SERII DE TIMP

Facultatea de CSIE,
Specializarea Informatic Economic
Cursuri 5 ianuarie 2011
Conf.univ.dr. Cristina BOBOC
Introducere
Timpul este o coordonat esenial a existenei umane.
Realitatea economic i social se localizeaz n timp i spaiu.
n general, fenomenele economice nu au caracter static, manifestndu-se n
cadrul unei evoluii temporale.
Definie O serie de timp reprezint o mulime de observaii (Y
t
)
te[0,T]
efectuate la diferite momente de timp asupra unei variabile aleatoare Y.
Staionaritate
Definiia 3. O serie este staionar n medie dac:
Definiia 4. O serie de timp este staionar n sens larg dac:
Media seriei (Y
t
)
t
este constant pe orice perioad de timp;
Matricea de corelaie a vectorului aleator nu
depinde de t.
( ) , [0, ]
t
E Y t T u = e
) ,..., , (
2 1
t t t + + +
n
t t t
Y Y Y
Staionaritate
Definiia 5. O serie de timp care prezint o anumit tendin de evoluie se
numete nestaionar.
Cum recunoatem o serie staionar?
Analiza grafic
Evoluia funciei de autocorelaie(ACF) i autocorelaie parial(PACF)
Testul Dickey-Fuller
Serii nestaionare cu trend liniar
Analiza grafic
Indicele BET al Bursei de Valori Bucureti
n perioada 1997-2006: 2304 observaii zilnice
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
9
/
1
9
/
1
9
9
7
9
/
1
9
/
1
9
9
8
9
/
1
9
/
1
9
9
9
9
/
1
9
/
2
0
0
0
9
/
1
9
/
2
0
0
1
9
/
1
9
/
2
0
0
2
9
/
1
9
/
2
0
0
3
9
/
1
9
/
2
0
0
4
9
/
1
9
/
2
0
0
5
9
/
1
9
/
2
0
0
6
Funcia de autocorelaie-ACF
Msoar corelaia ntre valorile seriei la diverse distane temporale.
Graficul funciei de autocorelaie pentru diverse lag-uri k se numete
corelogram.
Observaii:
Seriile nestaionare au ACF care converge ncet spre zero
n general, se consider c dac dup 5 pai valoarea ACF este mai mare dect
0.7, atunci seria este nestaionar.
Seriile staionare au ACF care converg rapid spre zero.
2 2
) , (
) (
) )( (
) (
Y
k t t
t
k t t
Y
Y Y Cov
Y Y
Y Y Y Y
k
o
p

Funcia de autocorelaie-ACF
n practic procedm la estimarea funciei de autocorelaie utiliznd un
eantion de n valori. Ca urmare, se obin coeficienii de autocorelaie, r
k
,
pentru n valori, iar relaia general de calcul devine

:

=
+

=
n
t
t
k n
t
k t t
k
y y
y y y y
r
1
2
1
) (
) )( (

Pentru k = 1, obinem:


=
=

=
+
n
t
t
n
t
t t
y y
y y y y
r
1
2
1
1
1
1
) (
) )( (

Pentru k = 2, obinem:

=
=

=
+
n
t
t
n
t
t t
y y
y y y y
r
1
2
2
1
2
2
) (
) )( (


Testul Bartlett
Verificarea semnificaiei coeficienilor de autocorelaie se poate realiza cu ajutorul
testului Bartlett care se bazeaz pe ideea c, n cazul n care seria cronologic este
pur aleatoare, coeficienii (estimai) de autocorelaie r
1
, r
2
, , r
k
sunt aproximativ normal
distribuii, de medie zero i de dispersie .
Ca urmare, dac avem n vedere repartiia normal redus (standard), putem stabili
intervalul de ncredere n care se ncadreaz r
k
(K = 1, 2, .. k) cu o probabilitate P =
0,95, astfel 1,96 o s r
k
s 1,96 o , unde: .
n cazul n care estimaiile, r
k
, se ncadreaz n intervalul menionat ipoteza nul, p
k
= 0,
este confirmat. n caz contrar, r
k
se situeaz n afara intervalului, ipoteza nul este
infirmat, ceea ce nseamn c valoarea lui p
k
difer semnificativ de zero.
n
1
2
= o
n
1
= o
Testul Q (Box-Pierce)
G. P. Box i D. A. Pierce au propus testul Q (Box-Pierce) privind ipoteza simultaneitii
nesemnificaiei tuturor coeficienilor de autocorelaie, H
0
:
1
=
2
==
k
=0, definind
astfel variabila:
care urmeaz asimptotic distribuia
2
;v
cu v =m grade de libertate.
Dac Q >
2
o;m
ipoteza nul este infirmat, n sensul c cel puin unul dintre coeficienii p
k
difer semnificativ de zero, iar dac Q <
2
o;m
seria este considerat staionar.

