Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
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