Procesele aleatoare nestaionare

Cronicile economice rareori sunt realizri ale

proceselor aleatoare staionare. Nonstaionaritatea
proceselor poate avea legtur att cu momentul de prim
ordin (sperana matematic), ct i cu cel de ordin secund
(variana i covariana procesului). n procedura Box i
Jenkins, nonstaionaritatea este stabilit grafic (tendin,
ciclu lung, sezonalitate exploziv, modificarea
structurii) sau chiar prin intermediul funciei de
autocorelare i a spectrului seriei brute (funcia de
autocorelare este lent descresctoare, spectrul rou). n
anii 1970-1980 nu era o analiz riguroas, teste s
permit descoperirea acestei nonstaionariti. n
consecin, transformrile folosite erau filtre ale
diferenelor i formula Box-Cox care coninea, drept caz
particular, logaritmul datelor. n aceste condiii, deseori se
ntmpla ca transformrile s fie slab adaptate
caracteristicilor de nonstaionaritate, efectul fiind
introducerea n cronic a micrilor parazitare (de
exemplu artefactul Adelman observat pe spectrul unei
serii filtrate prin diferene de ordinul I). ncepnd cu
lucrrile Nelson i Plosser (1982), cazurile de
nonstaionaritate cele mai frecvente sunt analizate n baza
a dou tipuri de procese:
procesele TS (Trend Stationnary) care reprezint o
nonstaionaritate de tip determinist,
procesele DS (Differency Stationnary) pentru procesele
nonstaionare aleatoare.

Ele constituie, pentru cronici sezoniere sau nu, modele de

referin pentru construirea testelor de rdcin unitar n
absena heteroscedasticitii.
Descrierea proceselor TS i DS
n aceast seciune prezentm doar cazul procesului
nonsezoniere.
Procesele TS
Un proces TS se scrie x f , unde f t este o funcie
polinomial de timp, liniar sau neliniar i t un proces
staionar de tip ARMA.
Procesul TS cel mai simplu este reprezentat printr-o
funcie polinomial de ordinul unu. Acest proces se
scrie: x a a t .
Dac t este un zgomot alb (gaussian sau nu),
caracteristicile acestui proces sunt:
E x a a t E a a t
V x 0 V
covx , x 0 pentru t t
Acest proces TS este nestaionar deoarece E[x t ] depinde
de timp. Deoarece sperana este egal cu a 0 + a 1t, deci
este vorba la momentul t de o cifr sigur. n acest caz, se
pot estima n mod eficace parametrii a 0 i a1 ai tendinei
folosind metoda celor mai mici ptrate ordinare
(MCMMPO) asupra perechilor de valori (x t, t): aceti
estimatori posed proprietatea de a fi eficieni i
nondeplasai (Best Linear Unbiaised Estimator) i pot
t

deci fi folosii prin urmare pentru a realiza o previziune a

cronicii. Cunoscnd a i a , procesul x t poate fi
staionarizat reducnd valoarea x t n t cu valoarea estimat
a a t . n acest tip de modelare, efectul produs de un oc
(sau de mai multe ocuri aleatoare) la un moment t este
tranzitoriu. Modelul fiind determinist, cronica i va
regsi micarea pe termen lung, care aici este dreapta
tendinei. Este posibil de a generaliza acest exemplu la
funcii polinomiale de oricare ordin, dar, de asemenea, la
forme f t neliniare sau chiar la modele unde t este un
proces de tip ARMA.
0

Procesele DS
Procesele DS sunt procese care se pot transforma n
staionare prin folosirea unui filtru de diferene:
1 B x unde t este un proces staionar de tip
ARMA sau chiar un zgomot alb, o constant real i d
ordinul filtrului de difereniere.
Aceste procese sunt deseori reprezentate utiliznd filtrul
diferenelor de ordinul 1 (d = 1). Procesul, atunci, este
numit proces de ordinul unu. Ele se scrie:
1 B x
d

x x
t

t 1

unde t este un proces staionar de tip zgomot alb

(gaussian sau nu). Introducerea constantei n procesul
DS permite definirea a dou procese diferite:
= 0: procesul DS este numit fr deriv.
El se scrie: x x .
Este vorba de un proces autoregresiv de ordinul 1 cu
parametrul 1 sau chiar de o ecuaie de referin de
t 1

ordinul unu. Deoarece t e un zgomot alb, acest proces DS

poart
numele de mers aleatoriu
(Random Walk
Model). Foarte des se folosete pentru analiza eficienei
numeroaselor piee cum ar fi piaa produselor de rdcin
sau cea financiar.
Pentru a studia caracteristicile acestui model, l vom scrie
sub forma sa de medie mobil infinit:
x x
t 1

x x x x
t 1

t 2

t 1

t 2

t 1

x x x x , etc.
t 2

t 3

t 2

t 3

t 2

t 1

Dac primul termen al cronicii este x 0 , modelul atunci se

scrie:
t

x x
t

i 1

Caracteristicile acestui proces sunt (presupunnd x0 dat):

E x x
V x t
covx , x Mint , t daca t t
Acest proces este nestaionar n varian, deoarece ea
depinde de timp. Aceast nestaionaritate este aleatoare.
Pentru a staionariza modelul este suficient de a aplica
procesului filtrul de diferene de ordinul 1:
x x 1 B x
n scrierea desfurat a modelului, se constat c
reprezint n t o acumulare de ocuri aleatoare de la 1
t

t 1

i 1

la t. Deci, fiecare din ele va avea un efect permanent

asupra seriei brute ceea ce are drept consecin lrgirea
seriei de la valoarea sa iniial x0 . Dac, la un moment dat
t se produce un oc important asupra seriei, efectul acestui
impuls ndeprteaz valoarea seriei brute de la punctul de
impact i efectul este permanent (i deci netranzitoriu).
- 0 : procesul are denumirea de proces DS cu deriv.
4

El se scrie: x x .
Ca i n cazul precedent, se poate cerceta forma sa
echivalent desfurat:
t

t 1

xt xt 1 t

xt 1 xt 2 t 1 xt xt 2 2 t 1 t
xt 2 xt 3 t 2 xt xt 3 3 t 2 t 1 t
etc.

Dac presupunem c valoarea iniial

i determinist, obinem:

a fost cunoscut

x0

xt x0 t i
i 1

Se pot analiza caracteristicile acestui proces:

E xt x0 t

V xt t 2

covxt , xt 2 Mint , t daca t t

Procesul este nestaionar prin sperana i variana sa.

