Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Si consideri una serie temporale, Yt, con T osservazioni {y1, ... , yT}
Covariance Stationarity: un processo stocastico, Yt covariancestationary se soddisfa ai seguenti requisiti:
E Yt
Var Yt
Cov Yt ,Y s
15
10
-5
-10
-15
11
21
31
41
51
61
71
81
91
REGRESSIONE SPURIA
MESSAGGIO IMPORTANTE IN PRESENZA DI SERIE I(d)
REGRESSIONE SPURIA
REGRESSIONE SPURIA
REGRESSIONE SPURIA
Y= -2943. + 45.7974 X,
(-16.70)
(17.76)
R2 = .916,
Corr = .9570
Yt 1 2 t et
t Yt 1 2 t
X t X t 1 t
0,
15
Random walk
10
5
11
21
31
41
51
61
71
81
91
-5
-10
-15
X t X t 1 t
X t X 0 1 t 1 t
E X t X 0 E 1 E t X 0
Media costante
X2 t = population variance of X 0 1 t 1 t
= population variance of
1 t 1 t
2
2
2
=
2
= t
X t 1 X t 1 t
X t 1t X 0 1 t 1 t
t
X t 1t X 0 i
1
E X t X 0 1t
X2 t t 2
La prima condizione di non stazionariet violata
La seconda condizione per non stazionariet violata
15
RW con drift
10
-5
-10
-15
11
21
31
41
51
61
71
81
91
X t 1 X t 1 t
X t X t 1 1 t
X t 1 t
Un TSP :
Un DSP :
X t X 0 t t
X t X 0 t v t
t
v t i 1e i
Yt 1 2 X t t
Yt -1 1 2 X t -1 t -1
Yt X t v t
v t t t 1
IMPLICAZIONI
PROBLEMI
i) Lerrore nella stima con le variabili differenziate
non white noise;
ii) Si perdono importanti informazioni legate ai livelli
delle variabili (vedremo bene con la cointegrazione)
Yt Yt -1 t
e lo si rappresenti con loperatore ritardo L
1 L Yt
Se la radice dellequazione:
1 L 0
L 1/
- 1 1
Modelli ARIMA