ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Σχετικά έγγραφα
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ ARIMA (p,d,q)

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

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

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

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

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

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

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ

Πρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21

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

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

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

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

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Χρονοσειρές - Μάθημα 5

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

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

Εισόδημα Κατανάλωση

Τεχνικές Προβλέψεων. Προετοιμασία & Ανάλυση Χρονοσειράς

Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο

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

ΥΔΡΟΛΟΓΙΚΗ ΠΡΟΣΟΜΟΙΩΣΗ ΚΑΙ ΠΡΟΓΝΩΣΗ Ενότητα 3: Υδρολογική πρόγνωση 3.2. Μοντέλα Χρονοσειρών

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

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

Χρονοσειρές - Μάθημα 5

ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

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

Συνολοκλήρωση και VAR υποδείγματα

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Analyze/Forecasting/Create Models

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Ειδικά Θέματα Οικονομετρίας-Χρονολογικές Σειρές ΙΙ (εκδ. 1.2)

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν

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

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

Πολλαπλή παλινδρόμηση (Multivariate regression)

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 11ο

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΘΕΩΡΙΑ & ΕΡΓΑΣΤΗΡΙΟ

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Χρονικές σειρές 9 Ο μάθημα: Μεικτά μοντέλα ARMA

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

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΓΙΑ ΤΗΝ ΠΡΟΒΛΕΨΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Οικονομετρία. Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο

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

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

Data Analytics Και Ευφυή Συστήματα Πρόβλεψης Δεδομένων Σε Χρονοσειρά. Εφαρμογή Στον Εναρμονισμένο Δείκτη Τιμών Καταναλωτή.

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Χ. Εμμανουηλίδης, 1

ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ

ΗΡΑΚΛΕΙΟ 2007 ΙΩΑΝΝΑ ΚΑΠΕΤΑΝΟΥ

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

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ

Χρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών

Διαχείριση Υδατικών Πόρων

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

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

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Χρονοσειρές Μάθημα 6

Έλεγχος των Phillips Perron

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Τεχνικές Προβλέψεων. 2η Ενότητα Προετοιμασία & Ανάλυση Χρονοσειράς

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ

ΔΙΕΘΝΕΙΣ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΕΣ ΑΓΟΡΕΣ

Η τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ:

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

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

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

Πολλαπλή παλινδρόµηση. Μάθηµα 3 ο

Transcript:

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ SARIMA (sp,sd,qs) ARIMA (p,d,q)

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 1 ΥΠΟΔΕΙΓΜΑΤΑ SARIMA(sp,sd,sq) Γενικά ένα υπόδειγμα SARIMA(sp,sd,sq) αποτελείται από στοιχεία διάρκειας μικρότερης του έτους και παρουσιάζει το φαινόμενο της εποχικότητας. Το φαινόμενο αυτό αποτελεί μια κανονική κύμανση μέσα στο χρονολογικό έτος οδηγώντας σε υψηλή συσχέτιση ανάμεσα στις τιμές τις σειράς που αντιστοιχούν στην ίδια περίοδο ανάμεσα στα διαφορετικά έτη.. A ( L ) (1 L ) d (1 L ) S Y = a + Θ ( L ) Θ ( L s ) ε s t 0 t