Sperana fiind de aceiai form ca cea a procesului TS, se
recunoate n acest proces o nestaionaritate determinist
i aleatoare n acelai timp.
Staionarizarea acestui proces se efectueaz folosind
filtrul diferenelor de ordinul1:
xt xt 1 t 1 B xt t

Sau folosind forma desfurat:

x x t i calculnd: x x t 1
t 1

i 1

t 1

i 1

Obinem:
xt xt 1 1 B xt t

Consecinele unei slabe staionarizri a procesului

Pentru a staionariza un proces TS, metoda cea bun este
metoda celor mai mici ptrate ordinare(MCMMPO), iar
pentru un proces DS trebuie de folosit filtrul diferenelor.
n continuare ne vom interesa de consecinele unei
5

alegeri proaste a tehnicii de staionarizare pentru un

proces. Vom aplica n acest scop studiile Chan K.H.,
Hayya J.C. i Ord J.K.(1977) i Nelson C.R. i Kang
H.(1981), care
au analizat repercusiunile asupra
reziduurilor unei alegeri nereuite a procesului de
staionarizare de la bun nceput.
Consecinele asupra un proces TS
Pentru un proces TS, metoda cea bun de staionarizare
este metoda celor mai mici ptrate ordinare. Vom
presupune c pentru procesul TS de ordinul 1 se aplic
un filtru de diferene primare. A priori, deoarece ordinul
polinomului este 1, acest filtru poate fi considerat ca fiind
corect pentru c un filtru de diferene de ordinul d elimin
un polinom de acelai ordin.
x t cu i.i.d .0,
2

xt 1 0 1 t 1 t 1

xt xt 1 1 B xt 1 t t 1
xt 1 t

Prin analogie cu cazul precedent,

caracteristicile acestui nou proces:

vom

calcula

E xt 1

covxt , xt h

Ext E xt xt h E xt h
E t t h
E t t 1 t h t h1

De unde:
2 2 h 0

h 2 h 1;1
0 in celelalte cazuri

Funcia de autocorelare

h
0

se scrie

2 2

1
h0
1
h
h 1;1
2
in celelate cazuri
0

Procesul obinut x t nu are caracteristicele unui zgomot

alb deoarece h (sau h ) nu este o funcie de
autocovarian a unui zgomot alb. Aplicarea unui filtru cu
diferene a creat o perturbare artificial.
Rezultatul poate fi analizat ntr-o manier diferit apelnd
la analiza n domeniul frecvenelor. Procesul x t care
conine o tendin determinist are un spectru de tip rou,
adic foarte mult legat de bazele frecvenei, prin existena
tendinei pe care analiza Fourier o asimileaz unei
perioade de lungime infinit. Atunci cnd se aplic
metoda cea bun pentru a staionariza o cronic, rmne t
care trebuie s fie spectrul unui zgomot alb (paralel cu axa
frecvenelor). Cu filtrul diferenelor, se obine
x y
care este un MA(1) neinversabil cu
constant.
Deoarece spectrul teoretic al unui MA(1) este:
f 2 1 2 cos 2 .
Pentru 1 = 1, polinomul operatorului are o rdcin pe
cercul unitar, fie:
f 4 1 cos 2 .
Derivata sa f 8 sin 2 are drept rdcini = 0 i =
i este strict pozitiv pentru 0;1 / 2 . Funcia f() este deci
cresctoare; deci nu este un zgomot alb.
t

t 1

Consecinele asupra unui proces DS

Metoda bun de staionarizare pentru un proces DS de
prim ordin este filtrul diferenelor primare.
7

Vom presupune c se aplic metoda celor mai mici

ptrate ordinare (regresie asupra timpului) asupra
observaiilor unui eantion al procesului. Reziduul acestei
regresii este deci un zgomot alb.
Nelson i Kang arat c, n acest caz, reziduurile sunt de
medie nul, dar covariana lor depinde de mrimea
eantionului i de timp. n baza simulrilor, ei indic c
eliminarea unei tendine lineare asupra unui proces de
mers aleatoriu creeaz artificial o autocorelare puternic a
reziduurilor pentru primele ntrzieri i deci introduc un
mers pseudo-periodic de amploare, cu att mai important
cu ct numrul observaiilor cronicii iniiale este mai
mare. n cazul n care t sunt autocorelate pozitiv (t se
supune unui AR(1) n simulrile autorilor) concentrarea
greit cu frecvene joase a spectrului reziduurilor este
ntrit, pe cnd ea este atenuat n cazul unei autocorelri
negative.
n concluzie, cnd procesul TS linear este considerat ca
fiind un proces DS, are loc amplificarea valorilor
spectrale de nalte frecvene care indic introducerea n
cronica tratat a unei micri ciclice scurte. A contrario,
atunci cnd o serie DS este din punct de vedere statistic
tratat ca fiind TS, spectrul seriei transformate posed o
concentrare de puteri spectrale n jurul frecvenelor slabe.
Are loc crearea, n cronica transformat, unei micri
ciclice lungi. Aceste rezultate arat pe plan statistic i n
particular pentru a calcula o previziune, c o alegere a
unui proces DS sau TS ca structur a cronicii eantionului
nu este neutr.
Consecinele sunt la fel importante pe plan economic.
Vom considera, de exemplu, PIB-ul unei ri ca Frana n
8

valoare real. Dac PIB-ul este mai degrab DS dect TS,

ar trebui s ne ndoim de descompunerea tradiional
(tendin i ciclu) i justificarea sa teoretic:independena
schemelor explicative. Dac PIB-ul este de fapt un DS,
creterea i ciclul sunt legate i nu pot fi, n consecin,
studiate n mod separat. Or, conform lucrrilor lui Nelson
i Plosser (1982) asupra cronicilor macroeconomice
americane, variabilitatea constatat a componentei
conjuncturale s-ar datora unei structuri DS. Deoarece
pn n prezent, analiza acestei componente are loc n
baza reziduului unei regresii ntre PIB i o tendin
determinist, aceast analiz supraestimeaz amplitudinea
ciclului i subestimeaz importana tendinei.
n baza acestei constatri, Beveridge S. i Nelson C. R.
(1981) propun o descompunere a proceselor conform unei
tendine stocastice (permanente) care se supune unui mers
aleatoriu cu sau fr deriv i o component staionar
(tranzitorie). Prin urmare Harvey A.C. (1988) folosete
modelele structurale cu componente neobservabile (model
tendin plus ciclu i tendin-ciclu) reprezentate sub
forma unui model spaiu de stri estimat prin filtru
Kalman.
Graficul 1 ilustreaz alura acestor dou procese generate
(YD = procesul DS cu deriv, YT = procesul TS), vom
remarca similitudinea alurii pentru fiecare grafic : n
consecin , procesul cu deriv este DS i TS n acelai
timp. O simpl examinare a graficului nu ne permite de a
determina tipul procesului, trebuie de recurs la teste
statistice.
9

1200

250

1000

200

800

150

600

100

400

50

200

0
20

40

60

80

100 120 140 160 180 200

-50
20

40

60

80

100 120 140 160 180 200

YD

YT

Graficul 1 Cele 2 procese generate

Examinarea celor dou corelograme a proceselor pentru
diferenele de ordinul1 indic un zgomot alb pentru
DYD ( Figura 1) , deoarece toi termenii aparin
intervalului de ncredere. Drept revan, corelograma
procesului DYT ( Figura 2) are primul su termen
semnificativ diferit de 0, rezult c procesul DYT nu mai
este un zgomot alb.
1

0.8

0.6

0.4

0.2

0
1

10

11

12

13

14

15

-0.2

-0.4

-0.6

-0.8

-1

10

0.8

0.6

0.4

0.2

0
1

10

11

12

13

14

15

-0.2

-0.4

-0.6

-0.8

-1

Figura 1 Corelograma procesului DYD Figura 2

Corelograma procesului DYT
Examinarea acestor dou corelograme ale proceselor
staionare prin regresionarea asupra timpului indic un
zgomot alb pentru
RES1, reziduu procesului YT, (
Figura 3) deoarece toi termenii aparin intervalului de
ncredere.
. Drept revan, corelograma procesului
RES2 (
Figura 2), reziduu procesului YD este
caracteristic unui proces nonstaionar. Termenii
corelogramei descresc foarte slab, RES2 nu mai este un
zgomot alb.

