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

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

ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΧΡΟΝΟΣΕΙΡΑΣ

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

Χρονοσειρές - Μάθημα 5

Χρονοσειρές Μάθημα 1

Χρονοσειρές Μάθημα 6

Χρονοσειρές - Μάθημα 5

Πραγματικές χρονοσειρές

ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

Χρονοσειρές Μάθημα 1

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

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

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

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Κουγιουμτζής Δημήτρης

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

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

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

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

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

Χρονοσειρές - Μάθημα 7. Μη-γραμμική ανάλυση χρονοσειρών

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Χρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών

Χρονοσειρές Μάθημα 3

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα

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

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο

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

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΧΡΟΝΟΛΟΓΙΚΕΣ ΣΕΙΡΕΣ (Time-series Analysis)

Κεϕάλαιο 6. Χρονοσειρές

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Πολλαπλή παλινδρόµηση. Μάθηµα 3 ο

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

Έλεγχος των Phillips Perron

Οικονομικές εφαρμογές υπολογιστικών πακέτων. Στοχαστικά υποδείγματα

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

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

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

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

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

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Πολλαπλή παλινδρόμηση (Multivariate regression)

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

Εργασία στο µάθηµα Ανάλυση εδοµένων

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο

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

2 Ανάλυση Χρονοσειρών στο Πεδίο των Συχνοτήτων

4. ΕΠΙΛΟΓΗ ΤΗΣ ΜΕΘΟΔΟΥ ΠΡΟΒΛΕΨΗΣ

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

Εργασία στο µάθηµα Ανάλυση εδοµένων

Ανάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

9. Παλινδρόμηση και Συσχέτιση

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

Εκτίμηση μη-γραμμικών χαρακτηριστικών

Διάστημα εμπιστοσύνης της μέσης τιμής

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

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

Διαχείριση Υδατικών Πόρων

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΘΕΩΡΙΑ & ΕΡΓΑΣΤΗΡΙΟ

Ακαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

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

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

Γραμμικά Μοντέλα Χρονοσειρών και Αυτοσυσχέτισης ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Σταυρούλα Γαζή

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

Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

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

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

4. ΕΠΕΞΕΡΓΑΣΊΑ ΣΗΜΆΤΩΝ

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΓΡΑΜΜΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΜΗ-ΚΑΝΟΝΙΚΩΝ ΧΡΟΝΟΣΕΙΡΩΝ ΜΕΣΩ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΣΕ ΚΑΝΟΝΙΚΕΣ ΧΡΟΝΟΣΕΙΡΕΣ

Στοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου

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

11. ΠΑΛΙΝΔΡΟΜΗΣΗ ΜΕ ΔΕΔΟΜΕΝΑ ΧΡΟΝΟΣΕΙΡΩΝ

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Στάσιμα στοχαστικά μοντέλα μιας μεταβλητής

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

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

Επαναληπτικές Ασκήσεις για το µάθηµα Ψηφιακή Επεξεργασία Σηµάτων

ΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΗΣ ΟΙΚΟΝΟΜΕΤΡΙΑΣ LAB 2

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

Transcript:

close index close index Μάθημα : Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας Σταθεροποίηση διασποράς Απαλοιφή τάσης και περιοδικότητας / εποχικότητας Έλεγχοι μοναδιαίας ρίζας Έλεγχος ανεξαρτησίας Ασκήσεις 6 ASE index, period 7-4 ASE index: firs differences, period 7-5 4 3 - -4 7 8 9-6 8

y, y,, yn Σταθεροποίηση διασποράς Μετασχηματισμός Χ =T(Υ ) που σταθεροποιεί τη διασπορά της Υ? Var[ X ] cons Απλή λύση: X log( Y) x, x,, xn Μετασχηματισμός δύναμης (Box-Cox): Y X Υπόθεση: Var[Υ ] αλλάζει ως συνάρτηση της τάσης μ λ Χ Var[y ] - -.5 Y Y 4 c 3 c log( Y ) c.5 Y c Άλλος μετασχηματισμός?

y, y,, yn X log( Y) X F ( Y ) Y?

close index close index Απαλοιφή τάσης Y X. Καθοριστική τάση : γνωστή ή εκτιμώμενη συνάρτηση του χρόνου μ = f() Παράδειγμα: πολυώνυμο βαθμού p p f () a a a p μ : μέση τιμή ως συνάρτηση του (αργά μεταβαλλόμενο μέσο επίπεδο τιμών) X Y {X } στάσιμη Δείκτης συναλλαγών Χρηματιστηρίου Αξιών Αθηνών (ΧΑΑ) 7 6 5 orig ASE index, period 985-7 6 5 orig local linear, breakpoins polynomial,p= ASE index, period 985-4 3 86 88 9 9 94 96 98 4 6 8 4 3-86 88 9 9 94 96 98 4 6 8