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 2 Υπόδειγµα SARIMA (sp, sd, sq)-αντιµετώπιση Μια πρώτη αντιµετώπιση αφορά την αφαίρεση της εποχικότητας από την χρονοσειρά µας και την ανάπτυξη της γνωστής ως µεθοδολογία Box-Jenkins για την ταυτοποίηση, εκτίµηση και πρόβλεψη. Μια δεύτερη προσέγγιση αφορά την ενσωµάτωση του εποχικού προτύπου των στοιχείων µας στο κανονικό ARIMA υπόδειγµα και την χρησιµοποίηση της Box-Jenkins µεθοδολογίας. Στην παρούσα φάση θα ασχοληθούµε µε την δεύτερη µέθοδο.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 3 ΔιαδικασίαΠροσαρμογής SARIMA(sp,sd,sq) xarima(p,d,q) Πρώτα προσαρμόζουμε το εποχικό κομμάτι και στην συνέχεια το μη εποχικό. Στο εποχικό κομμάτι SARIMA(sp,sd,sq) εξετάζουμε PACF καιμάλιστατα12ο,24ο,36ο lags (max.number=40) για το εάν είναι στάσιμη ή όχι.η επιλογήτων sp,sq γίνεταιομοίωςαπότα PACF,ACF αντίστοιχα. Επειτα περνάμε στην εκτίμηση του SARIMA(sp,sd,sq).Οταν τελειώσει η διαδικασία εκτίμησης προσθέτουμε και το μη εποχικό κομμάτι.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 4 ΔιαδικασίαΠροσαρμογής SARIMA(sp,sd,sq) xarima(p,d,q) Στο μη εποχικό κομμάτι εργαζόμαστε όπως γνωρίζουμε αλλά ως μεταβλητή χρησιμοποιούμε τα σφάλματα του εποχικού κομματιού(errors). Πλέον η εκτίμηση του ARIMA(p,d,q)γίνεται ταυτόγχρονα με του SARIMA(sp,sd,sq). Δενξεχνάμετοέλεγχοστοτέλοςγιατην καταλληλότητατουυποδείγματος.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια5 Box-Jenkins Methodology Η μεθοδολογία Box-Jenkins για την ανάλυση χρονολογικών σειρών περιλαμβάνει τρία στάδια: 1) Ταυτοποίηση 2) Εκτίμηση και Διαγνωστικός Έλεγχος 2α)Έλεγχος Καταλοίπων 2β) Έλεγχος Τάξεως Υποδείγματος 2γ) Κριτήρια Επιλογής Υποδείγματος 3) Προβλέψεις.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 6 Ταυτοποίηση (Identification) Η ταυτοποίηση περιλαμβάνει τον καθορισμό των τιμών p,d και q. Αρχικά περιλαμβάνει τον καθορισμό του αριθμού d των διαφορών που χρησιμοποιούμε για να μετατραπεί μια διαδικασία σε στάσιμη εάν αυτή δεν είναι. Έπειτα πρέπει να καθοριστεί η τάξη(p) της αυτοπαλίνδρομης διαδικασίας και η τάξη (q) της διαδικασίαςκινητούμέσου.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 7 Έλεγχοι στασιµότητας Έλεγχος του Bartlett (Bartlett Test), Q Στατιστική (Box Pierce Test), Στατιστική των Ljung Box (Ljung Box Statistic) Έλεγχοι µοναδιαίας ρίζας (unit root test) (εκτός παρούσας ύλης)

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 8 Εκτίμηση(Estimation) Το στάδιο της εκτίμησης περιλαμβάνει την εκτίμηση των p παραμέτρων της AR διαδικασίας όπως και των q παραμέτρων της διαδικασίας MA. Παράλληλη με την στατιστική συνάρτηση Q των Box-Pierce ελέγχεται η από κοινού σημαντικότητα ενός αριθμού συντελεστών αυτοσυσχετίσεως. Από την άλλη διενεργείται και έλεγχος της τάξεως συγκρίνοντας το υπόδειγμα με άλλο μεγαλύτερης τάξεως. (Κριτήρια AIC,SBC).

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 9 Εκτίμηση(Estimation) Το στάδιο της εκτίμησης περιλαμβάνει την εκτίμηση των p παραμέτρων της AR διαδικασίας όπως και των q παραμέτρων της διαδικασίας MA. Παράλληλη με την στατιστική συνάρτηση Q των Box-Pierce ελέγχεται η από κοινού σημαντικότητα ενός αριθμού συντελεστών αυτοσυσχετίσεως. Από την άλλη διενεργείται και έλεγχος της τάξεως συγκρίνοντας το υπόδειγμα με άλλο μεγαλύτερης τάξεως. (Κριτήρια AIC,SBC).

