[ ]
[ ]
[ ]
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Econometria Università di Bari – Facoltà di Economia<br />
Dott.ssa Laura Serlenga Dispense #7 A.A. 2003-2004 – 2ndo semestre<br />
distanza fra due osservazioni temporali. Nota che se una serie è stazionaria<br />
l’autocovarianza decresce quanto più k aumenta. Non si fa alcuna ulteriore<br />
assunzione su i momenti successivi<br />
[ x ] = µ t<br />
E t ∀<br />
Var<br />
2 [ x ] = σ<br />
t<br />
Cov(xt,xt+k)=γ(k) oppure [ ( xt<br />
− µ )( xs<br />
− µ ) ] = σ t s<br />
E −<br />
b. Ergodicità: i momenti campionari (media e varianza) tendono ai valori della<br />
popolazione all’aumentare di n. Questa è una caratteristica complessa,<br />
difficilmente distinguibile dalla stazionarietà. Di fatto è possibile costruire<br />
esempi di processi stazionari ma non erodici. Notare che se t N ≈ ε , il processo<br />
è stazionario ed allora anche ergodico.<br />
Introduciamo ora l’operatore del ritardo L utile a costruire polinomi in modo<br />
k<br />
conveniente xt<br />
= xt<br />
k , La = a ed alcuni modelli di serie temporali che<br />
L −<br />
rappresentano un processo stocastico:<br />
• White Noise: ogni elemento della sequenza { ε t } ha le seguenti proprietà<br />
[ ] = 0<br />
E ε<br />
E<br />
t<br />
2 [ ε ] = σ<br />
t<br />
ε<br />
[ ε ] = 0<br />
E ε<br />
t<br />
s<br />
[ ε | t −1]<br />
= 0<br />
E t<br />
cioè ogni elemento è estratto casualmente da una popolazione con media zero e<br />
varianza costante. Di solito si assume che gli elementi siano estratti<br />
indipendentemente o normalmente distribuiti anche se spesso questa assunzione<br />
non è necessaria.<br />
• AR(1) xt = µ + ρxt<br />
−1 + ε t dove<br />
E<br />
[ | ] = µ + ρxt<br />
- 1<br />
x<br />
t t−1<br />
x<br />
µ<br />
E [ xt<br />
] → se ρ < 1 e T è grande.<br />
1−<br />
ρ<br />
2