Somme di processi ARIMA
Transcript
Somme di processi ARIMA
Combinazioni lineari di processi ARIMA incorrelati Matteo Pelagatti 25 giugno 2007 1 Introduzione Sia quando si prendono in considerazione modelli a componenti non osservabili, sia quando si vuole fare regressioni che coinvolgono processi ARIMA è necessario sapere che tipo di processi si ottengono combinando linearmente processi ARIMA. 2 Combinazioni lineari di processi ARMA stazionari Moltiplicare un processo ARMA(p, q) per una costante produce solamente un cambiamento della varianza, ma non modifica la struttura ARMA del processo. Sia Xt un processo ARMA(p, q) e sia Yt = κXt ; allora κXt = κφp (B)−1 θq (B)εt Yt = φp (B)−1 θq (B)κεt che è ancora un ARMA(p, q) le cui innovazione hanno varianza κ2 σε2 . Ovviamente anche il cambio di segno non modifica la struttura ARMA del processo. Pertanto, si prenderanno in considerazione solo somme di processi ARMA. 2.1 Somme di processi MA Siano Xt un processo MA(q1 ) e Yt un processo MA(q2 ) incorrelati e con polinomi MA con radici distinte, e sia Zt = Xt + Yt . La funzione di autocovarianza di due processi stazionari incorrelati è data dalla somma delle due funzioni di autocovarianza: γz (k) = E(Zt Zt−k ) = E(Xt + Yt )(Xt−k + Yt−k ) = E(Xt Xt−k ) + E(Yt Yt−k ) = γx (k) + γz (k). Segue immediatamente, quindi, il risultato Zt ∼ MA(max(q1 , q2 )), dato che la funzione di autocovarianza di un processo MA(q) si annulla per k > q. Se si volessero calcolare i coefficienti del processo MA Zt , basterebbe porre a sistema le prime max(q1 , q2 ) autocrrelazioni derivate dalla somma delle covarianze di Xt e Yt uguagliandole a quelle teoriche di un MA(max(q1 , q2 )). 1 2.2 Somme di processi AR Per ottenere somme di processi AR conviene usare le proprietà dei polinomi in B. Sia φp1 (B)Xt = εt un processo AR(p1 ) e sia ϕp2 (B)Yt = ηt un processo AR(p2 ) incorrelato con radici distinte rispetto al primo. La loro somma Zt = Xt + Yt è data da Zt = φp1 (B)−1 εt + ϕp2 (B)−1 ηt φp1 (B)ϕp2 (B)Zt = ϕp2 (B)εt + φp1 (B)ηt . Il polinomio φp1 (B)ϕp2 (B) ha grado p1 + p2 , mentre i processi ϕp2 (B)εt e φp1 (B)ηt sono, rispettivamente, MA(p2 ) e MA(p1 ). Pertanto, il processo Zt è ARMA p1 + p2 , max(p1 , p2 ) . 2.3 Somme di processi ARMA Usando le tecniche viste le due precedenti sezioni possiamo ricavare la forma della somma di due processi ARMA incorrelati e a radici distinte in tutti i polinomi AR e MA. Zt = θq1 (B) ϑq2 (B) εt + ηt φp1 (B) ϕp2 (B) φp1 (B)ϕp1 (B)Zt = ϕp2 (B)θq1 (B)εt + φp1 (B)ϑq2 (B)ηt . A sinistra dell’uguale si ha un polinomio di grado p1 + p2 , mentre a destra dell’uguale si hanno polinomi di grado, rispettivamente, pari a p2 + q1 e p1 + q2 . Zt è, quindi, processo ARMA p1 + p2 , max(p2 + q1 , p1 + q2 ) . 3 Combinazioni lineari di processi integrati Sommando un processo integrato Xt = Xt−1 + εt ad un processo stazionario ηt si ottiene un processo integrato. Infatti, Xt + ηt = t X εi + ηt i=1 con εt e ηt stazionari, ha varianza proporzionale a t, mentre ∆Xt è stazionario. Siano Xt e Yt i processi integrati di ordine uno (I(1)), rispettivamente, Xt = Xt−1 + ηt e Yt = Yt−1 + ζt dove ηt e ζt sono processi congiuntamente stazionari, volendo anche correlati. 2 In genere, una combinazione lineare di questi due processi è I(1), infatti αXt + βYt = αXt−1 + βYt−1 + αηt + βζt Zt = Zt−1 + ξt , dove si è posto Zt = αXt + βYt e ξt = αηt + βζt , che essendo somma di processi stazionari è stazionario. In alcuni casi, tuttavia, esiste la possibilità che una particolare combinazione lineare di due processi I(1) sia I(0). Questo succede quando due processi condividono un trend stocastico comune. Esempio 1. Siano Xt = µt + ηt Yt = βµt + ζt con µt = µt−1 + εt , e ηt , ζt ed εt processi stazionari. È immediato verificare che i processi Xt e Yt sono I(1), tuttavia ogni combinazione lineare proporzionale a βXt − Yt = βηt − ζt è stazionaria. Esempio 2. Siano Xt = Xt−1 + α(Xt−1 − βYt−1 ) + ηt Yt = Yt−1 + εt , con −2 < α < 0 e ηt ed εt processi stazionari. È semplice verificare che Xt e Yt sono processi I(1), tuttavia combinazioni lineari proporzionali a Xt − βYt = Xt−1 + α(Xt−1 − βYt−1 ) + ηt − βYt−1 − βεt Zt = (1 + α)Zt−1 + ξt , con Zt = Xt − βYt e ξt = ηt − βεt , sono stazionarie. Quando esiste una combinazione lineare di due processi integrati che è stazionaria, allora i due processi si dicono cointegrati, e il vettore contenente i coefficienti della combinazione lineare prende il nome di vettore di cointegrazione. Il concetto di cointegrazione si estende naturalmente a più di due processi e ad ordini di integrazione superiori al primo, tuttavia lo studio dell’inerente teoria è lasciato ad un corso di serie storiche più avanzato. 3