Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Serie</strong> <strong>Storiche</strong> e <strong>Processi</strong> <strong>Stocastici</strong> – Federico Andreis<br />
Volendo riassumere brevemente quanto detto finora possiamo sottolineare il carattere di<br />
dualità tra i processi AR e MA .<br />
I processi di tipo AR rispondono al tentativo di spiegare il presente in funzione del<br />
passato, fino ad una certa “distanza” p, per contro i modelli di tipo MA rappresentano un<br />
tentativo di spiegare il presente come risultante da una successione incontrollata di<br />
impulsi casuali, statisticamente riassunti nel white noise A t .<br />
In un processo AR( p ) non sono imposte condizioni per i parametri in modo da<br />
assicurare l‟invertibilità, mentre si richiedono per la stazionarietà.<br />
In un processo MAq non sono imposte condizioni sui parametri per quanto riguarda la<br />
stazionarietà, mentre le si impongono per l‟invertibilità.<br />
Per ogni processo AR( p ) stazionario esiste una rappresentazione unica del tipo<br />
MA , e per ogni processo MAq invertibile ne esiste una del tipo AR .<br />
Nei processi MAq teorici il correlogramma si annulla bruscamente per h q,<br />
il<br />
correlogramma parziale invece decresce lentamente con andamento dipendente dal<br />
segno dei parametri j .<br />
Nei processi AR( p ) teorici il correlogramma parziale si annulla bruscamente per h q<br />
mentre il correlogramma decresce lentamente con andamento dipendente dal segno dei<br />
parametri j .<br />
All‟atto pratico si considerano come nulle, al fine dell‟identificazione del modello a<br />
partire dai dati, quelle autocorrelazioni che restino comprese fra le due bande tratteggiate<br />
nei correlogrammi, con un livello di confidenza del 95%.<br />
I Modelli Autoregressivi a Media Mobile<br />
Un modello del tipo autoregressivo a media mobile di ordini p e q, indicato con<br />
ARMA( p, q ) , è un costrutto statistico che comprende sia termini autoregressivi che a media<br />
mobile e può essere espresso come segue:<br />
Y c Y Y ... Y A A A ... A<br />
t 1 t1 2 t2 p t p t 1 t1 2 t2 q tq Per comodità di rappresentazione introduciamo ora l‟operatore retrocessore o backward B<br />
secondo la seguente definizione:<br />
0<br />
B X t Yt<br />
BX Y<br />
t t1<br />
2<br />
B X t Yt2<br />
...<br />
k<br />
B X t Yt<br />
k<br />
Trattandosi di un operatore lineare vale la seguente: <br />
0 1B Xt 0X t 1X t1<br />
.<br />
Se consideriamo il processo MA( q ) Y t con media supposta nulla possiamo scriverlo<br />
sfruttando l‟operatore B come