > 2

z

1

>

1

şi

z

2

>

1

.