Escrevendo AR (1) como um processo MA ( )


7

O processo AR (1) é

Xt=ϕXt1+εt

se usarmos essa fórmula recursivamente, obteremos

Xt=ϕ(ϕXt2+εt1)+εt=ϕ2Xt2+ϕεt1+εt==ϕkXtk+j=0kϕjεtj

Se deixarmos k , obteremos

Xt=limk(ϕkXtk+j=0kϕjεtj)=limk(ϕkXtk)+j=0ϕjεtj
A dualidade entre AR (1) e MA ( ) afirma que existe uma equivalência entre os dois e que podemos escrever Xt como

Xt=j=0ϕjεtj

A diferença entre os dois resultados é o termo limk(ϕkXtk) , que deve ser zero, mas como mostro isso?

Assumindo |ϕ|<1 , temos limkϕk=0 , é claro, mas não vejo por que limkXtk< ? A convergência supõe a lei dos grandes números ou existe outra maneira de mostrar equivalência?


Eu sei que há uma prova que inverte o operador de atraso 1B , mas não encontrei nenhuma justificativa para o motivo de o operador poder ser invertido, então eu queria uma prova alternativa, como a acima.


11
Existem alguns problemas com seus índices - as somas devem começar em e, em seguida, deve ser , não . j=0ϵtjϵtk
Christoph Hanck

Respostas:


4

O sentido usual em que a convergência é entendida neste caso é no quadrado médio :

E[Yt(ϵt+ϕϵt1+ϕ2ϵt2++ϕjϵtj)]2=ϕ2(j+1)E[Ytj1]2
Se estiver estacionário Portanto, Yt
E[Ytj1]2=γ0+μ2
limjE[Yt(ϵt+ϕϵt1+ϕ2ϵt2++ϕjϵtj)]2=0

Portanto, a lei fraca de grandes números, ou seja, ? limjE(ϕjXtj)2=0
22818 Frank Vel

11
O WLLN geralmente se refere ao tamanho da amostra indo para o infinito, enquanto nessa situação, o número de defasagens vai para o infinito. Eu o leio dizendo que a média da diferença quadrática desaparece.
Christoph Hanck

1

Você tem razão em suspeitar dessa etapa e, de fato, sem outras suposições para limitar o tamanho de não é possível obter o formulário necessário. Lembre-se de que a equação recursiva para o modelo de RA é insuficiente para produzir a distribuição conjunta do processo. (Você precisa impor uma distribuição para o processo de erro e, mesmo assim, impor estacionariedade ou especificar uma distribuição inicial que leve a algum modelo não estacionário.) Se você tiver apenas essa equação recursiva, não há razão para que os valores das séries temporais não puderam explodir em valores grandes como .Xt

Por exemplo, o processo determinístico de RA não estacionário satisfaz a equação recursiva que você especificou (com zero de erros) e, nesse caso, você tem . Nesse modelo, para qualquer você também tem:Xt=ϕtlimkXtk=ϕ0

ϕkXtk=ϕkϕtk=ϕt0.

Como os erros são zero neste modelo determinístico, isso fornece o resultado limitante:

Xt=k=0ϕkεtk0+limkϕkXtkϕt.

Claramente, nesse caso, o prazo limite é diferente de zero e não pode ser removido do resultado. Se você deseja remover esse último termo, é necessário adicionar mais suposições ao seu modelo (por exemplo, estacionariedade).

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.