11

0.8

0.6

0.4

0.2

0
1

10

11

12

13

14

15

-0.2

-0.4

-0.6

-0.8

-1

0.8

0.6

0.4

0.2

0
1

10

11

12

13

14

15

-0.2

-0.4

-0.6

-0.8

-1

Figura 3 Corelograma procesului RES1 Figura 4

Corelograma procesului RES2
Testele bazelor unitare nonsezoniere
Chiar din introducere s-a observat ca structurile DS si
TS joaca un rol foarte important n reflectarea statistic a
unei cronici. Totui, care dintre aceste structuri poate fi
aleas? Testele de detectare a bazei unitare n procesele
generatoare ncearc s rspund la aceasta chestiune.
Pentru nceput vom prezenta testul Dickey-Fuller simplu
(1979), i mai apoi testul Dickey-Fuller extins (1981) care
permite de a pune n eviden caracterul staionar sau
nestaionar al unei cronici prin determinarea unei tendine
12

deterministe sau stocastice; apoi extinderile acestor dou

teste sunt expuse n felul urmtor: Phillips i Perron
(1988) i KPSS (Kwiatkowski si al., 1992)
Testele Dickey-Fuller simple
Modelele de rdcin
Exist trei tipuri de modele ce stau la baza construirii
acestor teste :
[1] 1 B x a
Model autoregresiv de ordinul I: AR (1)
[2] 1 B x a Modelul AR(1) cu
constant, unde
E[ x ] =
[3] 1 B x t a Modelul AR(1) cu trend
i a i.i.d .0;
Principiul acestor teste: dac n unul din aceste
modele 1, atunci polinomul operatorului de proces
conine rdcin unitar (Unit Root) B=1. Procesul,
conform teoremei lui Doob, este nonstaionar. Modul de
specificare depinde de datele iniiale.
Caracterizarea modelelor
Modelul [1]
t

2
a

1 1 B x t

a t x t x t 1 a t

Fie ipoteza H 0 : 1
Modelul se prezint n baza acestei ipoteze:
1

1 B xt

at xt xt 1 a t xt x0 ai
i 1

Se consider un model DS cu mers aleator a crui

caracteristici nonstaionare au fost descrise anterior:
Dac H0 este acceptat atunci procesul staionarizat este:
xt at

Dac ipoteza alternativ H1 :

x este un AR(1) staionar.

1 1 este

acceptat, atunci

13

Modelul [2]
1 1 B xt at
unde c 1 1

xt 1 xt 1 c at

pentru H0 : 1
Modelul se scrie (avnd c=0 n consecin): x x a
Acesta este un model DS cu mers aleator(pentru
modelul [1]).
Se va reda staionar prin transformarea: x a
Pentru ipoteza alternativ: H1 : 1 avem AR(1) staionar
cu constant.
Modelul [3]
1

t 1

1 1 B xt t at
xt 1 xt 1 bt c at

cu c 1 i b 1
Pentru H0 : 1
Atunci b=0 i c = i modelul va fi: x x a
Se consider un mers aleator cu deriv (procesul DS cu
deriv)
Soluia sa are forma urmtoare: x x t a
1

t 1

i 1

Este nonstaionar, determinist i aleator n acelai timp. Se

va prezenta staionar prin intermediul filtrului cu
diferene de ordinul I: x a
Cu ajutorul ipotezei alternative H1: 1, modelul poate fi
scris,
nlocuind
t x t t : 1 1 B t a t
Considerm modelul: x t . Deoarece 1 1 B a este
t

un proces ARMA (partea MA infinit), procesul x este un

proces TS cu eroarea ARMA; se poate de redat staionar
t

14

calculnd abaterile n raport cu trendul estimat prin

metoda celor mai mici ptrate.
n concluzie, n tabel sunt prezentate tipologia modelelor

H0

H1

Tipologia modelelor
Modelul 1
Modelul 2
DS fr deriv DS fr deriv
de
Staionar
de Staionar
ordinul I
ordinul I
Nonstaionar de Nonstaionar
de ordinul 2
ordinul 2
AR(1)
AR(1)
cu
constant

Modelul 3
DS cu deriv
Nonstaionar
ordinul 1 i 2
TS cu
ARMA

de

eroare

Principiul testelor Dickey-Fuller

Pentru ipoteza H0 , procesul x nu este staionar n cazul
oricrui model. Conform legitilor uzuale din statistica
inferenial nu pot s fie aplicate pentru a testa aceast
ipotez, n particular distribuia Student pentru parametrul
. Dickey i Fuller au studiat distribuia asimptotic a
estimatorului pentru ipoteza H0 . Cu ajutorul simulrilor
formulate de Monte Carlo , ei au introdus aceste valori
critice ntr-un tabel pentru eantionri de volume diferite.
n 1976, Fuller consider modelul [1]: x x a cu
estimatorul de
x 0 i a i.i.d .0; . Dac se noteaz
maxim verosimilitate a lui . Se verific:
t

2
a

1 t 1

1 1

x
t 2
n

t 1 t

x
t 2

t 1

15

Aceasta i permite autorului s formuleze urmtoarea

teorem:
Dac 1 atunci modelul [1] va avea forma x x a .
t

i 1

Fie estimatorul M.C.M.M.P. astfel: ( 1) O n sau se

mai adaug: 0, M 0, M R , nct P 1 M n .
n funcie de aceast teorem autorul demonstreaz
convergena ( 1) , estimatorul M.C.M.M.P. a modelului:
x 1x a . Acest estimator converge mai repede spre
valoarea real dect n cazul cnd 1. Rubin (1950) a
demonstrat c este un estimator convergent oricare ar fi
valoarea lui , dar aceast statistic nu urmeaz o lege
normal. De aceea Fuller a utilizat simulri, cu ajutorul
metodei Monte Carlo, pentru a obine valorile critice.
Prin urmare, Dickey-Fuller au cuprins rezultatele i
modelelor [2] i [3], artnd c convergena 1 i ~ 1 a
estimatorilor M.C.M.M.P. a ( 1) . Autorii au ncercat s
testeze valoarea ( 1) ce va substitui valoarea n scopuri
doar statistice. Aceasta nu afecteaz testul. Astfel,
x x a se prezint i n forma:
1

t 1

*
1

1 t 1

xt xt 1 1 xt 1 xt 1 at
xt 1 1xt 1 at

Deci, este echivalent cu testarea ipotezei H0 : 1 unde

1 0 . Se stabilesc t - statistici, ca i n cazul
distribuiei Student a modelului liniar general. Testele
constau n:
estimarea prin M.C.M.M.P. a parametrului 1 a celor
trei modele: , , ~ ;
estimatorul M.C.M.M.P. ce furnizeaz t , t , t pentru
1

exemplul

t p

p*

~
p

1 1
p
16

Dac t t , atunci se accept ipoteza H0 , adic exist

rdcin unitar.
Testul se realizeaz ca i pentru modelele de tipul [2] i
[3].
n acelai timp, se poate nota c n cazul acceptrii
ipotezei H0 , nu se pot aplica testele Student clasice
pentru ali coeficieni (b i c), dar se recurge la tabelele
statistice alctuite prin simulare.
p

tabelar

Remarc: Principalele logisiele de analiz a seriilor de

timp calculeaz n mod automat valorile critice a lui t .
Aceste teste relev existena unei rdcini unitare, dar
rmn insuficiente pentru discriminarea proceselor TS i
DS peste tot pentru modelele [2] i [3], care introduc alte
variabile explicative dect x . n consecin, ele fiind
completate de testele adugate.
p

t 1

Testele ipotezelor adugate

Testele ipotezelor suplimentare se refer la modelele [2]
i [3]. Ele permit detectarea unei rdcini unitare i
distingerea mersului aleator ale proceselor TS liniare.
Modelul [2]
xt 1 xt 1 c at

unde c 1 1

Se efectueaz testul de detectare a rdcinii unitare, apoi

testul ipotezei suplimentare notat H : (c; ) (0;1) contra
ipotezei H .
Pentru a realiza acest test, se calculeaz statistica empiric
F1:
1
0

