20.05.2013 Views

Serie Storiche e Processi Stocastici

Serie Storiche e Processi Stocastici

Serie Storiche e Processi Stocastici

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

<strong>Serie</strong> <strong>Storiche</strong> e <strong>Processi</strong> <strong>Stocastici</strong> – Federico Andreis<br />

temporali esso richiede un numero di parametri inferiore a quelli necessari per un modello<br />

autoregressivo puro.<br />

ARMA p, q sia stazionario è legata alle radici<br />

La condizione affinché un processo <br />

dell‟equazione caratteristica della parte autoregressiva del modello, che si ottiene uguagliando a<br />

B . Si tratta esattamente delle stesse condizioni imposte per il modello<br />

zero l‟operatore <br />

AR p e già discusse in precedenza, e rileggendole alla luce della nuova formulazione<br />

richiedono che le radici B , j 1,..., p dell‟operatore siano tutte in modulo superiori ad 1 (nel<br />

j<br />

caso AR 2 questa condizione si riflette sui parametri in modo da costringerli all‟interno del<br />

triangolo di cui in precedenza). In questo caso per il processo esiste anche una rappresentazione<br />

del tipo MA .<br />

Analogamente la condizione per l‟invertibilità coincide con quella già presentata relativa al<br />

modello MAq , ovvero è legata alle radici dell‟equazione caratteristica della parte a media<br />

mobile, che si ottiene uguagliando a zero l‟operatore B . Le radici B , j 1,..., q dovranno<br />

essere tutte in modulo superiori ad 1. In questo caso per il processo esiste anche una<br />

rappresentazione del tipo AR .<br />

In sostanza: se il processo ARMA p, q è stazionario ed invertibile lo si può approssimare,<br />

trascurando un certo numero di termini, in un processo AR p o in un MAq .<br />

Risulta inoltre chiaramente che i processi autoregressivo di ordine p e a media mobile di<br />

ARMA p, q , infatti:<br />

ordine q sono casi particolari del più generale <br />

p 0 ARMA p, q MAq <br />

q 0 ARMA p, q AR p<br />

Il valore atteso del processo risulta essere:<br />

t 1 t1ptp E Y c E Y ... E Y 0 0 ... 0<br />

c<br />

EY t <br />

1 ... <br />

1 2<br />

La funzione di autocovarianza è fornita dalle seguenti due relazioni:<br />

dove <br />

<br />

h 1 h1 ... p h p h 1 h1 ... q hq hq <br />

h 1 h1 2 h2 ... p h p<br />

hq <br />

h E Yt E Yt At E At<br />

<br />

è la covarianza incrociata tra le variabili t Y e A t .<br />

La varianza ha quindi, per le note proprietà di simmetria della covarianza, la seguente<br />

espressione:<br />

... ... <br />

<br />

2 <br />

0 1 1 p p 1 1<br />

q p<br />

p<br />

j

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!