MODELLI PER LE QUOTE DI MERCATO.

SEEMINGLY UNRELATED REGRESSIONS

Lo stimatore SUR si deve impiegare quando abbiamo un sistema di equazioni
“legate” tra di loro da vincoli sugli errori, e le variabili indipendenti sono
parzialmente diverse
Posizione del problema
Supponiamo di avere m equazioni di regressione
y ir =x ir βi + ε ir , i =1,…,m
T

i rappresenta il numero dell’equazione;

r = 1,.., R sono gli intervalli di tempo. R è elevato.
Ogni equazione i ha una variabile di risposta e un vettore di dimensione ki di
regressori.
Se stacchiamo le osservazioni corrispondenti alla i-ma equazione il modello può
essere scritto in forma vettoriale:
y ir = X i β i +ε i , i = 1,…,m
'

dove yi e i sono vettori Rx1,

Xi è una matrice Rxki e
i è un vettore kix1.
L’assunzione del modello è che i termini di errore ir sono indipendenti nel tempo
ma vi possono essere correlazioni incrociate contemporanee. Pertanto assumiamo
che
E [ ε ir ε is ]=0 se r ≠ s , mentre E [ ε ir ε jr ]=σ ij

Supponiamo di indicare con  la matrice delle varianze e covarianze degli errori, la

matrice delle varianze e covarianze degli errori staccati sarà data da
Ω=E [ ε ε ∨X ]=Σ ⊗ I R
T

dove ⊗ è il prodotto di Kronecker.

Che cosa è il prodotto di Kronecker (approfondimento)
Il prodotto di Kronecker, nell’ambito dell’algebra lineare, è una operazione tra due
matrici di dimensioni arbitrarie, sempre applicabile, al contrario dell’usuale
moltiplicazione tra matrici.
Se A è una matrice (m x n) e B è una matrice (p x q), allora il loro prodotto di
Kronecker A⊗ B è una matrice (mp x nq) definita a blocchi nel modo seguente:

[ ]
a 11 B ⋯ a1 n B
A ⊗B= ⋮ ⋱ ⋮
am 1 B ⋯ amn B

Esempio

[ 13 21] ⊗ [02 31] =

1x0 1x3 2x0 2x3
1x2 1x1 2x2 2x1
3x3 1x0 1x3
3x0
3x2 3x1 1x2 1x1

=
1 3 2 6
2 1 4 2
0 9 1 3
6 3 2 1

Proprietà del prodotto di Kronecker:

1) A ⊗ (B+C) = A⊗B + A⊗C , se B e C hanno la stessa dimensione.
2) (A+B) ⊗C = A⊗C + B⊗C, se A e B hanno la stessa dimensione.
3) (kA)⊗B = A⊗(kB) = k(A⊗B), k scalare.
4) (A⊗B)⊗C = A⊗B⊗C.

Stima
Il modello SUR è usualmente stimato in due fasi:
a) si stimano le equazioni usando gli OLS. I residui da queste regressioni sono usati
per stimare gli elementi della matrice :
 1 T
σ^ ij= ε^i ε^j
R

b) Nel secondo stadio eseguiamo una regressione con i minimi quadrati

generalizzati:
^β=¿

Le stime SUR sono equivalenti a quelle dei minimi quadrati ordinari quando:
1. La matrice è diagonale, ovvero non ci sono correlazioni incrociate tra i
termini di errore. In questo caso il sistema è genuinamente incorrelato.
2. Quando ogni equazione contiene esattamente lo stesso insieme di regressori,
X1= X2=…=Xm