1
1

F1

SCRC SCR2 / 2
SCR2 / n 2

17

unde:
SCR - suma ptratelor reziduurilor ale modelului [2]
aferent ipotezei H , avnd
C

1
0

SCRc xt xt 1

= suma ptratelor reziduurilor ale modelului [2] care

nu corespund estimrilor prin M.C.M.M.P..
n numrul observaiilor utilizate pentru estimarea
parametrilor modelului1.
Gradele de libertate de la numrtor (SCR SCR ) este egal cu
n 0 n 2 , deoarece nici un parametru nu e estimat n
modelul reinut. n cazul cnd H este acceptat , atunci
valoarea nul a lui c poate rezulta din cauza mediei nule
a seriei de timp. Se realizeaz, deci, un test de
normalitate, chiar dac seriile economice (necentrate) sunt
rareori de medie nul.
Aceast statistic F1 este similar unei legi Fisher.
Dickey i Fuller au introdus valorile critice ale
distribuiei empirice i asimptotice (este asemntor i
pentru statisticile F2 i F 3 ). Dac F 1 este superior valorii
1 citit2 n tabelul pentru pragul de semnificaie , atunci
se respinge ipoteza H pentru pragul de semnificaie .
Modelul [3]
Avem:
SCR2

1
0

1
0

xt 1 xt 1 bt c at
b 1 1

c 1 1 1

Unii autori consider c n este numrul de observaii disponibile iniial, n timp ce regresia asupra unui model
autoregresiv determin pierderea unei observaii. De aceea, pentru aceti autori, n statistica F 1 gradele de libertate
pentru SCR 2 este deseori egal cu n-1-2=n-3
2
Tabelele statistice se gsesc n Dickey-Fuller, 1981, p.1063

18

Conform testului rdcinii unitare, se efectueaz pentru

acest model urmtoarele teste a dou ipoteze
suplimentare:
unul din parametru este
H : (c; b; ) (0;0;1) contra ipotezei
diferit.
H : (c; b; ) (c;0;1) contra ipotezei unul parametru este diferit.
Pentru ipoteza H , se calculeaz statistica F 2 :
2
0

3
0

2
0

F2

Pentru ipoteza

H 03

SCRC SCR3 / 3
SCR3 / n 3

, se calculeaz statistica F 3:
SCR SCR / 2
F
3
c

SCR3 / n 3

unde:
- suma ptratelor reziduurilor ale modelului [3]
aferent ipotezei H ;
SCR x x c
- suma ptratelor reziduurilor ale
SCRC

2
0

3
c

t 1

modelului [3] ce corespunde ipotezei H

SCR = suma ptratelor reziduurilor ale modelului [3] care
nu corespund estimrilor prin M.C.M.M.P..
n numrul observaiilor utilizate pentru estimarea
parametrilor modelului.
Gradele de libertate de la numrtor (SCR SCR ) sau
( SCR SCR ) sunt egale cu [(n-0)-(n-3)], respectiv cu [(n-1)(n-3)], innd cont de numrul de parametri estimai.
Statisticile F2 i F3 sunt similare unei legi Fisher, n cazul
tabelelor Dickey-Fuller . Dac F2 este superior valorii
citite n tabelul 2 , atunci se respinge ipoteza H pentru
un prag de semnificaie . Iar dac F 3 este superior
valorii citite n tabelul 3 , se va respinge ipoteza H la
fel pentru un prag de semnificaie .
3
0

3
c

2
0

3
0

19

Concluzie: Vom constat c pentru a realiza testul

Dickey-Fuller , rezultatul nu este identic cu cel n urma
utilizrii a unui model din cele trei ca fiind proces
generator al cronicii iniiale. Deci, concluziile la care ne
referim sunt diferite i pot duce la transformri eronate.
Acesta este motivul pentru care Dickey i Fuller i ali
autori, au elaborat strategii ale testelor. Acestea din urm
sunt numeroase, dar au fost totui sintetizate i prezentate
exhaustiv de ctre Ertur (1992). Vom prezenta o strategie
de test care prezint i un avantaj al simplitii. Aceast
strategie este facil automatizat cu ajutorul instrumentelor
de programare Eviews.
Testele Dickey-Fuller extinse
Transformrile modelelor de rdcin
Pentru testele Dickey-Fuller simple, procesul a
este un zgomot alb prin ipotez. Or nu este nici un rezon,
a priori , ca eroarea s fie necorelat; se numesc teste
Dickey-Fuller Extinse (DFA, 1981) luarea n consideraie
a acestei ipoteze.
t

Vom considera, de exemplu, modelul [1], ce poate fi

scris astfel:
1 B x z unde z este un proces AR(p-1).
z z a
unde a i.i.d .0; .
1

p 1

i 1

i t i

2
a

se scrie de asemenea utiliznd polinomul

operatorului: ( B) z a . Multiplicnd ambii membri ai
procesului AR(1) autocorelat de ( B) , vom avea:
( B )1 B x a sau de AR(p):
zt

p 1

p1

p 1

20

xt 1 1 xt 1 ... p 1 p 21 xt p 1 p 1 1 xt p a t

[A]
Procesul x urmnd un AR(1) cu erori autocorelate de
ordinul (p-1) este echivalent cu un AR(p) ce are erori
necorelate, procesul fiind nlbit. Testele Dickey-Fuller
simple pot fi aplicate. Deseori scrierea modelului x t
este mai complex complexe lund n considerare
prezena j.
t

Fie AR (1)
xt xt 1 at

xt xt 11 xt 1 1xt 1 a unde a t i.i.d .(0; a2 )

Procesul AR(2)
xt 1 xt 1 2 xt 2 at

xt xt 1 1 xt 1 xt 1 2 xt 1 2 xt 1 2 xt 2 a

xt 1 2 1xt 1 2 xt 1 xt 2 at
xt 1 2 1xt 1 2 xt 1 at

Procesul AR(3)
xt 1 xt 1 2 xt 2 3 xt 3 at
xt xt 1 1 xt 1 xt 1 2 xt 1 2 xt 1 2 xt 2 3 xt 1 3 xt 1 3 xt 3 3 xt 2 3 xt 2 a

xt 1 2 3 1xt 1 2 xt 1 xt 2 3 xt 2 xt 3 at

xt 1 2 3 1xt 1 2 3 xt 1 3 xt 2 at

S-a dedus prin recuren forma AR(p):

xt 1 xt 1 ... p xt p at

p 1
p

xt k 1 xt 1 k xt j at
j 1 k j 1
k 1

Utiliznd pentru
avea:

