Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ate
fytg
l’ordine t non puo’essere variato; v.c. non indipendenti;
non replicabili (i dati si ottengono da una sola realiz-
zazione) bisogna dunque essere rigorosi nello speci…care
la natura stocastica del modello, i.e. valora atteso, vari-
anza, covarianza, autocovarianza, autocorrelazione.
yt = + y t 1 + "t (1)
non ha un interpretazione casuale. Assumendo che
1. j j < 1
Otteniamo:
= E (yt) = + E (yt 1) + "t
E (yt) = + E (yt 1)
=
1
de…nendo cyt come yt centrato cyt = yt riscriviamo
la (1) come
c yt = cyt 1 + "t
V (yt) = V ( + yt 1 + "t)
= ( 2V (yt 1) + 2)
dato che V (yt) = V (yt 1)
2
V (yt) = 2
1
Cov (ytyt 1) = E (cyt cyt 1)
= E [( cyt 1 + "t) (cyt 1)]
= V (yt)
2
= 2
1
potete ottenere allo stesso modo che
2
Cov (ytyt k ) = k
1 2
yt = + "t + " t 1
V (yt) = E ("t + "t 1)2
= E ("t)2 + 2E ("t 1)2
= (1 + 2) 2
Cov (ytyt 1) = E [(h"t + i "t 1) ("t 1 + "t 2)]
= E "2t 1
= 2
Cov (ytyt 2) = 0
Cov (ytyt k ) = 0 per k = 2; 3; 4::
Se j j < 1 un processo AR puo’essere riscritto come un
processo MA per sostituzione di yt 1 = + yt 2 +"t 1;
yt 1 = (yt 2 ) + "t 1 in (1) otteniamo
yt = + 2(yt 2 ) + "t + " t 1
sostituendo ancora yt 2 = (yt 3 ) + "t 2
abbiamo
yt = + 2( (yt 3 ) + "t 2) + "t + "t 1
= + 3 (yt 3 ) + "t + " t 1 + 2 "t 2
continuando le sostituzioni si ottiene
nP1
yt = + n (y )+ j"
t n t j
j=0
nP1
dove j" e’una componente MA
t j
j=0
1.0.1 Operatore ritardo
Lyt = yt 1
Lj yt = yt j
AR(1) ) yt = 1yt 1 + "t
yt 1 yt 1 = "t
(1 1 L)yt = "t
"t
yt =
1 1L
1.1 Stazionarieta’
E (yt) = <1
V (yt) = 0<1
Cov (ytyt k ) = k; k = 1; 2; 3::
Stazionarieta’in senso debole. Esempio Processo White
Noise
"t N (0; 2" )
autocovarianza
Per k = 2; 3; 4::
processo AR(1)
yt = + y t 1 + "t
k 2
1 2
k
k = = 2 = k
0 2
1
processo MA(1)
yt = + "t + "t 1
2
1
1 = = 2) 2
=
0 (1 + 1+ 2
k 0
e k = = 2) 2
=0
0 (1 +
1.2 Stazionarieta’e radici unitarie
yt = + y t 1 + "t
Processi autoregressivi non stazionari:
1. Processi Di¤erenza Stazionari (DS), (in (1) =
1)
yt yt 1 = + "t
yt = + y t 1 + "t
= 1 corrisponde al test di radice unitaria. Dickey Fuller
(1979) dimostrano che, dato che yt non e’stazionario, lo
stimatore OLS di ^ non ha una distribuzione t. Dunque
in alternativa e’stata proposta la seguente statistica
1
DF =
s:e:(^)
dove ^ e’stimato tramite un OLS ma i valori critici sono
ricavati da una distribuzione corretta.
H0 : = 1 Random Walk DS
H1 : j j < 1 Stazionario
al 5% tDF = 2; 86
Per convenienza di solito si riscrive il modello come
yt = +( 1) yt 1 + "t (2)
dato che
yt yt 1 = + yt 1 yt 1 + "t
e si sottopone a test H0 : ( 1) = 0: Nota che questa
speci…cazione e’ robusta a problemi di autocorrelazione
dei residui.
yt = + y t 1 + "t
H0 : Random Walk
H1 : Stazionario con intercetta
yt = +( 1) yt 1 + "t
H0 : =( 1) = 0
si procede con un F test
2. Processo stazionario attorno ad un trend con inter-
cetta
yt = + y t 1 + t + "t
H0 : Random Walk
H1 : Stazionario ad un trend con intercetta
yt = +( 1) yt 1 + t + "t
H0 : =( 1) = = 0
Le statistiche di DW sono dunque , , t ed F
yt = + t + t + ut
t = t 1+ t
dove ut iid(0; 2u) e t iid(0; 2 ). Se 2 = 0
T
P
t = 0+ j = 0
j=1
Assumendo che 0 è costante, allora yt si riduce a
yt = ( + 0) + t + ut
che è un processo trend stazionario. Se invece 2 >
0, allora yt è un processo di¤erenza stazionario poichè
include un random walk t.
H0 : 2 =0
H1 : 2 > 0
Sotto H0 di processo stazionario attorno ad un trend o
no
1. primo passo OLS yt = + t + "t ) ^
"t = et
Pt
2. somme parziali st = s=1 es per ogni t:
PT
t=1 s2t
KP SS =
^2
e’una statistica LM . KPSS hanno derivato la dis-
tribuzione sotto l’ipotesi nulla (non standard se c’e’
radice unitaria): ^ 2 Newey West standard error.
(1 2 ::: p
1L 2 L pL ) = 0
(L)yt = c + "t
cioe’ le cui radici devono cadere al di fuori del cerchio
unitario nel campo complesso
ARMA(1,1)
yt = + y t 1 + "t + "t 1
ARMA(p,q)
1) Identi…cazione
2) Stima
3) Controllo diagnostico
2.1 Identi…cazione
2. SOTTOPARAMETRIZZATO
yt = + y t 1 + 0 xt + 1 xt 1 + " t (3)
dove "t W N indipendente da yt 1; yt 2 e xt; xt 1.
Calcolando le derivate parziali possiamo calcolare il molti-
plicatore d’impatto. E¤etto di xt su yt
@yt
= 0
@xt
L’e¤etto dopo un periodo e’dato da
@yt+1 @yt
= + 1= 0 + 1
@xt @xt
dopo due periodi
@yt+2
= ( 0 + 1)
@xt
Se j j < 1 gli e¤etti superiori al primo sono decrescent.
iIl moltiplicatore di lungo periodo (o moltiplicatore di
equilibrio) e’
@yt @yt+1 @yt+2
+ + + ::: =
@xt @xt @xt
0 + 1
0 +( 0 + 1) + ( ( 0 + 1)) + ::: =
1
Allo stesso risultato si giunge calcolando il valore atteso
della (3)
E (yt) = + E (yt 1) + 0E (xt) + 1E (xt 1)
+ 1
= + 0 E (xt)
1 1