Problem 1.8
(Random Walk med drift)(a) Følger ved gentagen anvendelse af definitionen.
(b) Fra (a) f˚as E(xt) =δt. Endvidere er, idet vi uden tab af generalitet antager t≥s,
γx(s, t) = E(
t
X
k=1
wk s
X
l=1
wl) =
t
X
k=1 s
X
l=1
Ewkwl=
s
X
k=1 s
X
l=1
Ewkwl+
t
X
k=s+1 s
X
l=1
Ewkwl
=
s
X
k=1
Ew2k+ 0 =sσw2.
Bemærk, at vi s˚a har vist, dels at variansen af xt er lig med tσw2, og dels at γx(s, t) = min(s, t)σ2w.
(c) Alts˚a er xt ikke stationær, da disse størrelser afhænger af absolut tid.
(d)
ρx(t−1, t) = γx(t, t−1) ptσw2p
(t−1)σw2 = (t−1) pt(t−1)
σw2 σw2 =
rt−1 t →1.
(e) Første differensen vil gøre xt stationær, dvs. tidsrækken ∇xt.
Problem 1.15
Ext = Ewtwt−1 = 0.
Extxt−k = Ewtwt−1wt−kwt−k−1 =
( Ewt2wt−12 = Ew2tEwt−12 =σ24 hvis k = 0 0 ellers
Konklusion: xt er stationær.
Problem 1.20
Denne kode løser problemet: (2 ekstra observationer pga. tab i endepunkter ved genererin- gen af MA).
wa=rnorm(502,0,1) wb=rnorm(52,0,1)
1
va=filter(wa, sides=2, rep(1,3)/3) vb=filter(wb, sides=2, rep(1,3)/3) par(mfrow=c(2,1))
acf(va,20,na.action=na.pass) acf(vb,20,na.action=na.pass)
Problem 1.21
Generer data ligesom i problem 1.2 og skriv acf(x,25). Sample ACF vil vise signifikante korrelationer i en cyklus hver fjerde lag. Processen er ikke stationær fordi middelværdi- funktionen afhænger aft.
Problem 2.1
(a)–(c): Den følgende kode vil producere de nødvendige resultater. Modellen er over- parametriseret, hvis en afskæringsværdi er inkluderet (leddene for hver Q er afskæringsværdier).
Generelt s˚a erαi−αj den gennemsnitlige stigning (det gennemsnitlige fald) fra kvartal i til kvartal j. Der er væsentlig korrelation i residualerne.
jj=ts(scan("/minedata/jj.dat"), start=1960, frequency=4) Q1=rep(c(1,0,0,0),21)
Q2=rep(c(0,1,0,0),21) Q3=rep(c(0,0,1,0),21) Q4=rep(c(0,0,0,1),21)
time=seq(1960,1980.75,by=0.25) reg=lm(log(jj)~0+time+Q1+Q2+Q3+Q4 summary(reg) # regressionsoutput plot.ts(log(jj))
lines(time,reg$fit,col="red") # de tilpassede v{\ae}rdier er i reg$fit plot.ts(reg$resid) # residualerne er i reg$resid
acf(reg$resid,20)
Problem 2.6
(a) Det er klart, at Ext = β0 + β1t og at middelværdien afhænger af t. Bemærk at punkterne vil være tilfældigt fordelt omkring en ret linie.
(b) Bemærk, at ∇xt=β1+wt−wt−1 s˚aledes at E(∇xt)) =β1, og
Cov(∇xt+h,∇xt) =
2σw2, for h= 0
−σ2w, for h=±1 0 for |h|>1 2
(c) Her er∇xt =β1+yt−yt−1, s˚a Ext=β1+µy −µy =β1. Endvidere
Cov(∇xt+h,∇xt) = Cov(yt+1−yt+h−1, yt−yt−1) = 2γy(h+ 1)−γy(h−1), som er uafhængig af t.
3