1 , 2 , .... p

coeficienii formei [A], vom

21

 1 1 1
2 2 11
....

p 1 p 1 p 21
p p 11

Expresia [B] obine forma:

p

k xt j at

xt 1 1 2 11 ... p 1 p 21 p 11 1xt 1 k j 1
p 1
j 1

k xt j at

xt 1 1 1 ... p 1 1 2 ... p 1 1 xt 1 k j 1
p 1
j 1

p 1

p
1 11 1 ... p 1 xt 1 k k 1 j xt j at
j 1 k j 1

care poate fi scris:

p

xt xt 1 j xt j 1 at
j 2

Pentru a testa prezena bazei unitate se cere mai nti

testarea semnificaiei coeficientului care se afl pe lng
x ca i pentru testul Dickey-Fuller simplu.
De unde ipoteza H testat este:
t 1

H 0 : 1 11 1 ... p 1 0 1 1 0 sau 1 1

Aadar, cnd erorile sunt corelate n modelul [1], se

va prezenta modelul iniial cu ajutorul expresei
precedente (fie deci modelul [4]), care va evidenia
rdcina unitar pentru H ce implic aceeai procedur a
testului Dickey-Fuller. Demonstrrile precedente se refer
la modelele [2] i [3] notate respectiv modelele [5] i [6].
n concluzie, desfurarea testului este identic
cazului precedent: detectarea rdcinii unitare , testul
ipotezei suplimentare i n final strategia de testare.
0

Principiile testului DFA i testele ipotezelor suplimentare

22

p 1

Fie:

z t i z t i a t
i 1

unde at i.i.d .(0; a2 )

B z t at i B un polinom a operatorului cu grade de libertate ( p 1)

Specificarea modelelor
Modelul [4]
1 1 B xt

zt

Pentru ipoteza nul a unei rdcini unitare 1, modelul

devine:
x x z i x z fiind: B x a
Aici este vorba de un proces DS autocorelat, caracterizat
printr-o nonstaionaritate stocastic i staionar n
diferene.
n cazul ipotezei alternative 1, procesul x este AR(p);
expresia modelului este urmtoarea: A(B) x a cu
AB B 1 B un polinom ntrziat de ordinul p. Deci, vom
avea un proces AR(p) asimptotic staionar.
Modelul [5]
1

t 1

1 1 B xt z t

care poate fi scris:

B 1 1 B xt at
B 1 1 B xt B 1 1 B at
B 1 1 B xt c a unde c B 1 1 B

n cazul ipotezei nule a rdcinii unitare

, vom avea:

xt xt 1 z t unde xt z t i B xt at

Vom considera un proces DS autocorelat, caracterizat de

o nonstaionaritate stocastic i staionar n diferene cu
c=0.
n cazul ipotezei alternative 1, avem modelul:
B 1 B x a
sau:
AB x a cu AB B 1 B
un
polinom ntrziat de ordinul p.
1

AB xt c at unde c AB 0

23

Deci, avem procesul AR(p) cu constanta asimptotic

staionar.
Modelul [6]
1 1 B xt t z t

Fie:
B 1 1 B xt t at

O demonstrare similar celei

descrierea modelului sub forma:

precedente

permite

B 1 1 B xt c bt at

unde b B1 B i c B 1
Pentru ipoteza nul a rdcinii unitare 1, vom avea:
x x z i x z . Fie B x c a , unde c B
Referitor la
un proces DS cu deriv autocorelat,
caracterizat
de o nonstaionaritate de natur mixt:
determinist i stocastic.
Pentru ipoteza alternativ 1, procesul este de tipul TS
caracterizat de un trend determinist i de forma:
1

t 1

1 1 B t z t

sau
AB xt B B t at unde AB B 1 1 B

Efectuarea testelor
Testele ADF se bazeaz, n cazul ipotezei alternative 1,
pe estimatorul M.C.M.M.P. calculat pentru cele trei
modele:
1

Modelul [4]:

xt xt 1 j t j 1 at
j 2

Modelul [5]:

xt xt 1 j t j 1 c at
j 2

Modelul [6]:

xt xt 1 j t j 1 c bt at
j 2

24

unde a i.i.d .(0; )

cazulului
Testul se deruleaz n mod asemntor
testelor Dickey-Fuller simple. Tabelele utilizate sunt cele
realizate de ctre MacKinnon (1991). Astfel, efectund
un numr mare de simulrii MacKinnon a estimat pentru
eantioane de diferite volume i pentru oricare numr de
variabile explicative valorile critice pentru testele
rdcinii unitare. Eviews indic n mod automat valorile
critice obinute din tabelele MacKinnon.
t

2
a

Determinarea numrului de decalaje:

Dificultatea, pentru a utiliza acest tip de test, rezid n a
cunoate a priori pentru
modelul AR z ordinul lui.
Numrul de ntrzieri p trebuie de gsit pentru a elimina
autocorelaia
z . Metoda cea mai simpl const n
reinerea unei valori p importante i, mai apoi, a elimina
progresiv n funcie de semnificaia ntrzierilor (n acest
caz se aplica testele Student clasice). Autorii propun
efectuarea testelor lund trei ntrzieri: 4, 8 i 12 i a
compara n continuare rezultatele conform mediei
criteriilor AIC.
Astfel, valoarea lui p poate fi
determinat n funcie de criteriile Akaike i Schwarz.
Pornind de la o valoare p destul de nalt, estimm
diferite modele pn la p=0, apoi reinem valoarea p
care se minimizeaz dup criteriile Akaike i Schwarz.
Dac valoarea p=0 este reinut, atunci noi utilizm testul
Dickey-Fuller simplu.
t

Testele ipotezelor suplimentare

25

Dup ce s-a detectat prezena unei rdcini unitare,

se efectueaz testele ipotezelor suplimentare.
Primul test
Fie ipoteza suplimentar n modelul[5] notat3
H : c; 0;0 , iar ipoteza alternativ H .
Pentru a efectua acest test, se calculeaz statistica
empiric F 4:
SCR SCR / 2
F
4
0

4
0

SCR5 / n p 1 2

(p-1 de la numitor se refer la suma de la j=2 i, de

exemplu, pentru p=3 aceasta conine dou variabile
explicative).
SCR - suma ptratelor reziduurilor ale modelului [5]
restricia ipotezei H ;
C

4
0

xt a j xt j 1 at , iar SCRc xt a j xt j 1
j 2
j 2

- suma ptratelor reziduurilor ale modelului [5]

estimat prin M:C:M:M:P.
n numrul observaiilor real utilizate pentru estimarea
parametrilor modelului.
Aceast statistic F4 este similar unei legi Fisher,
care a fost tabelat de ctre Dickey-Fuller (1981). Dac F 4
este superior valorii citite din tabel , se va respinge
ipoteza H pentru un prag de semnificaie
Al doilea i al treilea test
Ele corespund ipotezelor nule:
SCR5

2;n p 1

4
0

H 05 : c; b; 0;0;0
H 06 : c; b; c;0;0

26

Pentru ipoteza

H 05

, se va calcula statistica F5
SCR SCR / 3
F
c

SCR6 / n p 1 3

Dac F 5 este superior valorii citite n tabelul

respinge ipoteza H pentru pragul de semnificaie .
Pentru ipoteza H , se determin statistica F 6 :

2; n p 2

, se

5
0

6
0

F6

SCR

SCR6 / 2
SCR6 / n p 1 3
D

- suma ptratelor reziduurilor ale modelului [6]

restricia ipotezei H ;
SCRD

6
0

xt a j xt j 1 c at , iar SCRD xt a j xt j 1 c
j 2
j 2

- suma ptratelor reziduurilor ale modelului [6]

estimat prin M.C.M.M.P.
SCR6

Dac F6 este superior valorii citite n tabelul

respinge ipoteza H pentru pragul de semnificaie .