=
=
m
k
k
r n Q
1
2
Testul Ljung-Box (LB)
O variant a testului anterior este testul Ljung-Box (LB), pentru care a fost
definit variabila:
Testul LB este recomandat n cazul n care eantionul de date este redus
(n<30).
Dac LB >
2
o;m
, ipoteza nul este infirmat, nu toi coeficienii p
k
= 0, spre
deosebire de LB<
2
o;m
, caz n care H
0
este confirmat, coeficienii de
autocorelaie fiind nesemnificativi.
2
;
1
2
) 2 (
m
m
k
k
k n
r
n n LB
o
; ~
|
|
.
|

\
|

+ =

=
Testul rdcinii unitii
(UNIT ROOT TEST)
Pentru a alege ntre seria de tip TSP i seria de tip DSP, sau ntre seria CI(1) i seria
CI(2) se aplic testul rdcinii unitii (UNIT ROOT TEST), bazat pe modelul:
y
t
= y
t-1
+ u
t
variabila u
t
fiind neautocorelat, de medie zero i dispersie constant i este
cunoscut sub numele de zgomot alb (white noise).
Dac =1 y
t
= y
t-1
+ u
t,
, ne aflm n prezena unei rdcini unitare, variabila
stochastic y
t
fiind rezultatul unui mers la ntmplare (random walk), rezult c
seria nu este staionar, fiind de tip DSP;
Dac >1, atunci seria este exploziv (tot nestaionar, dar de regul, astfel de
comportament nu este regsit n economie);
Dac ||<1, atunci seria este staionar.
Exemplu
Corelograma pentru Indicele BET
Funcia de autocorelaie parial-
PACF
Msoar corelaia ntre Y
t
i Y
t-k
fr a ine cont de corelaiile dintre Y
t
i Y
t-1
,
Y
t-2
....
Fie i
Se definete funcia de autocorelaie parial ntre Y
t
i Y
t-k
:
cu
Proprietate (demonstraie folosind teorema Frisch i Waugh): Coeficientul
de autocorelaie parial de ordin k este egal cu valoarea parametrului
variabilei Y
t-k
din modelul liniar de regresie :

=

+ =
1
1
0

k
i
i t i t
Y a a Y

=

+ =
1
1
0

k
i
i t i k t
Y b b Y
)

var( )

var(
)

cov(
) (
k t k t t t
k t k t t t
Y Y Y Y
Y Y Y Y
k PACF




=
| | 1 , 1 : Z PACF

=

=
k
i
i t i t
Y a Y
1

Procedee de staionarizare
Cuminducem staionaritatea n medie?
Prin diferene de ordinul I sau II:
D(Y)= Y
t
- Y
t-1
Prin difereniere sezonier
De exemplu dac ACF la lagul 12 tinde foarte greu la 0, avem o sezonalitate de
ordinul 12 i vom calcula diferene de ordinul 12: Y
t
Y
t-12
Cuminducem staionaritatea n dispersie?
Dac dispersia seriei iniiale nu este constant, atunci seria se logaritmeaz.

Dac i dup logaritmare exist un trend n date, se iau diferene de ordinul I:

Atenie: NU se logaritmeaz dup ce s-au efectuat diferene de ordinul I:

) ln(
t
Y
1
ln ln ln

= A
t t t
Y Y Y
) ln( !
1

t t
Y Y NU
Serii integrate
n literatura econometric de dat mai recent ntlnim serii cronologice caracterizate
prin termeni ca:
SERIE INTEGRAT acea serie nestaionar care poate fi transformat ntr-o serie
staionar prin calculul diferenelor de ordinul nti (serie integrat de ordinul nti
I(1) ), adic: , iar dac tendina nu a fost eliminat n
totalitate, se procedeaz la calculul diferenelor de ordinul doi (serie integrat de
ordinul doi I(2)), respectiv etc. Seria la care se ajunge
n final, ntruct nu mai include tendin, fiind deci staionar, este considerat serie
integrat de ordinul zero I(0).
1
) 1 ( 1

