Time Series, A12

1. (10 points) Montrer que la fonction d'autocorrlation de {Yt2 } d'un processus ARCH(p)
P
2
(prsum stationnaire) s'crivant comme Yt = t t , t2 = 0 + pj=1 j Ytj
, 0 > 0,
i 0, i = 1, . . . , p, est toujours non-ngative (les autocorrlations sont plus grandes
ou gales zro).
2. (15 points) Soit {wt } un bruit blanc BB(0,1). crire les sries chronologiques suivantes
sous la forme de moyennes mobiles MA(q ) inversibles.
a) (5 points) X1t = wt + 4wt1 .
b) (5 points) X2t = wt 3.2wt1 3.2wt2 .
c) (5 points) X3t = wt 2.5wt1 + wt2 .
Dans chaque cas, prenez soin d'indiquer la variance du bruit blanc {vit }, i = 1, 2, 3,
pour chacun des cas a), b) et c), respectivement. Indice: Pour b) et c), commencer par
trouver les racines des polynmes moyennes-mobiles.
3. (15 points) Considrons un processus moyenne mobile MA(1): Yt = wt + wt1 , o {wt }
est un bruit blanc BB(0, 1). Considrons le vecteur alatoire Yn = (Y1 , . . . , Yn )> , ainsi
que n = var(Yn ). Soit dn = det(n ).
a) (9 points) Montrer que la suite dn , n = 2, 3, 4, . . . suit l'quation aux dirences:
dn = (1 + 2 )dn1 2 dn2 ,

avec d0 = 1 et d1 = 1 + 2 .
b) (6 points) Rsolver l'quation aux dirences en a). Distinguer les cas || < 1 et
|| = 1.
1

4. (20 points) Considrons le modle AR(2) suivant:

Xt = 1 Xt1 + 2 Xt2 + wt .

a) (10 points) Lors d'un ajustement par un AR(2) d'une srie chronologique (n = 100)
prsume centre autour de zro, on a trouv que la fonction d'autocovariance
chantillonnale satisfaisait (0) = 1382.2, (1) = 1114.4, (2) = 591.73 et (3) =
962.16. Proposer des estimateurs (asymptotiquement ecaces) de 1 et 2 et calculer des intervalles de conance pour 1 et 2 de niveau 95%.
b) (10 points) L'analyste peut attacher une signication aux coecients 1 et 2 .
Ainsi, 1 peut mesurer l'eet que pourrait avoir Xt1 sur Xt , et il en va de mme
pour 2 . An de tester que Xt1 a le mme impact que celui de Xt2 , il est dcid
de tester H0 : 1 = 2 . Proposer une procdure de test. Eectuer votre test, au
niveau de signication de 5%, en utilisant les donnes de a).
5. (20 points) Considrons le modle AR(2) Gaussien suivant:
Xt = 1 Xt1 + 2 Xt2 + wt ,

o {wt } est BB(0,w2 ).

a) (14 points) Montrer que la vraisemblance exacte, prsumant n > 2, peut s'crire
sous la forme suivante:
n

L(, w2 )

det(G2 )}

(2w2 )n/2 {

1/2

X
1
1
(Xt 1 Xt1 2 Xt2 )2 ]},
exp{ 2 [X>
2 G2 X2 +
2w
t=3

o X2 = (X1 , X2 )> , et G2 = w2 2 = w2 E(X2 X>2 ).

b) (6 points) Supposons que la vraisemblance trouve en a) est utilise pour un processus {Xt } satisfaisant les quations de rcurrence d'un processus AR(2) mais que
rien n'est indiqu sur la distribution du bruit blanc. Soit l'estimateur obtenu
de la maximisation de cette fonction. Discuter (brivement) des proprits de ,
utilisant, au besoin, des rsultats vus au cours. Discuter galement des proprits
des intervalles de conance pour 1 et 2 reposant sur , quant leur optimalit.
6. (20 points) Une srie de ventes a t ajust un modle ARIMA(2,1,0):
(1 1.8B + 0.81B 2 )(1 B)Xt = wt ,

o {wt } est un bruit blanc o la variance estime est w2 = 58000, et les cinq dernires
observations sont Xn4 = 560, Xn3 = 580, Xn2 = 640, Xn1 = 770 et Xn = 800 avec
n = 100.
a) (6 points) Dterminer des prvisions pour les trois prochaines observations.

b) (6 points) Trouver les limites de prvisions de niveau de conance 95%.

c) (8 points) Dterminer la fonction de prvision ventuelle (note : donner la solution
gnrale en rsolvant l'quation aux dirences).
Bonne chance!
Pierre Duchesne