3; n p 2

, se

6
0

Testul Phillips i Perron

Testul Phillips i Perron (1988) este construit pe baza
unei corecii nonparametrice a statisticilor Dickey-Fuller
pentru a ine cont de erorile heteroscedastice i / sau
autocorelate. Se realizeaz n patru etape:
Estimarea prin M.C.M.M.P. a celor trei modele de
rdcin a testelor Dickey-Fuller i calcularea statisticilor
aferente acestora, avnd et rezidiul estimat;

27

Estimarea varianei,
reziduurilor 1n e ;
2

t 1

aa

zis

pe

termen

scurt

2
t

Estimarea factorului de corecie s (numit

variana
termenului pe termen lung) stabilind ncepnd cu
structura covarianelor reziduale ale modelelor anterior
estimate n aa fel nct transformrile realizate s
conduc la distribuii identice celor efectuate de DickeyFuller standard: s 1n e 2 1 l i 1 1n e e .
2
t

2
t

t 1

2
t

i 1

t i 1

t t i

Pentru a estima variana pe termen lung , este necesar

de definit numrul ntrzierilor l (troncature Newey West) estimat n funcie de numrul de observaii
n, l 4n / 100 ;
2/9

Calculul statisticii PP:

t* k
1

1 nk 1 cu

k
1

2
st2

( este

egal cu 1 n manier asimptotic dac e zgomot alb).

Aceast statistic este comparat cu valorile critice din
tabelul MacKinnon.
Strategia testului din figura 5.6 este acceptat. Acest test
rmne valabil
n cazul cnd testnd Dickey-Fuller
simplu reziduurile sunt homoscedastice .
Eviews permite automat utilizarea acestor teste.
Testul Hall (1990) este complementar testului
precedent i poate s nu fie valid, fiindc ordinul
autoregresiv devine mare, n timp ce ordinul mediilor
mobile rmne finit. Acest test pentru calculare apeleaz
la o variabil dihotomic.

28

Testul Ouliaris, Park i Phillips (1989) este o

extindere a testului Phillips i Perron, incuzind un trend
polinomial cu ordine de libertate k, iar n cazul testului
Perron (1989) aceast tendin este liniar pe intervale.
Testul Dickey i Pantula (1987)
ntr-un proces cnd s-a determinat existena unei
rdcini unitare conform testului Dickey-Fuller, se
recomand a se verifica absena altor rdcini unitare,
reiternd aceste teste pe baza diferenelor de ordinul unu
ale procesului. Dickey i Pantula au artat c aceast
procedur, calificat succesiv ascendent (Barthlemy,
1996), poate s fie fals, deoarece distribuiile statistice
sunt diferite chiar dac exist una sau dou rdcini
unitare.
Deci, autorii propun o procedur succesiv
descendent ce permite a testa simultan existena mai
multor rdcini unitare, referindu-ne la tabelele DickeyFuller.
Vom consider, de exemplu, testul referitor la 2 rdcini
unitare, pentru aceasta
specificm urmtorul model
AR(2):
1 B 1 B x a unde a i.i.d .0;
Fie x x x x a
Pentru a evidenia apariia polinomului (1-B)2 ce
permite staionarizarea procesului, se va aduga la
membrii egalitii cantitile 2 x x i vom obine:
1

1 t 1

t 1

1 2

t 2

2
a

t 1

t 2

xt 1 B xt 1 xt 1 2 xt 2 1 2 xt 2 2 xt 1 xt 2 at
2

Deci,

2 xt 1 2 1xt 1 1 1 2 1xt 1 a t

29

Substituind
model:

1 1 1 2 1 i 2 ' 1 2 1

obinem urmtorul

2 xt 2 xt 1 1 xt 1 a t

Atunci testul se deruleaz n dou etape:

Etapa 1: Testm ipoteza nul pentru ambele rdcini
unitare contra ipotezei alternative a unei singure rdcini
unitare, fie: H : 0 contra H : 0 .
Pentru ipoteza H 1 , se efectueaz regresia x x a
Dac t t se respinge H 0 i se trece la etapa 2;
Dac t t se accept H0 , procesul coninnd dou
rdcini unitare.
Etapa 2: Se testeaz ipoteza nul de prezen a rdcinii
unitare contra ipotezei alternative pentru orice rdcin
unitar n x 1x a . Acest test pentru 1 este
echivalent celui pentru a modelului x .
Acest test a lui Dickey i Pantula este deci simplu de
aplicat n practic , mai ales cu Eviews.
0

t 1

tab

tab

t 1

Testul KPSS (1992)

Kwiatkwski, Philips, Schmidt i Shin (1992) propun un
test fondat pe ipoteza nul de staionaritate. Dup
estimarea modelelor [2] i [3], se calculeaz suma parial
a reziduurilor: S e i se estimeaz variana termenilor
t

i 1

extini ca i pentru testul Phillips i Perron.

t

Statistica este

1
LM 2
st

S
i 1

n2

2
t

respinge
dac aceast
urmtoarelor valori critice :

Ipoteza de staionaritate se
statistic

este

superioar
30

1%
n=
Modelul [2] 0,739
Modelul [3] 0,216

5%
0,463
0,146

10%
0,347
0,119

Testele rdcinilor unitare sezoniere

Prima aplicare a acestor teste n cazul sezonier a fost
realizat de ctre Hasza Fuller (1981), apoi de ctre
Dickey Hasza Fuller (1984). Ele se refer la cronicile a
cror sezonalitate este o perioad trimestrial i se
bazeaz pe ansamblul frecvenilor ce corespund bazelor
unitare. Ele au fost completate de Hylleberg, Engle,
Granger i Zoo (1990), notat HEGY care conin frecvena
fiecrei baze unitare. Franses (1990) prezint un test
pentru cronicile care posed o sezonalitate lunar,
Beaulieu i Miron (1993) furnizeaz o nou versiune a
acestui test4.
Modelele fundamentale
n general, o serie de timp poate fi reprezentat prin unul
din urmtoarele trei modele:
Modelul
sezonier
pur
determinist:
x D a unde a i.i.d .0; , unde s este perioada de
s 1

j 1

jt

2
a

sezonalitate i Djt o variabil mut

relativ la
sezonalitate; acest model poate fi extins
asupra

31

tendinelor deterministe polinomiale de ordine

mai
mari ca unu;
Modelul sezonier aleator staionar: B x a unde
B este un polinom de operatori, a crui rdcini sunt n
exteriorul cercului unitate din planul complex i este un
termen oricare ntre o constant, o tendin i variabile
mute relative la sezonalitate;
Modelul sezonier integrat: B x a unde B este un
polinom de operatori care posed cel puin o rdcin
unitar (de unde i denumirea sa de integrat).
Utilizarea filtrului la diferenele sezoniere propus de ctre
Box i Jenkins sub forma: 1 B S B permite
determinarea rdcinilor unitare sezoniere continue n
filtrul pentru media mobil S(B).
Testele HEGY i Franses utilizeaz aceast descompunere
pentru polinoamele (1-B4) i (1-B12), obinndu-se
respectiv 4 i 12 rdcini unitare, de exemplu:
1 B 1 B 1 B 1 iB 1 iB
Toi termenii cu excepia lui (1-B) corespund rdcinilor
unitare sezoniere, tiind c (-1) este pentru perioada 2
(frecvena ) i i pentru perioada 4 (frecvena / 2 ).
Pentru testarea ipotezei c polinomul B posed rdcini
unitare pe cercul unitar a planului complex, se scrie
utiliznd teorema Lagrange5.
Testele Hylleberg, Engle, Granger i Yoo (HEGY)
Utiliznd extensia B din teorema Lagrange unde
1, 1, i, i; 1 B, 1 B, 1 iB, 1 iB, i B 1 B
se obine, deci:
t