= =
t t t t
y y y y A
1
) 2 ( 1

= =
t t t t
y y y y A A A
Serii cointegrate
SERII COINTEGRATE sunt considerate acele serii cronologice care, integrate fiind
de acelai ordin, admit o combinaie liniar care este integrat de ordin zero sau, n
orice caz, este integrat de ordin mai mic dect ordinul de integrare a seriilor iniiale.
Astfel, n cazul a dou serii, x
t
, y
t
, fiecare fiind integrat de ordinul nti, dac exist
o combinaie liniar z care poate rezulta astfel: z
t
= y
t
+ x
t
sau z
t
= y
t
-x
t
sau, mai
frecvent, z
t
= y
t
- (a
0
+a
1
x
t
), care este integrat de ordinul zero, afirmm c cele dou
serii sunt cointegrate de ordinul nti. Aadar, dac y
t
I(1) , x
t
I(1) i z
t
I(0)
afirmm c x
t
,y
t
CI(1;1). Astfel de serii sunt caracterizate ca fiind ntr-o relaie de
echilibru pe termen lung.
Pentru a ncadra o serie cronologic ntr-una dintre categoriile menionate, se
apeleaz la reprezentri prin tabele, grafice (cronograme, corelograme) dar mai ales
la testele statistice.
Exemplu de serie nestaionar
-600
-400
-200
0
200
400
600
500 1000 1500 2000
Indicele BET-diferente de ordinul I
1
= A
t t t
Y Y Y
Diferene de ordinul I:
Exemplu de serie nestaionar
-.16
-.12
-.08
-.04
.00
.04
.08
.12
500 1000 1500 2000
Diferente de ordinul I ale logaritmului seriei
Seria logaritmat i difereniat:
1
ln ln ln

= A
t t t
Y Y Y
Zgomot alb
WN(0,o
2
)
Zgomotul alb, WN(0,o
2
) este este cel mai simplu model staionar pur aleator
X
t
= c
t
unde termenul eroare, c
t
, este presupus a avea urmtoarele proprieti:
E(c
t
) = 0; Var(c
t
) = o
2
Cov(c
t
, c
t-k
) = 0, k=0
Cov(c
t
, y
t-k
) = 0, k>0
Funcia de autocorelaie a acestui model este:

=
=
=
0 h 1
0 h 0
h
p
Model Autoregresiv de ordin p
AR(p)
Un Model Autoregresiv de ordin p, AR(p) este
un model n care valoarea curent este influenat de valorile anterioare
i de perturbaii aleatoare independente
o serie staionar ce satisface relaia:
y
t
=o + o
1
y
t-1
+ ... + o
p
y
t-p
+ c
t
sau
o(B)y
t
= o + c
t
unde: o
1
, o
2
, ..., o
p
parametrii
o(B) = 1 - o
1
B - ... - o
p
B
p
o - termenul constant
c
t
- WN(0,o
2
), numite adesea inovaii
Exemplu:
Reprezentarea numrului omerilor
numrul total al omerilor n luna t este Y
t
i o proporie 1-o dintre
omerii fiecrei luni gsesc de lucru naintea lunii urmtoare:
Y
t
= o Y
t-1
+ n
t
unde n
t
este numrul noilor omeri ai lunii t
dac E(Y
t
)=u:
Y
t
- u = o(Y
t-1
- u) + ou - u + n
t
X
t
= o X
t-1
+ c
t
Model Medie Mobil de ordin q
MA(q)
Un Model Medie Mobil de ordin q, MA(q) este:
O serie economic influenat de factori economici, nu toi acionnd
imediat
rspunsul unui instrument de msur cu inerie: valoarea la fiecare moment
este o medie a celor mai recente influene
proces staionar definit de:
y
t
= u + c
t
- u
1
c
t-1
- ... - u
q
c
t-q
sau
y
t
= u + u(B) c
t
unde: u
1
, ..., u
q
sunt coeficieni de medie mobil
u(B) = 1 - u
1
B - ... - u
q
B
q
u - termenul constant
c
t
- WN(0,o
2
)
Model ARMA(p,q) i
ARIMA(p,d,q)
Un model ARMA(p,q) este:
o combinaie a modelelor AR i MA;
un proces staionar ce satisface relaia:
y
t
= o + o
1
y
t-1
+ ... + o
p
y
t-p
+ c
t
- u
1
c
t-1
- ... - u
q
c
t-q
sau
o(B)y
t
= o + u(B) c
t
unde: - o(B) = 1 - o
1
B - ... - o
p
B
p
- u(B) = 1 - u
1
B - ... - u
q
B
q
Un model ARIMA(p,d,q) este:
un proces ce satisface relaia:
o(B)w
t
= o + u(B) c
t
unde: w
t
=V
d
y
t
serie staionar obinut prin diferenierea de ordin d a seriei y
t
Modele ARIMA(p,d,q) - Exemple
AR(1): y
t
=o + o
1
y
t-1
+ c
t
AR(2): y
t
=o + o
1
y
t-1
+ o
2
y
t-2
+ c
t
MA(1): y
t
= u + c
t
- u
1
c
t-1
MA(2): y
t
= u + c
t
- u
1
c
t-1
- u
2
c
t-2
ARMA(1,1): y
t
= o + o
1
y
t-1
+ c
t
- u
1
c
t-1
ARMA(2,1): y
t
= o + o
1
y
t-1
+ o
2
y
t-2
+ c
t
- u
1
c
t-1
ARMA(1,2): y
t
= o + o
1
y
t-1
+ c
t
- u
1
c
t-1
- u
2
c
t-2
ARIMA(1,1,1): y
t
y
t-1
= o + o
1
(y
t-1
- y
t-2
) + c
t
- u
1
c
t-1