4.2 - Modelos de Médias Móveis (MA)

Considere um processo linear $\{X_t, t \in Z\}$ , dizemos que este processo é de médias móveis de ordem q, denotado por MA(q), se satisfizer a equação de diferenças

$X_t = a_t - \theta_1 a_{t-1} - \hdots - \theta_q a_{t-q}$

onde $\mu, \theta_1, \dots , \theta_q$ são constantes reais, $a_t$ é i.i.d. e $a_t \sim N(0,\sigma^2)$ .

Segue que $X_t$ é estacionário, de média $\mu$ . Suponha que $\mu = 0$ , calculando a função de autocovariância(f.a.c.v.) do processo obtemos

$\gamma_j = E(X_tX_{t-j}) = E\Bigg\{\Bigg[a_t - \sum_{k=1}^q \theta_k a_{t-k} \Bigg] \Bigg[ a_{t-j} - \sum_{l=1}^q \theta_l a_{t-l-j} \Bigg[\Bigg\}$

$\gamma_j = E(a_ta_{t-j}) - \sum_{k=1}^q E(a_{t-j}a_{t-k}) - \sum_{l=1}^q E(a_t a_{t-j-l}) + \sum_{k=1}^q\sum_{l=1}^q \theta_k \theta_l E(a_{t-l}a_{t-j-l})$

Como os $a_t$ são não correlacionados, temos

$\gamma_a(j) = E(a_t a_{t-j}) = \left\{ \begin{array} \ \sigma_a^2, \quad j = 0, \\ \ 0, \quad j \not= 0 \end{array} \right$

$\gamma_0 = Var(X_t) = \sigma_X^2 = \sigma^2(1 + \theta_1^2 + \hdots + \theta_q^2)$

Então,

$\gamma_j = \gamma_a(j) - \sum_{k=1}^q \gamma_a(k-j) - \sum_{l=1}^q \gamma_a(j+l) + \sum_{k=1}^q\sum_{l=1}^q \theta_k \theta_l E(a_{t-l}a_{t-j-l})\gamma_a(j+l+k)$

Portanto, a f.a.c.v. pode ser definida como

$\gamma_j = \left\{\begin{array} \ \sigma_a^2\Bigg( \theta_j + \sum_{l=1}^{q-l} \theta_l \theta_{j+l}\Bigg)\hspace{2cm} ,j = 0, \\ \sigma_a^2(\theta_j + \theta_1 \theta_{j+1} + \theta_2 \theta_{j+2} + \cdots + \theta_q \theta_{q-j}) \quad ,j = 1, \dots , q, \\ \ 0 \hspace{5.4cm} ,j \ \textgreater \ q. \end{array} \right$

Assim, a partir da f.a.c.v. obetmos a f.a.c

$\rho_j = \dfrac{\gamma_j}{\gamma_0} = \left\{\begin{array} \ \dfrac{\theta_j + \theta_1 \theta_{j+1} + \theta_2 \theta_{j+2} + \cdots + \theta_q \theta_{q-j}}{1+\theta_1^2 + \theta_2^2 + \cdots + \theta_q^2} \quad, j = 1, \dtos , q, \\ \ 0 \hspace{5.2cm} , q \ \textgreater \ q. \end{array} \right$

Exemplo 4.2.1:

Considere a série simulada com 50 observações, geradas de acordo com um processo MA(2): $X_t = a_t + 0,63a_{t-1} + 0,2a_{t-2}$ e $\sigma^2_a = 1$ . Os dados deste exemplo podem ser obtidos clicando aqui.

Podemos calcular as f.a.c.v. e f.a.c. exatas por

$\gamma_0 = (1 + \theta_1^2 + \theta_2^2)\sigma_a^2 = (1 + (0,63)^2 + (0,2)^2)1 = 1,437$

$\rho_1 = \dfrac{\theta_1(1 +&nbsp;\theta_2)}{1+\theta_1^2 + \theta_2^2} = \dfrac{0,63(1 - 0,2)}{1+0,63^2 + (0,2)^2} = 0,526;$

$\rho_2 = \dfrac{\theta_2}{1+\theta_1^2 + \theta_2^2} = \dfrac{0,2}{1+(0,63)^2+(0,2)^2} = 0,139;$

$\rho_j = 0, \quad j=3,4,5, \dots$

j	0	1	2	3	4	5	6	7	8	9	10
$\rho_j$	1,00	0,526	0,139	0	0	0	0	0	0	0	0
$r_j$	1,00	0,536	0,202	0,073	0,004	-0,138	-0,168	-0,154	-0,061	-0,031	0,028

Sobre o Portal Action

O Portal Action é mantido pela Estatcamp - Consultoria Estatística e Qualidade, com o objetivo de disponibilizar uma ferramenta estatística em conjunto com uma fonte de informação útil aos profissionais interessados.

Facebook

CONTATO

Maestro Joao Seppe, 900, São Carlos - SP | CEP 13561-180
Telefone: (16) 3376-2047
E-Mail: [email protected]