32

 B 1 B1 B 1 B 2 2 B 1 B 1 B 2
3 iB 1 B 1 B 1 iB

Simplificnd aceast expresie apelnd la H(B) suma celui
de-al doilea termen:
B H B 1 B B i utiliznd procesul B x a vom
avea:
B 1 B x H B a
Aceast expresie este la baza testului, dar nu putem
estima coeficienii , deoarece sunt numere complexe,
deci se regrupeaz prile reale i complexe ale expresei i
se substituie:
4 iB 1 B 1 B 1 iB 1 B 4 * B

1 1 ;

2 2 ;

23 3 i 4 ;

2 4 3 i 4

Avnd sezonalitate trimestrial, acest test este alctuit pe

baza lui B , ce are o rdcin unitar n , dac i numai
dac 0 . Pentru testarea acestei ipoteze, se estimeaz
prin M.C.M.M.P. ecuaia de regresie numit regresia
auxiliar :
k

* B x 4t 1 x1,t 1 2 x 2,t 1 3 x3,t 2 4 x3,t 1 t at

unde:

x1,t 1 B B 2 B 3 xt ; x 2,t 1 B B 2 B 3 xt ;

n aceast ecuaie B este necunoscut. n particular, au
fost propuse mai multe soluii, care constau n a
argumenta lagul polinomului pn cnd reziduul s
conin zgomot alb sau unul din criteriile de comparaie
ale modelelor s fie minimum (AIC sau BIC). Deseori
aceste teste sunt realizate pentru B =1.
Ipoteza nul a testului presupune testarea semnificaiei
parametrilor regresiei auxiliare (care sunt echivalente cu
). Fie:
H0 : =0 contra H1 : 0.
x 3 ,t 1 B 2 x t ; x 4 , t 1 B 4 x t
*

33

Presupunem, de exemplu, c
substituind
aceste
valori
B 1 B x H B x a , obinem:
1 B x iB 1 B 1 B 1 iB

2 0

i c

* B =1,

expresia:

4 iB 1 B 1 B 1 iB t at

Introducnd descompunerea (1-B4), se va obine:

1 B 1 B 1 iB 1 iB 3 iB 1 iB 4 iB 1 B 1 iB xt t at

Aceast ecuaie posed dou rdcini unitare B=1 i B=1. Sunt acelea care lipsesc la coeficienii i . Filtrul
care staioneaz acest proces este egal cu :
1

1 B 1 B 1 B
Testul Franses
Principiul testului Franses este identic principiului
HEGY. Formulele sunt deseori mai complexe faptului de
a prezenta dousprezece rdcini unitare. Extensia B
este ntotdeauna realizat conform teoremei Lagrange.
Modalitatea posibil de estimare a parametrilor lui B ,
propus de Franses este urmtoarea:
Separarea prilor reale i imaginare a fiecrui termen
B , apoi regruparea termenilor comuni. Se definete,
deci, seria regresorilor B :
2

11

1 B 1 B j ;

j 1

2
2 B 1 B 1 B 1 B 1 B 4 B 8 ;

3 B 1 B 2 1 B 4 B 8

1 B

4 B 1 B 4 1 3B B 2 1 B 2 B 4
5 B 1 B 4

3B B 2

B4

6 B 1 B 4 1 B 2 B 4 1 B B 2

7 B 1 B 4 1 B 2 B 4 1 B B 2
8 B 1 B12

34

Eliminarea termenilor compleci B prin utilizarea

parametrilor i definii n felul urmtor: H0 :
j 0 contra H : j 0
pentru j=3,5,7,9,11 i i=4,
6,8,10,12. (se noteaz , etc. );
i

1 1 ;
2 2 ;
3 i 3 4 / 2;
4 i 3 4 / 2;

i 1 i 3 / 2 ;
i 1 i 3 / 2 ;
i 1 i 3 / 2 ;
i 3 / 3 1 1 / 3i 3 / 2
i 3 / 3 1 1 / 3i 3 / 2
i 3 / 3 1 1 / 3i 3 x / 2
i 3 / 3 1 1 / 3i 3 / 2

5 5 1 i 3 / 2 6 ;
6
7
8
9
10
11
12

10

10

11

11

11

12

Substituirea coeficienilor B i n B , care la rndul ei

este o expresie liniar fr termen complex.
Dac considerm, de exemplu, c procesul este sezonier
integrat i dac se nlocuiete:
x B x pentru i 1,8 i x B x pentru i 2,...,7 se
obine
regresia auxiliar a testelor:
i

it

it

B x8,t 1 x1,t 1 2 x 2,t 1 3 x3,t 1 4 x3,t 2 5 x 4,t 1 6 x 4,t 2 7 x5,t 1 v 8 x5,t 2

9 x6,t 1 10 x 6,t 2 11 x7 t 1 12 x7 ,t 2 t at

Se estimeaz prin M.C.M.M.P. aceast ecuaie, cel

mai adesea, cu B 1 sau mai bine cu B , iar L fiind
numrul de ntrzieri, obinui anterior.
Ipoteza H0 este: B 0 contra ipotezei H1 : B 0 . Aceste
teste verific semnificaia celor doisprezece parametri a
regresiei auxiliare (care sunt egali cu valorile ). Apoi, se
realizeaz:
*

