ANALIZA SERIILOR DE TIMP

Curs Statistica și Previziune Economică anul III

Curs 05-06
2016-2017
 Structura cursului
2 ANALIZA SERIILOR DE TIMP
 C01-C02: Noțiuni, concepte definiții elementare în analiza seriilor de timp
 C03-C06: Modelarea, ajustarea și prognoza seriilor de timp formate din
trend determinist și componentă aleatoare
 C07-C08: Modelarea, ajustarea și prognoza seriilor de timp formate din
trend determinist, componentă sezonieră și componentă aleatoare
 C09-C10: Modelarea și prognoza seriilor de timp nestaționare în medie
(omogene) fără componentă sezonieră. Modelele AR, MA, ARMA
 C11: Procese stohastice omogene cu trend stohastic – procese cu radacina
unitate
 C12: Modelarea și prognoza seriilor de timp cu trend stohastic. Modelele:
ARIMA
 C03-C06: Modelarea, ajustarea și prognoza seriilor de
3
timp formate din trend determinist și componentă aleatoare
 Modelarea trendului determinist (TD) (C03)
 Estimarea si testarea parametrilor trendului determinist
 Indicatori ai acuratetii unui model
 Ruptura de trend (C04)
 Teste specifice indetificarii rupturilor de trend
 Modelarea trendului determinist cu ruptura de trend: modelarea individuala, modelarea
agregata cu variabile dummy
 Valori atipice pentru serii de timp (C05)
 Identificarea valorilor atipice intr-o serie de timp
 Modelarea seriilor cu valori atipice: inlaturarea/inlocuirea valorilor atipice intr-o serie de
timp, modelarea seriei cu valori atipice cu ajutorul variabilelor dummy
 Ajustarea exponentiala unei serii de timp cu trend determinist: ajustarea exponentiala
simpla, ajustarea exponentiala dubla, ajustarea exponentiala Holt (C06)
 4 Identificarea valorilor atipice intr-o serie de timp
Existenta valorilor atipice intr-o serie de timp poate avea cauze multiple
care de cele mai multe ori tin de conjunctura.
Valorile atipice intr-o serie de timp pot afecta calitatea procesului de
modelare.
Problema valorilor atipice intr-o serie de timp accepta diverse abordari.
Indiferent de autori demersul pe care trebuie sa-l facem cu privire la
valorile atipice/ outlieri intr-o serie de timp este urmtorul:
1.Identificarea valorilor atipice si a cauzalitatii/ contextul producerii
acestora
2.Tratamentul seriei cu privire la valorile atipice – modelarea seriei care
contine outlieri.
5 Identificarea valorilor atipice intr-o serie de timp
In literatura de specialitate putem intalni urmatoarele abordari:
- Lipsa interventie asupra seriei
- Inlocuirea valorilor atipice cu o valoare mai aproape de specificul
seriei: media mobila, valoarea teoretica generata de trendul seriei, s.a.
Indiferent de strategia aleasa este utila identificarea valorillor atipice
si determinarea factorilor care au dus la aparitia acestora care sa ne
permita identificarea unui patern care odata reprodus sa poata sa ne
permita anticiparea/ previzionarea comportamentului seriei.
Prin urmare ne vom concentra pe cateva modalitati simple de
identificare a outlierilor unei serii de timp.
 6 Identificarea valorilor atipice intr-o serie de timp
Una dintre modalitatile cele mai simple de identificare a outlier-ilor este
analiza distributiei erorilor de modelare.
1.Analiza grafica a distributiei erorilor de modelare prin diagrama Box-Plot.
Acest grafic reprezinta grafic prin puncte externe valorile care pot fi
RESID
considerate atipice pentru serie. 3,000

Pentru o distributie normala, asa cum e cazul erorii de modelare,

de parametri σ  2 si µ, N(µ ,σ  2), pot fi considerate valori atipice 2,000
valorile care sunt situate in afara intervalului centrat[ t  2  ;  t  2  ].
O varianta mai des intalnita este cea in care se considera valori 1,000
atipice valorile situate in afara intervalului[ t  2,5  ;  t  2,5  ] .
0

Odata identificate valorile atipice pentru erorile de modelare vom

in functie de indicele t corespunzator acestora vom identifica -1,000

valorile seriei originale yt.

