Χρονοσειρές Μάθημα 2. Μη-στασιμότητα. Τάση? Εποχικότητα / περιοδικότητα? Ασταθή διασπορά? Αυτοσυσχέτιση?

Σχετικά έγγραφα
Μάθημα 2: Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας

ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΧΡΟΝΟΣΕΙΡΑΣ

Μάθημα 1: Εισαγωγή στην ανα λυση χρονοσειρω ν, στασιμο τητα και αυτοσυσχε τιση

Πραγματικές χρονοσειρές

Χρονοσειρές - Μάθημα 5

Χρονοσειρές - Μάθημα 5

Χρονοσειρές Μάθημα 1

Χρονοσειρές Μάθημα 6

ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ

Χρονοσειρές Μάθημα 3. Γραμμικές στάσιμες διαδικασίες. Γραμμική χρονοσειρά (στοχαστική διαδικασία) Z Z ~ WN(0, ) είναι στάσιμη. Θεωρούμε μ=0 E[ X ] 0

Χρονοσειρές Μάθημα 1

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Κουγιουμτζής Δημήτρης

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Μάθημα 4: Πρόβλεψη χρονοσειρών Απλές τεχνικές πρόβλεψης Πρόβλεψη στάσιμων χρονοσειρών με γραμμικά μοντέλα Πρόβλεψη μη-στάσιμων χρονοσειρών Ασκήσεις

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Χρονοσειρές Μάθημα 3

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή

min Προσαρμογή AR μοντέλου τάξη p, εκτίμηση παραμέτρων Προσδιορισμός τάξης AR μοντέλου συσχέτιση των χωρίς τη συσχέτιση με

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Χρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών

Χρονικές σειρές 4 Ο μάθημα: Μη στάσιμες χρονοσειρές Μετασχηματισμός σε στάσιμες Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονοσειρές - Μάθημα 7. Μη-γραμμική ανάλυση χρονοσειρών

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο

Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές

Κεϕάλαιο 6. Χρονοσειρές

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΧΡΟΝΟΛΟΓΙΚΕΣ ΣΕΙΡΕΣ (Time-series Analysis)

Οικονομικές εφαρμογές υπολογιστικών πακέτων. Στοχαστικά υποδείγματα

Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΚΕΦΑΛΑΙΟ 5 ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ, ΥΠΟΔΕΙΓΜΑΤΑ ARIMA ΚΑΙ SARIMA, ΜΕΘΟΔΟΛΟΓΙΑ BOX-JENKINS

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα

Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)

Ανάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών

1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);

Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

Ακαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

Παράδειγμα 1 Προσαρμόζω το μοντέλο χωρίς quarter

2 Ανάλυση Χρονοσειρών στο Πεδίο των Συχνοτήτων

ΓΡΑΜΜΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΜΗ-ΚΑΝΟΝΙΚΩΝ ΧΡΟΝΟΣΕΙΡΩΝ ΜΕΣΩ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΣΕ ΚΑΝΟΝΙΚΕΣ ΧΡΟΝΟΣΕΙΡΕΣ

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΘΕΩΡΙΑ & ΕΡΓΑΣΤΗΡΙΟ

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 4: Ανάλυση Χρονολογικών Σειρών. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Έλεγχος των Phillips Perron

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORRELATION)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ: ΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ

Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p))

Τίτλος Εργασίας: Η χρήση της μεθοδολογίας Box Jenkins στην ανάλυση χρονοσειρών

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Εργασία στο µάθηµα Ανάλυση εδοµένων

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Στάσιμα στοχαστικά μοντέλα μιας μεταβλητής

4. ΕΠΙΛΟΓΗ ΤΗΣ ΜΕΘΟΔΟΥ ΠΡΟΒΛΕΨΗΣ

ΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ. (TEST: Unit Root-Cointegration )

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΟΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Επαναληπτικές Ασκήσεις για το µάθηµα Ψηφιακή Επεξεργασία Σηµάτων

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικών Χρηματοοικονομικών Μαθηματικών ΧΡΟΝΟΣΕΙΡΕΣ

Χρονικές σειρές 9 Ο μάθημα: Μεικτά μοντέλα ARMA

Στοχαστικές Διαδικασίες (έμφαση στις σ.δ. διακριτού χρόνου)

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

Εργασία στο µάθηµα Ανάλυση εδοµένων

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το

Στοχαστικά Σήµατα και Εφαρµογές. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής

Στοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Πολλαπλή παλινδρόµηση. Μάθηµα 3 ο

4. ΕΠΕΞΕΡΓΑΣΊΑ ΣΗΜΆΤΩΝ

Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Γραμμικά Μοντέλα Χρονοσειρών και Αυτοσυσχέτισης ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Σταυρούλα Γαζή

Αστάθεια (volatility)

Πολλαπλή παλινδρόμηση (Multivariate regression)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑΤΑ: ΜΑΘΗΜΑΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΜΑ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: ΑΝΑΛΥΣΗ ΜΟΝΤΕΛΩΝ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΝΑΥΤΙΛΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

Στατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές)

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

Διαχείριση Υδατικών Πόρων

Transcript:

AE index General Index of Comsumer Prices Χρονοσειρές Μάθημα General Index of Comsumer Prices, period Jan - Aug 5 5 Μη-στασιμότητα 5 Τάση? Εποχικότητα / περιοδικότητα? 5 4 5 6 4 Auroral Elecroje Index 8 6 Ασταθή διασπορά? 4 5 5 5 5 4 45 5 ime [ min] Αυτοσυσχέτιση?