. Στοχαστική τάση close index α. Εξομάλυνση με φίλτρο κινούμενου μέσου Απλό φίλτρο: Κινούμενος μέσος όρος ˆ q y q jq q 3 ˆ y y y 3 3 3 j "q " 4? Γενικό φίλτρο: Σταθμισμένος κινούμενος μέσος όρος 7 6 5 orig MA(3) MA(5) Δείκτης ΧΑΑ ASE index, period 985 - q ˆ ay a j j jq q jq Απλός κινούμενος μέσος: a j, j q,, q q j 4 3 86 88 9 9 94 96 98 4 6 8

close index 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 a a a a a a ( ) a «σταθερή τάση»! p Y? p Y p! c X Αν η τάση είναι τοπικά πολυώνυμο βαθμού p, απαλείφεται με χρήση του Δείκτης ΧΑΑ ASE index: firs differences, period 7-4 [δείξτε ότι ] - -4-6 86 88 9 9 94 96 98 4 6 8

close index close index close index close index close index Ποια μέθοδος απαλοιφής τάσης είναι καλύτερη? 6 5 4 orig local linear, breakpoins polynomial,p= ASE index, period 7-5 ASE index derended, period 7 - local linear, breakpoins polynomial,p= 3 5-5 - 8 8 6 5 4 orig MA(3) MA(5) ASE index, period 7-5 ASE index derended, period 7 - MA(3) MA(5) 3 5-5 - 8 8 Εκτίμηση της τάσης 5 ASE index: firs differences, period 7-5 -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 k n / d sˆ k y i i jd k 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. Απαλοιφή τάσης Y Y s X 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 3 GICP: Residual of linear fi 5-5 - 3 4 5 6 year -3 3 4 5 6 3 GICP: Year cycle esimae 3 GICP: derended and deseasoned - - - - -3 3 4 5 6 year μη-στάσιμη y y y στάσιμη,,, n -3 3 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: /.3.. GICP residual: auocorrelaion λευκός θόρυβος r Η για στάθμη σημαντικότητας για =.5 Έλεγχος σημαντικότητας για κάθε τ χωριστά n N(, ) n -. -. -.3 -.4 5 5 Σε επίπεδο σημαντικότητας =.5, απορρίπτεται η Η για τ= Υπάρχουν συσχετίσεις στη χρονοσειρά GICP?

r() Έλεγχος ανεξαρτησίας Pormaneau Q(k) Ένας έλεγχος για,,, k H :,,, k Στατιστικό ελέγχου Q: ~ k Qn k r ( k ) / ( ) Box-Pierce Qn n r n j Q απορριπτική περιοχή R Q k; a Ljung-Box.3. GICP residual: auocorrelaion k 35 3 GICP residual: Pormaneau (Ljung-Box). -. Q 4.6 k ;a 8.3 5 5 -. -.3 -.4 5 5 H για τ= απορρίπτεται 5 5 5 k

x() r() x() r() random ime series. random ime series: auocorrelaion.8..6.4 -.. -. 3 4 5 6 7 8 9 logisic ime series -.3 4 6 8 logisic ime series: auocorrelaion..8.5..6.5.4 -.5. -. -.5 3 4 5 6 7 8 9 κατάλληλος έλεγχος ανεξαρτησίας? -. 4 6 8

Άσκηση: Υπάρχουν συσχετίσεις στις αποδόσεις του δείκτη ΧΑΑ (περίοδος 7-)? Κατάλληλη στάσιμη χρονοσειρά: πρώτες διαφορές ή αποδόσεις? Υπάρχουν συσχετίσεις? πρώτες διαφορές x y y μη γραμμικές? X X E αποδόσεις x ln y ln y τετράγωνο αποδόσεων x ln y ln y x ( x)

Άσκηση: Υπάρχουν συσχετίσεις στις αποδόσεις του δείκτη ΧΑΑ (περίοδος 7-)? Κατάλληλη στάσιμη χρονοσειρά: πρώτες διαφορές ή αποδόσεις? Υπάρχουν συσχετίσεις? τετράγωνο αποδόσεων x ln y ln y x ( x) μη γραμμικές? X X E Gaussian μετασχηματισμός αποδόσεων x ln y ln y x ( F ( x)) X ' Η αυτοσυσχέτιση στη χρονοσειρά τετραγώνων των αποδόσεων δεν είναι λόγω της μη-κανονικής κατανομής των τιμών της

Έλεγχος μοναδιαίας ρίζας τυχαίος περίπατος [random walk, RW] Y Y X γενίκευση της στάθμισης στην προηγούμενη κατάσταση Y Y X X ~ WN(,σ ) στάσιμη? Ναι στάσιμη? Όχι στάσιμη? Όχι ασταθής

Y Y X Y Y X ( ) Y X Χαρακτηριστικό πολυώνυμο Μπορεί να έχει ρίζα? Έλεγχος μοναδιαίας ρίζας (uni roo es) H : H : Απλή προσέγγιση: Y Y X ( Y X ) έλεγχος για την παράμετρο κλίσης σε απλή γραμμική παλινδρόμηση αλλά ο έλεγχος (suden) δεν είναι κατάλληλος (μεροληψία) Έλεγχος Dickey-Fuller Y Y X Y Y Y Y X Y ( ) Y X Y Y X X ~ WN(,σ ) H : H : Y Y X έλεγχος για την παράμετρο κλίσης δ στην απλή γραμμική παλινδρόμηση ( Y X ) ˆ Δεν ακολουθεί κατανομή suden Στατιστικό ελέγχου se( ˆ ) αλλά προτείνονται άλλες κρίσιμες τιμές για την απόφαση ελέγχου Έλεγχος Dickey-Fuller με σταθερό όρο και τάση Y a a Y X Y a a Y X Ο έλεγχος γίνεται πάλι για H : Έλεγχος augmened Dickey-Fuller