-2,000
 7

Daca luam in considerare faptu ca in urma utilizarii metodei celor mai mici
patrate suma erorilor de modelare este nula si implicit media acestora atunci
se considera valori atipice acele valori ale erorii de modelare care nu sunt
cuprinse in intervalul [2s ;2s ] respectiv [2,5s ;2,5s ].
2. Exista si o serie de teste inferentiale care pot duce la identificarea valorilor
atipice cum ar fi:
- Testul Dixon, utilizat pentru serii cu volum mai mic de 25 de inregistrari
- Testul Grebbs, utilizat pentru serii cu un volum depasind 20 de inregistrari
Ipotezele testate de cele doua teste sunt:
H0: t nu este valoare atipica
H1: t este valoare atipica
 8

NB: Teste pot fi aplicate numai in ipoteza acceptarii ipotezei de

normalitate pentru erorile de modelare.
 Testul Dixon valorile et se ordoneaza crescator sau descrescator astfel
incat valoarea testata sa fie prima in sir si o vom nota cu et(1).
Statistica Dixon o vom calcula in functie de volumul esantionului dupa
cum urmeaza:
e (1)  e (2)
e (1)
 e (2)
D calc  (1)
t t
ptr. T  1,7 D  t t
ptr. T  8,10
et  et (T) calc
et  et
(1) (T -1)

e (1)  e (3)
Dcalc  (1)t t
ptr. T  14 ,25
et  et (T -1)

Valorile calculate vor fi comparate cu valorile teoretice Dth=D1-α, T din

tabele speciale.
Criteriu de decizie Dcalc D1-α, T ->AH0 si Dcalc> D1-α, T ->RH0
 9

 Testul Grubbs
max | e extr. e|
Calculul statisticii test g calc  t daca estimarea modelului de face
se

prin metoda celor mai mici patrate atunci media erorilor este zero si relatia
| e extr. |
devine g calc  t .
se
Valorile calculate vor fi comparate cu valorile teoretice gth=g1-α, T din
tabele speciale.

Criteriu de decizie gcalc g1-α, T ->AH0 si gcalc> g1-α, T ->RH0

10 Identificarea valorilor atipice intr-o serie de timp

NB: 1. Metodele prezentate sunt metode elementare de identificare a

outlierilor intr-o serie de timp.
2. La momentul actual exista metode mult mai complexe de
identificare a outlier-ilor adaptate diferitelor metode/ modele utilizate
in analiza seriilor de timp, metode care prin complexitatea lor
depasesc obiectivele impuse prin prezentul curs.
3. Este foarte important atunci cand identificam o valoare atipica sa
incercam sa identificam si factorii conjuncturali care au dus la
producerea acelei valori atipice. Acest lucru ne foloseste sa stabilim
niste paternuri in comportamentul seriei care sa ne ajute sa facem
prognoze cat mai acurate.
11 Abordari privind modelarea unei serii de timp cu valori atipice
 Modelarea unei serii de timp care prezinta valori atipice este un subiect
destul de disputat.
 In abordarea clasica a seriilor de timp care implica modelarea unui
trend determinist exista urmatoarele abordari:
1. Inlocuirea valorilor atipice cu valori aflate la limita superioara/ inferioara
acceptata a valorilor tipice -> diminuarea influentei valorilor atipice
pastrand specificul lor
2. Inlocuirea valorilor atipice cu media valorilor din vecinatate -> ajustarea
valorilor atipice cu media mobila
3. Inlocuirea valorilor atipice cu valori teoretice generate de componenta
trend estimata urmata de reestimarea componentei trend -> ajustarea
valorilor atipice cu ajutorul trendului
12

4. Introducerea in model a cate unei variabile dummy care ia valorile 1

pentru momentele corespunzatoare valorilor atipice si 0 pentru restul
momentelor -> modelare cu variabile dummy independente
5. Introducerea in model a unei variabile dummy pentru outlierii pozitivi si
a unei variabile dummy pentru outlierii negativi -> modelare cu variabile
dummy comune pe autlieri de crestere si de descrestei, situatie specifica
situatiei in care identificam faptul ca cresterile respectiv descresterile au la
baza un factor comun.
13 Learning by doing!