Príklady 1, 2, 3 tvoria kostru predmetu. Z celkového počtu 15 bodov treba na úspešné absolvovanie skúšky získať aspoň 10 bodov.
Odovzdávajú sa odpovede a výpočty na papieri, nie kód v R-ku
Overte stacionaritu a invertovateľnosť nasledujúceho procesu:
\[x_t = 0.3 x_{t-1} + 0.5 x_{t-2} + 0.5 x_{t-3} + u_t - 0.1 u_{t-1} \]
Pre každú z týchto vlastností napíšte:
Za každý z týchto bodov 0.5 b. pre každú z vlastností.
Budeme pracovať s dátami, ktoré sú dostupné v balíku astsa
:
library(astsa)
y <- ts(econ5$govinv, frequency = 4, start = c(1948,3))
plot(y)
Cieľom je nájsť vhodný ARIMA model.
Dáta sú vždy vybrané tak, aby sa pre ne dal nájsť nesezónny ARIMA(p,d,q)
model, pričom p
a q
nie sú väčšie ako 5.
(1 bod) Vysvetlite, koľkokrát ste dáta diferencovali a prečo. Teda pre každý časový rad (pôvodné dáta, prípadné prvé diferencie, druhé diferencie atď.) napíšte, či ste ich diferencovali a prečo. Skončíme teda tým, že určitý časový rad už diferencovať netreba.
(5 bodov, 1 bod za každú úlohu) Súčasťou predchádzajúceho bodu bolo testovanie jednotkového koreňa. V poslednom kroku (po prípadnom predchádzajúcom diferencovaní) nastala situácia, že v dátach nebol ani trend, ani jednotkový koreň, a preto ich nebolo potrebné diferencovať. Podrobne vysvetlite, čo sa tam dialo:
Napíšte, s akými parametrami ADF testu ste ich tieto dáta testovali a aká regresia sa odhadla.
Aká hypotéza o koeficientoch tejto regresie sa testuje?
Odvoďte, že táto hypotéza predstavuje hypotézu o jedotkovom koreni daného časového radu.
Kedy túto hypotézu zamietame (ako vyzerá kritérium založené na testovacej štatistike a kritickej hodnote)?
y
. Požiadavky sú: stacionarita, invertovateľnosť a p hodnoty Ljung-Boxovho testu nad 5 percent. Odpoveď napíšte zapísaním parametrov funkcie sarima
, ktorou model odhadnete:sarima(y, p, k, q)
Uvažujme dáta z knižnice urca
library(urca)
data("UKpppuip")
# UKpppuip$i1
# A data frame of quarterly data ranging from 1971:Q1 until 1987:Q2. All variables are expressed in logarithms.
# i1 = Three-month treasury bill rate in the UK
i1 <- ts(UKpppuip$i1, frequency = 4, start = c(1971, 1))
plot(i1)
Budeme pracovať s diferenciami týchto dát:
x <- diff(i1)
plot(x)
(1 bod) Testujte Ljung-Boxovým testom hypotézu, že prvých K
autokorelácií, je nulových, postupne pre K
rovné 1, 2, …, 10. Pre kontrolu uveďte minimálnu a maximálnu p-hodnotu, ktorá sa v týchto testoch dosiahla.
(1 bod) Môžeme (na základe autokorelácií) tieto dáta považovať za biely šum posunutý o konštantu? Prečo?
(1 bod) Odhadnite pre tieto dáta AR(1) model a zapíšte ho v tvare \(x_t = \delta + \alpha x_{t-1} + u_t\).
(1 bod) Ukážte, že model z predchádzajúceho bodu je stacionárny.
Uveďte príklad procesov s danými vlastnosťami. Ak nie je povedané inak, proces musí byť stacionárny. Pre každý proces dokážte, že má požadovanú vlastnosť.
Hodnotenie pre každý proces: 2 body za správnu odpoveď a správne zdôvodnenie; 1 bod za dobrý prístup, neúplný dôkaz vlastnosti a pod.; za uvedenie procesu bez zdôvodnenia je 0 bodov
Nech \(z_t\) je proces, ktorého hodnoty sú nezávislé náhodné premenné s rozdelením \(N(0, 1)\). Definujme pomocou neho nový proces \(y_t\) nasledovne:
Ukážte, že proces \(y_t\) je stacionárny a vypočítajte jeho autokorelačnú funkciu.
Píšte iba odpovede - pravda/nepravda - nie zdôvodnenia. Za každú správnu odpoveď je 1 bod, za nesprávnu mínus 1 bod, žiadna odpoveď znamená 0 bodov.
Rozhodnite, či sú nasledovné tvrdenia pravdivé.
Ide o krátke výpočty, nie dlhé odvodzovanie. Niektoré sa dajú vypočítať v R-ku.
Odovzdávajte len výsledok (nie výpočet).