Documente Academic
Documente Profesional
Documente Cultură
Observaţie. Dacă seria prezinta fluctuații mari in jurul mediei, este indicat
ca inainte de modelare, sa se logaritmeze datele iniţiale, reducând astfel
amplitudinea fluctuaţiilor seriei. Se va lucra în continuare cu datele
logaritmate.
ARMA (p,q) descreşte exponenţial sau sinusoidal începând cu descreşte exponenţial sau sinusoidal începând cu
k=q-p k=q-p
Metodologia Box Jenkins
În practică vom căuta:
cea mai mică valoare a lui k începând de la care funcţia de autocorelaţie parţială ck nu diferă
semnificativ de zero (începând de la care ipoteza nulă H0 : nu se respinge). Obţinem astfel
valoarea plauzibilă pentru p ordinul modelului autoregresiv AR(p); AR(p) este adecvat
variabilelor dependente exclusiv de trecutul lor, cu pronunţat caracter inerţial (exemplu:
consumul de bunuri de strictă necesitate unde se creează obişnuinţă).
cea mai mică valoare a lui k începând de la care funcţia de autocorelaţie rk nu diferă
semnificativ de zero (începând de la care ipoteza nulă H0 : nu se respinge). Obţinem astfel
valoarea plauzibilă pentru q, ordinul modelului medie mobila MA(q). MA(q) e adecvat
variabilelor „sensibile” la modificări ale variabilelor exogene, determinând abateri accidentale
de la evoluţia medie.
În principiu nu este dificil să distingem între un model AR(p) şi un model MA(q), în schimb
determinarea ordinelor p, q pentru un model mixt este un proces relativ incert. Există şi
posibilitatea selectării modelului ce minimizeaza diferite criterii construite utilizând funcţia de
verosimilitate (ex: criteriul Akaike AIC, criteriul Schwarz SC).
Estimarea parametrilor modelului
Forma restrânsă a unui model
ARMA(p,q): (L )Yt = (L ) t
ARIMA(p,d,q): (L )(1 − L) d X t = (L ) t
Metoda clasică a celor mai mici pătrate de minimizare a sumei pătratelor erorilor
conduce la estimatori ai parametrilor a1, a2,…, ap regăsind ecuațiile Yule-Walker
(relațiile între coeficienții modelului și coeficienții de autocorelație).
Estimatorii obținuți nu sunt eficienți deoarece există colinearitate între variabilele
explicative din model.
De aceea se utilizează metoda verosimilității maxime.
Maximizarea acesteia conduce la valori pentru coeficienţii ai, bi ce asigură cea mai
mare probabilitate de apariţie a observaţiilor Y1, …, YT.
Acești estimatori sunt consistenți, asimtotic eficienți și normal distribuiți.
Testarea validității modelului
Pentru a vedea dacă modelul estimat surprinde adecvat modul de generare a
datelor (caracterul inerţial respectiv cel de asimilare a şocurilor) este utilă în
prealabil o analiza comparativă a funcţiei de autocorelaţie r̂k respectiv de
autocorelaţie parţială ĉ k estimate, pentru seria iniţială Yt respectiv pentru seria
generată de model Yˆt .
O asemănare între corelogramele acestora indică faptul că modelul surprinde
adecvat mecanismul de generare a datelor.
De asemenea se pot analiza rădăcinile unitate ale polinoamelor autoregresive
respectiv medie mobilă.
H 0 : ai = 0
H 1 : ai 0
ai
Statistica: t= N(0,1)
Var (ai )
Regula de decizie: Pentru un nivel de semnificaţie , dacă t calc − t tab ,+t tab atunci
ipoteza
nulă H0 nu se respinge. Prin urmare variabila corespunzătoare se elimină din model, şi se
respecifică respectiv re-estimează modelul.
Observație: Ca teste asupra coeficienţilor se pot utiliza şi alte teste precum testul Wald, sau
teste de tip LM (Multiplicatorul lui Lagrange) pentru omisiunea unor variabile, teste de
stabilitate a coeficienţilor.