35

testele
individuale
H0:
0 contra H : 0 pentru
k=1,,12;
testele pentru rdcinile complexe conjugate:
H0 : j 0 contra H : j 0 pentru j=3,5,7,9,11 i i=4,
6,8,10,12. (se noteaz , etc. );
un test pentru ansamblul coeficienilor:
H0 : j 0 contra H : j 0 pentru j=3,5,7,9,11 i i=4,
6,8,10,12. (se noteaz , etc. );
H0 : ... j 0 contra H : ....j 0 pentru j=3,4, , 12. (se
noteaz ... );
Valorile critice ale acestor teste (t statistic pentru
testele individuale i F statistic pentru testele anexate) au
fost tabelate de ctre Franses.
ajustare
i nu antreneaz o variaie sensibil a
autocorelaiei reziduurilor
(Q statistica) inclusiv
criteriile de comparaie informaionale (AIC, SBIC).
Noi putem constata prezena rdcinilor unitare pentru
testele t pentru pragurile de semnificaie de 5 la 10%
pentru 3 , 5 , 9 , 11 , care nu se regsesc pentru testele
F.
Definitiv putem constata c acest proces, ns este
dificil de a seleciona procesul generator al cronicii,
deoarece statistica
SBIC este cea mai slab pentru
regresia conat (nc, nd, nt).
k

ji

12

Tabelul 3 Testele Franses pentru rdcinile unitare

sezoniere ale proceselui
x t = x t12 + a t cu *(B) = 1
Statistiq nc,

c, nd, c, d, c,

c, d,
36

ue t

1
2
3
4
5
6
7
8
9

10
11

nd, nt nt
nt
nd, t t
1,78 1,98

2,00 2,12 2,1

4
1,42 1,42
1,42
0,03
0,0
3
1,04 1,04

0,13 1,04 0,1

3
0,27 0,27
0,27
1,49
1,4
9
0,52 0,52

1,52 0,53 1,5

2
0,90 0,90

1,91 0,90 1,9

2
0,46 0,46 1,09 0,47 1,1
0
1,08 1,09

2,02 1,10 2,0

3
1,37 1,36

2,51 1,36 2,5

1
1,38 1,38

3,32 1,38 3,3

2
0,57 0,57 0,79 0,57 0,7
37

12

9
0,88 0,88

1,78 0,88 1,7

8

Statistiq
ue F
3 4 0,58

0,58 1,12 0,58 1,1

3
5 6 0,54 0,53 1,88 0,54 1,8
8
7 8 1,05 1,06 2,93 1,07 2,9
4
9 10 1,26 1,26 6,03 1,26 6,0
3
11 1 0,40 0,40 1,60 0,40 1,6
0
2
3 ... 0,77 0,77 2,71 0,77 2,7
2
12
Q Stat. 28,7 29,1 30,3 29,2 30,
4
0,002 0,002 0,01 0,00 0,0
R
6
1
16
AIC
2,87 2,88 2,87 2,88 2,8
7
SBIC
0,097 0,102 0,14 0,11 0,1
5
2

38

IV. Procesele ARIMA

Cronicile economice sunt rareori rezultatul proceselor
staionare. Acesta este motivul pe baza cruia - n
algoritmul Box i Jenkins s-a stabilit drept prim etap
staionarizarea cronicii. De obicei, se recurge la trei
tipuri mari de transformri:
dac cronica prezint micri pe termen lung
tip
nonlinear (logaritmic, exponenial sau de funcie putere)
sau de fluctuaii importante
n jurul acestui micri,
atunci deseori este util de utilizat transformarea Box-Cox,
care permite de a regsi liniaritatea i de a micora
fluctuaiile importante sau iregularitile. Aceast
transformare are urmtoarea form:
yt

xt 1

ln xt

i 0

i 0

Dificultatea n utilizarea ei const n alegerea lui 6.

Se pot realiza mai multe transformri cu valori diferite ale
lui i obine valoarea n funcie de aspectul cronicii
transformate.
De asemenea, se poate calcula parametrul n timpul
etapei de estimare a algoritmului Box i Jenkins.
Celelalte dou tipuri de transformri se efectueaz dup
prima transformare i din care rezult concluziile obinute
din testele Dickey-Fuller:
Dac procesul generator este de tipul TS, atunci se
estimeaz prin M.C.M.M.P. partea sa determinist i
algoritmul se va efectua asupra cronicii reziduale;
Dac procesul este de tip DS, atunci se aplic filtrele
pentru diferene pentru a-l staionariza.
6

Deseori se utilizeaz

pentru a transforma schema de structur multiplicativ n aditiv.

39

Aplicarea acestor filtre permite definirea proceselor

ARMA integrate , notate ARIMA.
Procesele ARIMA nonsezoniere
Vom presupune o cronic xt- - un eantion al procesului
DS de ordinul d. Acest proces este staionarizat utiliznd
filtru pentru diferene de ordinul d ( capitolul 4).
1 B
xt
y t 1 B xt
d

Procesul x t conine d rdcini reale unitate. Se spune

c este integrat de ordinul d i se scrie: x I d unde d
ordinul de integrare.
Dac procesul output y t este ARMA(p, q), atunci
procesul input x t
este ARIMA(p, d, q). Modelul
ARIMA(p, d, q) nonsezonier are forma:
t

P B 1 B d xt q B at

(ARIMA(p,d,q)=ARIMA(p+d, q) nonstaionar).
n majoritatea cronicilor economice, testele Dickey-Fuller
indic prezena unei singure rdcini unitate i cronicile
se numesc integrate de ordinul 1, I(1).
Dac cronica iniial apare n rezultatul unui proces
staionar, ea nu conine rdcina unitate, se spune c este
integrat de ordinul 0 i este notat I(0).
Pentru ceilali termeni, ARIMA(p, 0, q) este ARMA(p, q)
staionar.
Printre procesele ARIMA nonsezoniere, se poate
meniona procesul mersul aleator Random Walk (
procesul DS cel mai simplu).
Procesele ARIMA pur sezoniere ( Modelele SARIMA)
40

Vom considera o cronic x t un eantion al procesului

DS de ordinul D de sezonalitate s. Acest proces este
staionarizat dup ce a trecut printr-un filtru sezonier a
diferenelor D:
1 B
xt
y t 1 B xt
D

Procesul x t conine D rdcini reale sau complexe unitare.

Se spune c este integrat sezonier de ordinul D i se scrie
x I d unde D este ordinul de integrare i s e perioada de
sezonalitate.
Vom presupune c procesul output a filtrului y t este
un proces ARMA ( P, Q) , atunci procesul input xt este
nonstaionar: ARMA ( P, D,Q) i are urmtoarea form:
B 1 B x B a
Se constat c modelul ARIMA ( P, D, Q) este ARMA ( P D, Q)
nonstaionar i c ARIMA ( P,0, Q) este ARMA ( P,Q) staionar.
t

s . s

s. s

S D

s . s

s. s

s .s

s. s

Procesele ARIMA nonsezoniere i sezoniere n acelai

timp
Asamblnd expresiile modelelor ARIMA nonsezoniere i
ARIMA sezoniere, se pot construi modele multiplicative
ARIMA nonsezoniere i sezoniere n acelai timp. Acesta
este modelul cel mai complet i adecvat n prezentarea
Box Jenkins.
Vom considera o cronic x t eantion al procesului n
acelai timp DS de ordinul D i DS de sezonaliate s.
Acest proces este staionarizat de ctre filtrul ce combin
diferenele de ordinul d i diferenele sezoniere de
ordinul D. Fie:
y 1 B 1 B x

x

1 B

1 B S

S D

41

Procesul x t conine d+D rdcini unitare reale sau

complexe (se spune c este integrat de ordinul d+D) i se
scrie: x I d D .
Dac procesul output a filtrului este un model
ARMA( p, q) ARMA ( P, Q) , atunci procesul input x t este un model
ARIMA( p, d , q ) ARIMA ( P, D,Q) i se exprim:
B B 1 B 1 B x B B a
Se constat c modelul ARIMA( p, d , q) ARIMA ( P, D, Q) este un
ARMA(p+d+Ps+Ds,q+Q s )
nonstaionar
i
c
ARIMA( p,0, q) ARIMA ( P,0, Q) este un model
ARMA( p, q) ARMA ( P, Q)
staionar.
t

s. s

s. s

S D

s. s

s . s

s. s

42