AE index AE index 4 8 6 4 5 5 5 5 4 45 5 ime [ min] 8 7 6 5 4 y, y,, yn Auroral Elecroje Index x, x,, xn 5 5 5 5 4 45 5 ime [ min] Σταθεροποίηση διασποράς Logarihm ransform of Auroral Elecroje Index Μετασχηματισμός Χ =T(Υ ) που σταθεροποιεί τη διασπορά της Υ? Var[ X ] cons Απλή λύση: X log( Y)? Μετασχηματισμός δύναμης (Box-Cox): X Y λ Χ Var[y ] - -.5 Υπόθεση: Var[Υ ] αλλάζει ως συνάρτηση της τάσης μ Y Y 4 c c c log( Y ).5 Y c Άλλος μετασχηματισμός??

AE index f Z (z) AE index f Y (y) AE index f X (x) 4 Auroral Elecroje Index 5 x - 8 6 4 y normal y, y,, yn 4 5 5 5 5 4 45 5 ime [ min] Logarihm ransform of Auroral Elecroje Index 8 - -5 5 5 x.5 7.4 6 5.. x=log(y) normal X log( Y) 4. 5 5 5 5 4 45 5 ime [ min] Gaussian ransform of Auroral Elecroje Index 4 - - - -4 5 5 5 5 4 45 5 ime [ min] 4 6 8 y.5.4... x= - (F Y (y)) normal -4-4 z X F ( Y ) Y?

Απαλοιφή τάσης Y X. Καθοριστική τάση : γνωστή ή εκτιμώμενη συνάρτηση του χρόνου μ = f() Παράδειγμα: πολυώνυμο βαθμού p p f () a a a Πλαστική παραμόρφωση p μ : μέση τιμή ως συνάρτηση του (αργά μεταβαλλόμενο μέσο επίπεδο τιμών) X Y {X } στάσιμη Προσαρμογή με πολυώνυμο βαθμού Προσαρμογή με πολυώνυμο βαθμού 5

. Στοχαστική τάση Δείκτης συναλλαγών Χρηματιστηρίου Αξιών Αθηνών (ΧΑΑ) 7 6 5 5 4 4 ASE index, period 985 -- orig orig local linear, breapoins polynomial,p= - 86 88 9 9 94 96 98 4 6 8 α. Εξομάλυνση με φίλτρο κινούμενου μέσου Απλό φίλτρο: Κινούμενος μέσος όρος 7 6 5 4 orig MA() MA(5) ˆ ASE index, period 985-6 5 4 ASE index, period 7-7 8 9 q y q ˆ y y y q j jq 86 88 9 9 94 96 98 4 6 8 "q " 4? Γενικό φίλτρο: Σταθμισμένος κινούμενος μέσος όρος q ˆ ay a j j jq q jq Απλός κινούμενος μέσος: a j, j q,, q q j

b. Απαλοιφή τάσης με χρήση διαφορών (differencing) Τελεστής διαφοράς πρώτης τάξης (one lag difference or firs difference) Y Y Y ( B) Y B: τελεστής υστέρησης (lag operaor) BY Y Τελεστής διαφοράς δεύτερης τάξης Y ( Y ) ( B)( B) Y ( B B ) Y Y Y Y Αν η τάση είναι τοπικά γραμμική, απαλείφεται με τις πρώτες διαφορές: Y Y Y X X aa a a a a ( ) a «σταθερή τάση»! Αν η τάση είναι τοπικά πολυώνυμο βαθμού p, απαλείφεται με χρήση του p Y p! c X p Y? [δείξτε ότι ] 4 ASE index: firs differences, period 7-4 ASE index: firs differences, period 7 - - - -4-4 -6 86 88 9 9 94 96 98 4 6 8-6 8

