Autokovarianz
Die Autokovarianzfunktion eines stochastischen Prozesses ermöglicht es, die in diesem Prozess vorhandenen linearen Abhängigkeiten zu charakterisieren.
X.={X.t,t∈NICHT}}{\ displaystyle X = \ {X_ {t}, t \ in \ mathbb {N} \}}![X = \ {X_t, t \ in \ mathbb {N} \}](https://wikimedia.org/api/rest_v1/media/math/render/svg/ee637ffec6e1f6146d745af9b5ca86c611238a37)
Definition - Wenn der Prozess Werte in hat und eine Varianz für einen zulässt , definieren wir die Autokovarianzfunktion durch die notierte Funktion, die jedem Paar natürlicher Ganzzahlen die durch , notierte und definierte
Zahl zuordnet , wobeiX.{\ displaystyle X}
R.{\ displaystyle \ mathbb {R}}
V.((X.t){\ displaystyle \ operatorname {V} (X_ {t})}
t∈NICHT{\ displaystyle t \ in \ mathbb {N}}
X.{\ displaystyle X}
R.{\ displaystyle R}
((t,s){\ displaystyle (t, s)}
R.((t,s){\ displaystyle R (t, s)}
R.((t,s)≡Cov((X.t,X.s)=E.[((X.t- -μt)((X.s- -μs)]]{\ displaystyle R (t, s) \ equiv \ operatorname {Cov} (X_ {t}, X_ {s}) = \ operatorname {E} \ left [(X_ {t} - \ mu _ {t}) ( X_ {s} - \ mu _ {s}) \ right]}
μt=E.((X.t){\ displaystyle \ mu _ {t} = \ operatorname {E} (X_ {t})}
Wenn ist ein stationärer Prozess im schwachen Sinne dann
und für alle natürlichen ganzen Zahlen . In diesem Fall reicht es dann aus, die Autokovarianzen durch die Funktion zu definieren, die alles verknüpft . Die Autokovarianzfunktion erscheint dann als Kovarianz dieses Prozesses mit einer verzögerten Version von sich. Wir nennen die Bestellung Autokovarianz .
X.{\ displaystyle X}
μt=μs{\ displaystyle \ mu _ {t} = \ mu _ {s}}
Cov((X.t,X.s)=Cov((X.t+k,X.s+k){\ displaystyle \ operatorname {Cov} (X_ {t}, X_ {s}) = \ operatorname {Cov} (X_ {t + k}, X_ {s + k})}
t,s,k{\ displaystyle t, s, k}
R.((t,s)=R.((|t- -s|,0){\ displaystyle R (t, s) = R (| ts |, 0)}
k∈Z.{\ displaystyle k \ in \ mathbb {Z}}
γ((k)≡R.((k,0)=Cov((X.k,X.0){\ displaystyle \ gamma (k) \ equiv R (k, 0) = \ operatorname {Cov} (X_ {k}, X_ {0})}
γ((k){\ displaystyle \ gamma (k)}
k{\ displaystyle k}![k](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3c9a2c7b599b37105512c5d570edc034056dd40)
Eigentum - Wenn im schwachen Sinne stationär ist,X.{\ displaystyle X}
γ((- -k)=γ((k){\ displaystyle \ gamma (-k) = \ gamma (k)}
Diese Eigenschaft ergibt sich direkt aus der Tatsache, dass . Siehe für diese Eigenschaft Hamilton (1994,
S. 46 ).
γ((k)=R.((|k|,0)=R.((|- -k|,0)=γ((- -k){\ displaystyle \ gamma (k) = R (| k |, 0) = R (| -k |, 0) = \ gamma (-k)}![\ gamma (k) = R (| k |, 0) = R (| -k |, 0) = \ gamma (-k)](https://wikimedia.org/api/rest_v1/media/math/render/svg/812d2a1963b6d7e0d3014f1c71ba9e3f27dfa264)
Anmerkungen
-
wir auch die Autokorrelationsfunktion
-
Siehe zum Beispiel Hamilton (1994) und Maddala und Kim (1998)
Verweise
(en) William H. Greene , Ökonometrie , Paris, Pearson Education,2005, 5 th ed. 943 p. ( ISBN 978-2-7440-7097-6 ) , p. 2
(en) James Douglas Hamilton , Zeitreihenanalyse , Princeton NJ, Princeton University Press ,1994799 p. ( ISBN 978-0-691-04289-3 , LCCN 93004958 ) , p. 799
(en) Gangadharrao Soundaryarao Maddala , Einheit Wurzeln, Cointegration und Strukturwandel , Cambridge, Cambridge University Press ,2003, 5 th ed. , gebundene Ausgabe ( ISBN 978-0-521-58257-5 , LCCN 98017325 ) , p. 505
Siehe auch
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">