1 Modelli per serie storiche univariate
1 Modelli per serie storiche univariate
1 Modelli per serie storiche univariate
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
In questo caso abb autocovarianza<br />
autocorrelazione<br />
γk = Cov(yt, yt−k) = Cov(yt−k, yt)<br />
ρk = Cov(yt, yt−k)<br />
V (yt)<br />
= γk<br />
γ0<br />
Funzione di autocorrelazione ACF: autocorrelazioni in funzione di k. Descrive la<br />
dipendenza fra le osservazioni.<br />
Per k = 2, 3, 4..<br />
processo AR(1)<br />
processo MA(1)<br />
yt = δ + θyt−1 + εt<br />
θ<br />
=<br />
k<br />
<br />
σ2 1−θ2 <br />
= θ k<br />
ρk = γk<br />
γ0<br />
σ 2<br />
1−θ 2<br />
yt = µ + εt + αεt−1<br />
ρ1 = γ1 ασ<br />
=<br />
2<br />
(1 + α2 α<br />
=<br />
)σ2 1 − α2 γ0<br />
e ρk = γk<br />
γ0<br />
=<br />
0<br />
(1 + α2 = 0<br />
)σ2 1.5 Stazionarieta’ e radici unitarie<br />
I processi MA(1) sono sempre stazionari.<br />
Un processo AR(1) si dice stazionario quando |θ| < 1<br />
Processi autoregressivi non stazionari:<br />
yt = δ + θyt−1 + εt<br />
1. Processi Differenza Stazionari (DS), (in (1) θ = 1)<br />
Es.:<br />
Random Walk yt = yt−1 + εt<br />
Random Walk plus drift yt = δ + yt−1 + εt<br />
V (cyt) = V (cyt−1) + σ 2<br />
4