02 Modelos ARMA
ECONOMETR´IA DE SERIES TEMPORALES
Modelos ARMA
• Definici´
on: Ruido blanco. Se dice que el proceso { t } es ruido
blanco (”white noise”) si:
Para todo i = j :
• Notaci´on:
t
Var ( t )
Cov ( i j )
E( t)
E ( 2t )
E( i j)
=
=
=
=
=
0
σ2
0
∼ WN
• Ruido blanco Gaussiano: Para todo t,
2
t ∼ WN(0, σ )
t
∼ N(0, σ 2 ). Notaci´on:
• Definici´
on: Modelo ARMA. Un modeloautoregresivo-media
m´
ovil (”autoregressive moving average”—ARMA) tiene la forma:
p
yt = φ0 +
q
φi yt−i +
i=1
θj
t−j ,
j=0
donde el proceso { t } es ruido blanco.
Este modelo se denota como ARMA(p, q), y normalmente se
normaliza θ0 a 1.
Nota: Suponemos que todas las ra´ıces caracter´ısticas est´an dentro
del c´ırculo de unidad. Si una o varias ra´ıces caracter´ısticas estan
encima o fuera delcirculo de unidad, el modelo se llama
autoregresivo-integrado-media m´ovil (”autoregressive integrated
moving average”—ARIMA(p, d, q), donde d es el orden de
integraci´on)
Ejemplos de modelos ARMA:
ARMA(0,0):
yt = φ0 +
t
ARMA(0,1):
yt = φ0 +
t
ARMA(1,0):
yt = φ0 + φ1 yt−1 +
ARMA(1,0)
(paseo
:
aleatorio)
yt = yt−1 +
ARMA(1,1):
yt = φ0 + φ1 yt−1 +
+ θ1
t−1
t
t
t
+ θ1
t−1Ejemplos de modelos ARMA (cont.):
• Modelos ARMA(p,0) con θ0 = 1:
p
yt = φ0 +
φi yt−i +
i=1
tambi´en se denotan modelos AR(p).
• Modelos ARMA(0,q):
q
yt = φ0 +
θj
j=0
tambi´en se denotan modelos MA(q)
t−j
t
Modelos MA(q):
• MA(1): yt = φ0 +
t
+ θ1
t−1 ,
donde { t } es ruido blanco
⇒ µ = E (yt ) = φ0
⇒ γ0 = Var (yt ) = (1 + θ12 )σ 2
θ1 σ 2 para k = 1
0 para k > 1
⇒ γk = Cov (yt , yt−k )=
• Es el modelo MA(1) estacionario? Si
• Qu´e es Corr (yt , yt−k )?
→ ρk = Corr (yt , yt−k ) =
γk
γ0
Modelos MA(q) (cont.):
• MA(q): yt = φ0 +
donde θ0 = 1
q
j=0 θq t−q ,
donde { t } es ruido blanco y
⇒ µ = φ0
⇒ γ0 = (1 + θ12 + · · · + θq2 )σ 2
⇒ γk =
(θk + θk+1 θ1 + · · · + θq θq−1 )σ 2 para k = 1, . . . , q
0 para k > q
• Es el modelo MA(q) estacionario? Si
• Qu´e es Corr (yt , yt−k )?→ ρk =
γk
γ0
Modelos MA(q) (cont.):
• MA(∞): yt = φ0 +
donde ψ0 = 1
∞
j=0 ψj t−j ,
donde { t } es ruido blanco y
• Notaci´on: MA(∞)
• Como podemos saber si MA(∞) es un proceso estacionario y
bien definido? Una de las condiciones siguientes es suficiente:
a)
∞
2
j=0 ψj
<∞
⇑
b)
∞
j=0 |ψj |
<∞
Modelos MA(q) (cont.):
• Entonces, por el MA(∞) tenemos que:
⇒ µ = φ0
⇒ γ0 = limT →∞ (ψ02 + ψ12 +· · · + ψT2 )σ 2
⇒ γk = σ 2 (ψk ψ0 + ψk+1 ψ1 + ψk+2 ψ2 + · · · )
Modelos AR(p):
• AR(1): yt = φ0 + φ1 yt−1 +
t,
donde { t } es ruido blanco
• Es el modelo AR(1) estacionario (”estable”)?
→ Si |φ1 | < 1 ⇒ si
→ Si |φ1 | ≥ 1 ⇒ no
• Por qu´e |φ1 | < 1 ⇒ AR(1) estacionario?
Modelos AR(p) (cont.):
• Porque eso implica que el modelo AR(1) se puede escribir como
un modelo MA(∞):
yt
=
φ0 + φ1yt−1 +
=
φ0 + φ1 (φ0 + φ1 yt−2 +
=
φ0 + φ1 [φ0 + φ1 (φ0 + φ1 yt−3 +
+ t−1 ] + t
..
.
=
(φ0 +
=
φ0 ·
=
φ0
1−φ1
=
t)
+ φ1 (φ0 +
∞
i
i=0 φ1
+
t
MA(∞)
t
+
+ φ1
t
t−1 )
+ φ1
t−1
t−1 )
t
t−2 )
+ φ21 (φ0 +
t−1
+ φ21
+
+ φ21
t−2
t−2
+ φ31
t−2 )
+ φ31
t−3
+ ···
t−3
+ ···
+ ···
Modelos AR(p) (cont.):
• Recuerda: ∞
j=0 |ψj | < ∞ ⇒ MA(q) estacionario, y en nuestro
caso(dado que |φ1 | < 1) tenemos
∞
j=0 |ψj |
=
j
∞
j=0 |φ1 |
<∞
• De todo esto se deduce (cuando |φ1 | < 1):
µ=
φ0
1−φ1
γ0 =
σ2
(1−φ21 )
γk =
φk1
σ2
1−φ21
ρk =
γk
γ0
= φk1
Modelos AR(p) (cont.):
• El modelo AR(2) se define como:
yt = φ0 + φ1 yt−1 + φ2 yt−2 +
t
(1)
• Aplicando el operador de retardo el AR(2) se puede escribir como
(1 − φ1 L − φ2 L2 )yt = φ0 +
t
y (1) es estacionario silas p ra´ıces caracter´ısticas λ1 y λ2 est´an
dentro del c´ırculo de unidad (es decir, |λ1 |, |λ2 | < 1)
• C´
omo calculamos las 2 ra´ıces caracter´ısticas λ1 , λ2 de un AR(2)?
(1 − φ1 z − φ2 z 2 ) = 0
donde λ =
1
z
⇔
(λ2 − φ1 λ − φ2 ) = 0
Modelos AR(p) (cont.):
• Nota: A veces se utiliza una terminolog´ıa diferente que puede
confundir:
ra´ıces del polinomo 1 − φ1 z − φ2 z 2 est´a fuera...
Regístrate para leer el documento completo.