• Nie Znaleziono Wyników

Zadania Zaliczeniowe z Ekonometrii i Ekonometrii Finansowej dla ZE VII

N/A
N/A
Protected

Academic year: 2021

Share "Zadania Zaliczeniowe z Ekonometrii i Ekonometrii Finansowej dla ZE VII"

Copied!
5
0
0

Pełen tekst

(1)

Zadania Zaliczeniowe z Ekonometrii i Ekonometrii Finansowej dla ZE VII

1) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10

yt 8 10 9 8 7 5 6 5 4 2

a) Na podstawie podanych danych przeprowadzić estymację modelu AR(1) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Przeprowadzić weryfikację hipotezy o braku autokorelacji składnika losowego za pomocą testu Ljunga-Boxa na poziomie istotności =0.05. Przyjąć maksymalne opóźnienie m=3.

2) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

yt 2 3 5 6 6 7 8 9 11 12 10 14 15 17 18

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,1,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego BIC.

3) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14

yt 220 200 180 155 125 100 80 65 45 30 25 15 10 5

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,2,0) za pomocą metody Yule’a-Walkera . Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego FPE.

4) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

yt 0.7 0.4 0.3 0.2 0.4 0.2 0.5 0.8 0.9 1.0 0.6 0.8 0.5 0.4 0.3

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(2,0) za pomocą MNK.

Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć R(2) = współczynnik autokorelacji rzędu 2.

5) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14

yt 2 3 5 2 4 7 3 6 8 10 7 9 6 10

a) Na podstawie podanych danych przeprowadzić estymację modelu AR(2) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość współczynnika determinacji według wzoru Harveya.

(2)

6) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

yt 12 8 15 20 16 17 21 23 16 17 18 21 24 28 30 33

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,1,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego AIC.

7) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

yt 0.3 0.4 0.3 0.5 0.7 0.8 1.0 0.9 1.3 1.2 1.5 1.4 1.6 1.6 1.8 2.0 a) Na podstawie podanych danych przeprowadzić estymację modelu błądzenia przypadkowego z

dryftem postaci: yt=yt-1+t . Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Przeprowadzić weryfikację hipotezy o braku autokorelacji składnika losowego za pomocą testu Ljunga-Boxa na poziomie istotności =0.2. Przyjąć maksymalne opóźnienie m=2.

8) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12

yt 12 8 15 20 16 17 21 23 16 17 18 21

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(1,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Przeprowadzić weryfikację hipotezy o braku autokorelacji składnika losowego za pomocą testu Ljunga-Boxa na poziomie istotności =0.1. Przyjąć maksymalne opóźnienie m=4.

9) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

yt 0.7 0.9 1.2 1.5 1.6 1.8 2.0 2.1 2.4 2.5 2.7 3.0 3.6 3.5 4.0

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(1,1,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartości funkcji autokorelacji R(1) i R(2) dla szeregu zróżnicowanego.

10) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

yt 15 12 13 11 10 12 8 8 7 6 5 4 3 2 2

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(1,1,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć współczynnik zmienności losowej, współczynnik zbieżności i współczynnik determinacji.

11) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12

yt 12 8 15 20 16 17 21 23 16 17 18 21

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(3,1,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość funkcji autokorelacji R(3) dla szeregu zróżnicowanego.

(3)

t 1 2 3 4 5 6 7 8 9 10 11 12

yt 2 8 5 10 6 4 5 2 3 4 5 7

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(3,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć R(3) = współczynnik autokorelacji rzędu 3.

13) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13

yt 2 5 10 15 25 35 50 65 80 100 120 145 170

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,2,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego HQ.

14) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11

yt 8.6 7.2 6.4 5.8 4.6 4.4 4.2 4.0 3.6 2.4 2.0

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(3,1,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość współczynnika determinacji.

15) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14

yt 200 165 140 110 90 75 70 45 40 30 20 10 5 5

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,2,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego SC.

16) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

yt 1 1 4 9 15 25 35 48 62 81 106 120 150 175 200 225

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(1,2,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość współczynnika zmienności losowej.

17) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13

yt 170 150 120 100 80 70 50 40 30 20 10 5 1

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(1,2,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość współczynnika determinacji według wzoru Harveya.

(4)

18) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10

yt 2 3 5 5 4 3 5 2 1 4

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(2.0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Przeprowadzić weryfikację hipotezy o braku autokorelacji składnika losowego za pomocą testu Ljunga-Boxa na poziomie istotności =0.1. Przyjąć maksymalne opóźnienie m=2.

19) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10

yt 2 5 7 10 13 15 18 20 24 25

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(3,1,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość kryterium informacyjnego HQ.

20) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12 13

yt 0.7 0.5 0.3 0.6 0.4 0.2 0.5 0.8 0.7 1.0 0.6 0.4 0.5

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(3,0) za pomocą MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć R(3) = współczynnik autokorelacji rzędu 3.

21) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11

yt 10 8 9 12 7 10 8 3 6 7 5

a) Na podstawie podanych danych przeprowadzić estymację modelu AR(3) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć współczynnik zmienności losowej.

22) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11 12

yt 100 85 70 55 35 25 15 10 5 2 1 1

a) Na podstawie podanych danych przeprowadzić estymację modelu ARIMA(2,2,0) za pomocą metody MNK. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Obliczyć wartość współczynnika determinacji.

23) Dany jest szereg czasowy:

t 1 2 3 4 5 6 7 8 9 10 11

yt 3 6 8 10 12 15 16 18 20 21 22

a) Na podstawie podanych danych przeprowadzić estymację modelu ARMA(1,0) za pomocą metody Yule’a-Walkera. Wyznaczyć błąd standardowy składnika losowego oraz błędy standardowe i względne estymatorów parametrów modelu.

b) Przeprowadzić weryfikację hipotezy o braku autokorelacji składnika losowego za pomocą testu Ljunga-Boxa na poziomie istotności =0.1. Przyjąć maksymalne opóźnienie m=4.

(5)

Cytaty

Powiązane dokumenty

Te szczególne przypadki zerowego obciążenia estymatorów (7), (8), (9) modelu (1) przy założeniach e) i d) oraz przyjętym modelu obiektywnej heteroscedastyczności nazywać

Składniki występujące w zapisie modelu (zmienna objaśniana, zmienne objaśniające, parametry, składnik losowy).. Założenia dotyczące składnika

Metody rozwiązywania liniowych modeli optymalizacyjnych (metoda graficzna i algorytm simpleks).. Kryterium optymalności w

Interpretacja: obliczona wartość średniego błędu modelu oznacza, że przewidywania zmian popytu na warzywa (tj. zmiennej objaśnianej przez model) sporządzane dla przedziału próby

• Dokonywanie symulacji na podstawie modelu Leontiefa (symulacja może polegać na odpowiedzi na następujące pytania: ile wyniesie produkcja w poszczególnych gałęziach

Rysunek 5 Porównanie najbardziej prawdopodobnych ścieżek dwustanowych HMM z grup klasyfikacyjnych dla trendu szeregu sald odpowiedzi na pytanie o poziom zapasów

• Czas uczenia się uzależniony jest od liczby warstw sieci, liczby neuronów w każdej z warstw oraz od ilości danych treningowych.. Może on rosnąć nawet wykładniczo

[r]