Ποια μέθοδος απαλοιφής τάσης είναι καλύτερη? 6 5 4 orig local linear, breapoins polynomial,p= ASE index, period 7-5 ASE index derended, period 7 - local linear, breapoins polynomial,p= 5-5 - 8 8 6 5 4 orig MA() MA(5) ASE index, period 7-5 ASE index derended, period 7 - MA() MA(5) 5-5 - 8 8 Εκτίμηση της τάσης 5 ASE index: firs differences, period 7 - Έλεγχος μοναδιαίας ρίζας: Dicey-Fuller και Phillips- Perron έλεγχοι 5-5 - 8

number of sunspos number of sunspos Απαλοιφή περιοδικότητας Y s X 5 5 Annual sunspos, period 7-7 75 8 85 9 95 Περίοδος d και κατάλληλη συνάρτηση s? Ετήσιες ηλιακές κηλίδες. γνωστή ή εκτιμώμενη περιοδική συνάρτηση s = f() 8 6 4 8 6 4 s : περιοδική συνάρτηση του με περίοδο d (περιλαμβάνει την εποχικότητα) Annual sunspos, period 9-9 9 94 96 98 X Y s {X } στάσιμη a. Εκτίμηση της s i i=,,d από μέσους όρους των στοιχείων της Περίοδος d γνωστή n / d sˆ y i i jd j b. Απαλοιφή περιοδικότητας με χρήση διαφορών (d-differencing) Y Y Y ( B d ) Y d d

year cycle of GICP residual GICP GICP derended GICP Απαλοιφή τάσης και περιοδικότητας Y s X Y Y s X. Απαλοιφή τάσης Πρώτα απαλοιφή περιοδικότητας. Απαλοιφή περιοδικότητας X Y s Y s και μετά τάσης? {Χ }: χρονοσειρά υπολοίπων (residual) 5 General Index of Comsumer GICP: Linear Prices, fiperiod /-8/5 GICP: Residual of linear fi 5-5 - 4 5 6 year GICP: Year cycle esimae - 4 5 6 GICP: derended and deseasoned - - - - - 4 5 6 year μη-στάσιμη y y y στάσιμη,,, n - 4 5 6 year x, x,, x Υπάρχει πληροφορία n στα υπόλοιπα?

r() Έλεγχος ανεξαρτησίας παρατηρούμενη στάσιμη χρονοσειρά χρονοσειρά υπολοίπων από απαλοιφή τάσης και/ή περιοδικότητας x, x,, xn Η :,,, n x, x,, xn Έλεγχος σημαντικότητας αυτοσυσχέτισης Υποθέσεις Είναι iid? Η Υπάρχουν συσχετίσεις? x x x είναι iid Η : είναι λευκός θόρυβος H : H : x, x,, xn r R r z / n z a n Aπορριπτική περιοχή: / Ζώνη μη-σημαντικής αυτοσυσχέτισης: /... GICP residual: auocorrelaion λευκός θόρυβος r Η για στάθμη σημαντικότητας για =.5 Έλεγχος σημαντικότητας για κάθε τ χωριστά n N(, ) n -. -. -. -.4 5 5 Σε επίπεδο σημαντικότητας =.5, απορρίπτεται η Η για τ= Υπάρχουν συσχετίσεις στη χρονοσειρά GICP?

r() Έλεγχος ανεξαρτησίας Pormaneau Q() Ένας έλεγχος για,,, H :,,, Στατιστικό ελέγχου Q: ~ Qn r ( ) / ( ) Box-Pierce Qn n r n j Q απορριπτική περιοχή R Q ; a Ljung-Box.. GICP residual: auocorrelaion 5 GICP residual: Pormaneau (Ljung-Box). -. Q 4.6 ; a 8. 5 5 -. -. -.4 5 5 H για τ= απορρίπτεται 5 5 5

x() r() x() r() random ime series. random ime series: auocorrelaion.8..6.4 -.. -. 4 5 6 7 8 9 logisic ime series -. 4 6 8 logisic ime series: auocorrelaion..8.5..6.5.4 -.5. -. -.5 4 5 6 7 8 9 κατάλληλος έλεγχος ανεξαρτησίας? -. 4 6 8 4 Ο έλεγχος ανεξαρτησίας BDS (Broc, Decher, Scheinman) 5 Έλεγχος ανεξαρτησίας και γεννήτρια τυχαίων αριθμών

r() Q() r() Q() r() Q() 6 5 4 ASE index, period 7-7 8 9 4 - - ASE index: firs differences, period 7 - Άσκηση: Υπάρχουν συσχετίσεις στις αποδόσεις του δείκτη ΧΑΑ (περίοδος 7-)? Κατάλληλη στάσιμη χρονοσειρά: πρώτες διαφορές ή αποδόσεις? Υπάρχουν συσχετίσεις? πρώτες διαφορές x y y.8.6.4. -. -.4 ASE firs differences: auocorrelaion μη γραμμικές? 5 5 X X E ASE firs differences: Pormaneau (Ljung-Box) sample Q X (,) - 7 8 9 ASE index: reurns, period 7 -.5..5 -.5 -. -.5 -. 7 8 9 ASE index: square reurns, period 7 -..5..5 7 8 9 αποδόσεις x ln y ln y τετράγωνο αποδόσεων x ln y ln y x ( x) -.6 4 6 8 ASE reurns: auocorrelaion.8.6.4. -. -.4 -.6 -.8 4 6 8..5..5..5 -.5 ASE square reurns: auocorrelaion -. 4 6 8 4 6 8 ASE reurns: Pormaneau (Ljung-Box) 5 5 sample Q X (,) 4 6 8 5 5 5 5 ASE square reurns: Pormaneau (Ljung-Box) sample Q X (,) 4 6 8