Teste privind reziduurile
Dacă modelul este bine specificat, atunci reziduurile din modelul estimat
sunt generate de un proces de tip zgomot alb (succesiune de variabile
aleatoare independente, identic repartizate), cu medie zero şi normal
distribuit.
Autocorelarea reziduurilor. Pentru detectarea unor dependenţe în seria
reziduurilor se examinează funcţia de autocorelaţie şi de autocorelaţie
r̂k
parţială a reziduurilor.ĉ kDacă reziduurile sunt necorelate, atunci aceşti
coeficienţi nu trebuie să fie semnificativ diferiţi de zero.
rˆk
Var (rˆk ) =
1
Statistica: t= N(0,1) unde
Vˆar (rˆk ) T
Observații:
1. Același test se aplică și pentru coeficienții parțiali de autocorelație.
2. Se mai aplică și testul Ljung Box studiat în cursurile precedente
Investigarea normalității reziduurilor
Testul Jarque&Bera:
Se bazează pe coeficienții de boltire și de asimetrie
Dacă un eşantion de T observaţii provine dintr-o distribuţie normală atunci coeficientul de
asimetrie calculat în baza observaţiilor urmează asimptotic legea normală N(0, 6/T) iar
coeficientul boltirii legea N(3,24/T).
Jarque şi Bera obţin prin însumarea celor două variabile normale independente statistica:
1 1
JB = Tˆ 32 + T (ˆ 4 − 3) 2 2 (2)
6 24
Regiunea critică:
P ( JB 2 , 2 ) =
Investigarea heteroscedasticităţii
reziduurilor
Testul multiplicatorilor lui Lagrange pentru heteroscedasticitate de tip
ARCH(p) presupune:
estimarea reziduurilor et = ˆt din ecuaţia ce defineşte modelul;
estimarea regresiei auxiliare (ce fundamentează testul):
et2 = 0 + 1et2−1 + ... + p et2− p
Procedura:
Se determină P și Q maximele ordinelor modelelor AR respectiv MA
p și q se determină astfel încât să obțin minimul criteriilor descrise
Realizarea previziunilor
Modelul ARIMA estimat şi validat poate fi utilizat pentru generarea de previziuni:
previziuni punctuale
intervale de previziune.
Previziuni punctuale
Pentru un orizont de previziune h, ataşăm momentului T+h, unde T este originea efectuării
previziunii, variabila aleatoare YT + h .
YT + h = E (YT + h | YT , YT −1 ,..., Y1 )
Yt = t + c1 t −1 + c 2 t −2 + ... Yt = C (L ) t
( L)C (L ) = ( L)
(L )
Yt = t
(L )
h −1
eT + h = YT + h − YT + h = t + c1 t −1 + c 2 t − 2 + ... − (c h T + c h +1 T −1 + ...) V (eT + h ) = 2 1 + c 2j
j =1
Exemplu
Fie seria temporală a PIB-ului SUA,
miliarde de dolari SUA, date
trimestriale ajustate sezonier din
1947 până în 2007, exemplu furnizat
în Gujarati, D., Porter, D., Basic
Econometrics, ediția a V-a, McGraw-
Hill, 2009, pp 778-784
Verificarea stationarității seriei
Este seria diferențiată stationară?
Corelograma seriei diferențiate
p
0 1 2
q
0 ARMA(0,0) ARMA(0,1), deci MA(1) ARMA(0,2), deci MA(2)
1 ARMA(1,0), deci AR(1) ARMA(1,1) ARMA(1,2)
ARMA(0, 0)
ARMA(1,0)
ARMA(0,1)
ARMA(0,2)
ARMA(1,1)
ARMA(1,2)
Compararea modelelor
Modele identificate
ma(2) yes No
Rezidualurile sunt White
yes no yes yes Yes
Noise?