Salve ho un altro problema da porre alla vostra gentile attenzione :
Considerate il modello :
$y_t=\mu+\phi_1 y_{t-1}+\phi_2 y_{t-2}+u_t$
Con $u_t$ iid $(0,\sigma^2)$. Assumete sempre che le radici dell'equazione:
$1-\phi_1 L - \phi_2 L^2=(1-\rho_1 L)(1-p_2 L)=0$
Siano sempre reali e distinte.
(a) Definire le condizioni sui parametri tali per cui $y_t$ sia un processo lineare.
(b) Qual è la definizione di questo modello?
(c) Derivare media, varianza e autocovarianza, quest'ultima solamente per il lag $1$, del processo aleatorio $y_t$
(d) Supponete ora che $u_t NID(0,\sigma^2)$ derivare lo stimatore efficiente di $\mu,\phi_1$ e $\phi_2$
(a) Affinchè $y_t$ sia un processo lineare deve essere rispettata la condizione di stazionarietà, si dimostra che la condizione di stazionarietà (Box & Jenkins) si ottiene quando le radici del polinomio caratteristico sono in modulo maggiori di $1$, ovvero sono esterne al cerchio unitario $|rho_1 |>1$ e $|rho_2 |>1$, e si dimostra che per soddisfare tali condizioni devono verificarsi le seguenti disuguaglianze:
$\phi_1+\phi_2<1$
$\phi_2-\phi_1<1$
$1<\phi_2<1$
(b) La definizione di questo modello è un processo autoregressivo di ordine $2$, $AR(2)$
( c ) Per derivare la media posso operare in due modi, (quale è più gradito ?)
Modo 1:
Se il processo è scritto come:
$y_t=\mu+\phi_1 y_{t-1}+\phi_2 y_{t-2}+u_t$
Allora passando alla media ho:
$E[y_t]=E[\mu+\phi_1 y_{t-1}+\phi_2 y_{t-2}+u_t]$
Usando la linearità della media, la media di una costante è una costante e il fatto che $u_t$ sia un white noise:
$E[y_t]=E[\mu+\phi_1 y_{t-1}+\phi_2 y_{t-2}+u_t]=\mu + \phi_1E[y_{t-1}]+ \phi_2 E[y_{t-2}]$
A questo punto uso che il processo gode della proprietà di stazionarietà debole quindi $E[y_{t}]=E[y_{t-1}]=E[y_{t-2}]$ e ottengo:
$E[y_t]=\frac{\mu}{ 1- \phi_1- \phi_2 }$
Modo 2:
Scrivo $y_t$ come una combinazione lineare di white noise:
$y_t=\frac{\mu}{ 1- \phi_1- \phi_2 }+\sum_{u=0}^{\infty} \psi_u \epsilon_{t-u}$
Passando alla media e sfruttando che $\epsilon$ è un white-noise ottengo lo stesso.
Per la varianza arrivo con un po' di passaggi a:
$\gamma_0=\frac{\sigma_{\epsilon} ^2}{1-\phi_1^2}$
L'autocovarianza abbiamo:
$\gamma_1=\frac{\sigma_{\epsilon} ^2 \phi_1}{1-\phi_1^2}$
(d) Non saprei come operare… help!!!
I primi tre punti vanno bene? Grazie