Προβλέψεις (Forecasting) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 10 Ο κύριος σκοπός της εξειδίκευσης και εκτιμήσεως ενός υποδείγματος ARIMA είναι η διενέργεια προβλέψεων σε βραχυχρόνια περίοδο. Με βάση λοιπόν το εκτιμώμενο υπόδειγμα και τις υπάρχουσες πληροφορίες μέχρι την περίοδο Τ,είναι δυνατόν να προβλέψουμε την τιμή της μεταβλητής μας την περίοδο Τ+1, Τ+2 κ.τ.λ.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 11 Μερικάκριτήριαεπιλογήςυποδειγμάτων Τα κριτήρια αυτά είναι χρήσιμα για επιλογή υποδειγμάτων, και σύγκριση προβλέψεων Τοκριτήριοτου Akaike(AIC): 2 lnaic ln RSS k = + N N Συγκρίνοντας δυο υποδείγματα με το κριτήριο AIC, επιλέγεται εκείνο γιατοοποίοητιμήτουκριτηρίουτουaicείναιημικρότερη. RSS k lnsic = ln + ln( N) N N Το κριτήριο του Schwarz(SIC): Συγκρίνοντας δυο υποδείγματα με το κριτήριο SIC, επιλέγεται εκείνο για το οποίο η τιμή του κριτηρίου του SIC είναι η μικρότερη.

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 12 Αξιολόγηση Προβλέψεων Κριτήριο της Μέσης Απόλυτης Απόκλισης (Mean Absolute Deviation (MAD)) : 1. Υπολογισµός της απόλυτης διαφοράς µεταξύ προβλέψεων και πραγµατικών τιµών 2. Εύρεση της µέσης τιµής της διαφοράς. Κριτήριο του Μέσου Τετραγωνικού Λάθους (Mean Squared Error (MSE)) : 1. Υπολογισµός του τετραγώνου της διαφοράς µεταξύ προβλέψεων και πραγµατικών τιµών. 2. Εύρεση της µέσης τιµής της διαφοράς

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 13 Άσκηση1-Παραδείγματα Έστω για μια χρονολογική σειρά που εκφράζει τριμηνιαία στοιχεία και ακολουθεί το υπόδειγμα Y = Y + Y Y + ε 0.5ε t t 1 t 4 t 5 t t 1 Είναι στάσιμη; Με ποιόν μετασχηματισμό θα γίνει και ποιο είναι το καινούργιο υπόδειγμα που θα προκύψειαπότονμετασχηματισμόαυτό;

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 14 Άσκηση2-Παραδείγματα Να εκφράσετε τις ακόλουθες στοχαστικές διαδικασίες: 4 θ 4 t 1 4 (1 L)(1 L ) Y = (1 L)(1 L ) (1 LY ) = (1 L L ) t 1 2 (1 LY ) = (1 L)(1 L ) t 2 θ θ ε 1 12 t 12 θ θ ε θ ε t t

ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 15 Άσκηση3-Παραδείγματα Δίνονται οι 10 πρώτες δειγματικές αυτοσυσχετίσεις και δειγματικές μερικές αυτοσυσχετίσεις από 100 παρατηρήσεις μιας χρονοσειράς ρ : 0.91,0.87,0.62,0.48,0.36,0.25,0.16,0.11,0.08,0.07 s ρ : 0.91, 0.64, 0.14, 0.11, 0.08, 0.05, 0.04, 0.03, 0.02, 0.02 ss 1) Να βρεθούν οι στατιστικά σημαντικές αυτοσυσχετίσεις και μερικές αυτοσυσχετίσεις. 2) Να βρεθεί το κατάλληλο υπόδειγμα 3) Να βρεθούν οι αρχικές εκτιμήσεις του υποδείγματος.