Zeitreihenanalyse â Einstieg und Aufgaben - FernUniversität in Hagen
Zeitreihenanalyse â Einstieg und Aufgaben - FernUniversität in Hagen
Zeitreihenanalyse â Einstieg und Aufgaben - FernUniversität in Hagen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
KAPITEL 2. AR-PROZESSE UND ELEMENTARES<br />
Autokorrelation kl<strong>in</strong>gt zunächst auch ab, wie wir es erwarten würden,<br />
erzeugt dann aber vorübergehend noch e<strong>in</strong>e Schw<strong>in</strong>gung, die e<strong>in</strong>en zusätzlichen<br />
E<strong>in</strong>fluss suggeriert, der gar nicht vorhanden ist. Die partielle<br />
Autokorrelation fällt wie erwartet nach Lag 1 sofort unter die Konfidenzgrenze<br />
ab, es wird jedoch zusätzlich e<strong>in</strong>e signifikante partielle Autokorrelation<br />
mit Lag 18 geschätzt. Diese ist natürlich nicht vorhanden, da wir ja<br />
e<strong>in</strong>en AR(1)-Prozess simuliert haben. Solche zufälligen Überschreitungen<br />
passieren aufgr<strong>und</strong> der Fehlerwahrsche<strong>in</strong>lichkeit von α = 5%. Hier ist bei<br />
realen Problemen ökonomischer Sachverstand gefragt um e<strong>in</strong>schätzen zu<br />
können, ob solche „exotischen“ Korrelationen lediglich Schätzartefakte darstellen<br />
oder ob sie auf e<strong>in</strong>e <strong>in</strong>härente Fehlspezifikation des Modells h<strong>in</strong>weisen.<br />
Schließlich wird der AR-Parameter φ mit ˆφ = 0.714 geschätzt. Wir konstruieren<br />
das entsprechende Konfidenz<strong>in</strong>tervall zum Konfidenzniveau 1−α =<br />
95%<br />
√<br />
1 − 0.714<br />
2<br />
c o/u = 0.714 ± 1.96<br />
⇒ φ ∈ [0.577, 0.851]. (2.60)<br />
100<br />
Der wahre Wert des AR-Parameters war φ = 0.8. Er wird somit voll vom<br />
Konfidenz<strong>in</strong>tervall überdeckt.<br />
Aufgabe 2.8<br />
Gegeben sei die stationäre Zeitreihe<br />
(y t ) t=0,...,8 = {1, 2, 3, 3, 4, 2, 0, 2, 1}.<br />
Gehen Sie davon aus, dass e<strong>in</strong> AR(1)-Prozess zugr<strong>und</strong>eliegt.<br />
Schätzen Sie den AR-Parameter φ <strong>und</strong> bilden Sie<br />
das 95%-Konfidenz<strong>in</strong>tervall mit Hilfe der geschätzten Fisher-<br />
Information.<br />
2.4 Der AR(2)-Prozess<br />
Der AR(2)-Prozess ist ebenfalls e<strong>in</strong> ausgesprochen wichtiger Repräsentant<br />
se<strong>in</strong>er Zunft. Er ist der sparsamste Prozess, der <strong>in</strong> der Lage ist schw<strong>in</strong>gende<br />
Systeme zu beschreiben. Wir werden deshalb e<strong>in</strong>ige Eigenschaften des AR(2)-<br />
Prozesses näher beleuchten <strong>und</strong> gleichzeitig die Gelegenheit nutzen e<strong>in</strong>iges,<br />
was wir über den AR(1)-Prozess gelernt haben, allgeme<strong>in</strong>er zu formulieren.<br />
Zunächst werden wir aber e<strong>in</strong>e andere, platzsparende Schreibweise für AR(p)-<br />
Prozesse kennenlernen.<br />
36