Processi stazionari

Analisi delle serie temporali in R

David S. Matteson

Associate Professor at Cornell University

Stazionarietà

  • I modelli stazionari sono parsimoniosi.
  • I processi stazionari hanno stabilità distributiva nel tempo.

Serie storiche osservate:

  • Fluttuano in modo casuale.
  • Ma si comportano in modo simile da un periodo all’altro.
Analisi delle serie temporali in R

Stazionarietà debole - I

Debole stazionarietà: media, varianza, covarianza costanti nel tempo.

$Y_1, Y_2$, ... è un processo debolmente stazionario se:

  • La media $ \mu $ di $ Y_t$ è uguale (costante) per tutti i $t$.
  • La varianza $ \sigma ^2$ di $ Y_t$ è uguale (costante) per tutti i $t$.
  • E…
Analisi delle serie temporali in R

Stazionarietà debole - II

La covarianza di $ Y_t$ e $ Y_s$ è uguale (costante) per tutti i $ \vert t - s \vert = h$, per ogni $ h$.

$$ Cov(Y_2, Y_5) = Cov(Y_7, Y_{10})$$

poiché ogni coppia è separata da tre unità di tempo.

Analisi delle serie temporali in R

Stazionarietà: perché?

Un processo stazionario si modella con meno parametri.

Per esempio, non serve un’attesa diversa per ogni $ Y_t$; hanno tutti la stessa attesa, $ \mu$.

  • Stima $ \mu$ in modo accurato con $ \bar y $.
Analisi delle serie temporali in R

Stazionarietà: quando?

Molte serie finanziarie non sono stazionarie, però:

  • Le variazioni della serie sono spesso circa stazionarie.
  • Una serie stazionaria oscilla casualmente attorno a un livello fisso; fenomeno detto mean reversion.
Analisi delle serie temporali in R

Esempio di stazionarietà

Tassi d’inflazione e variazioni dei tassi d’inflazione:

Analisi delle serie temporali in R

Ayo berlatih!

Analisi delle serie temporali in R

Preparing Video For Download...