Add post. Représentation MA du processus AR(2).

master
Stéphane Adjemian (Charybdis) 2022-02-21 20:24:55 +01:00
parent 8a36a0dcea
commit dc4cc9fe57
Signed by: stepan
GPG Key ID: 295C1FE89E17EB3C
4 changed files with 239 additions and 3 deletions

1
.gitignore vendored Normal file
View File

@ -0,0 +1 @@
blog/representation-ma-du-processus-ar2/ltximg/*

View File

@ -1,6 +1,6 @@
.PHONY: all publish push assets
.PHONY: all publish push assets clean
all: publish assets
all: publish assets clean
publish:
@emacs --batch --no-init --load publish.el --funcall org-publish-all
@ -23,5 +23,8 @@ assets:
@rsync assets/stepan.gpg-pub.asc output
@rsync assets/favicon.ico output
push: publish assets
clean:
@rm -rf output/posts/representation-ma-du-processus-ar2/ltximg
push: publish assets clean
@rsync --recursive -avz --progress output/* odysseus:/home/www/stephane-adjemian.fr

View File

@ -0,0 +1,226 @@
#+OPTIONS: H:3 num:nil toc:nil \n:nil @:t ::t |:t ^:nil -:t f:t *:t TeX:t LaTeX:t skip:t d:t tags:not-in-toc creator:t timestamp:nil author:nil title:nil
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="../../css/stylesheet-blog.css">
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="../../fontawesome/css/all.css" />
#+LANGUAGE: fr
#+TITLE: Représentation MA d'un AR(2) à racines réelles
#+DATE: Février 2022
#+AUTHOR: Stéphane Adjemian
#+EMAIL: stephane.adjemian@univ-lemans.fr
* Un processus AR(2)
On peut construire un processus AR(2) asymptotiquement stationnaire en composant deux processus
AR(1) asymptotiquement stationnaires. Soit $(X_t, t\in\mathbb Z)$ un processus AR(1) défini par :
\[
X_t = \rho_1 X_{t-1} + \varepsilon_t
\]
avec l'innovation $\varepsilon_t$ un bruit blanc centré de variance
$\sigma_{\varepsilon}^2$ et $|\rho_1|<1$. De façon équivalente, en inversant le
polynôme retard[fn:1: On peut inverser ce polynome retard car le coefficient
autorégressif est différent de 1.], on a :
\[
X_t = (1-\rho_1L)^{-1}\varepsilon_t
\]
On définit le processus $(Y_t, t\in\mathbb Z)$ de la
façon suivante :
\[
Y_t = \rho_2 Y_{t-1} + X_t
\]
avec $|\rho_2|<1$. On montre facilement que ce processus est un processus AR(2)
asymptotiquement stationnaire. On a :
\[
(1-\rho_2 L) Y_t = X_t
\]
soit, en substituant la définition de $X_t$ (obtenue en inversant le polynôme
retard $1-\rho_1 L$) :
\[
(1-\rho_2 L) Y_t = (1-\rho_1 L)^{-1} \varepsilon_t
\]
En multipliant par $1-\rho_1 L$, il vient :
\[
(1-\rho_1 L)(1-\rho_2 L) Y_t = \varepsilon_t
\]
\[
\Leftrightarrow\left((1-(\rho_1+\rho_2) L+\rho_1\rho_2 L^2\right) Y_t = \varepsilon_t
\]
\[
\Leftrightarrow Y_t = (\rho_1+\rho_2)Y_{t-1} - \rho_1\rho_2 Y_{t-2} \varepsilon_t
\]
Il s'agit bien d'un AR(2) et les racines du polynôme retard ($1/\rho_1$ et
$1/\rho_2$) sont bien plus grandes que 1 en valeur absolue. Notons qu'il n'est pas
toujours possible d'écrire un AR(2) comme la composition de deux AR(1) réels,
tout simplement parce que les racines du polynôme retard ne sont pas toujours
réelles et il faudrait donc composer des AR(1) complexes.
* 1ère approche de la représentation MA($\infty$)
On peut obtenir la représentation MA($\infty$) en inversant les polynômes retard
$1-\rho_2 L$ et $1-\rho_1 L$ :
\[
(1-\rho_2 L) Y_t = \sum_{i=0}^{\infty} \rho_1^i\varepsilon_{t-i}
\]
\[
\Leftrightarrow Y_t = \sum_{j=0}^{\infty}\rho_2^j L^j \sum_{i=0}^{\infty} \rho_1^i\varepsilon_{t-i}
\]
\[
\Leftrightarrow Y_t = \sum_{j=0}^{\infty}\sum_{i=0}^{\infty} \rho_2^j\rho_1^i\varepsilon_{t-i-j}
\]
\[
\Leftrightarrow Y_t = \sum_{k=0}^{\infty}\left(\sum_{i=0}^{k} \rho_1^i\rho_2^{k-i}\right)\varepsilon_{t-k}
\]
L'intérêt de cette écriture est que l'on voit clairement comment les coefficients moyenne mobile :
\[
\theta_k = \sum_{i=0}^{k} \rho_1^i\rho_2^{k-i}
\]
dépendent de (l'inverse) des racines du polynôme retard, c'est à dire des
racines du polynôme caractéristique associé à l'AR(2). Ces paramètres tendent
vers 0 quand $k$ tend vers l'infini. On peut montrer que la suite
$(\theta_k)_{k\in\mathbb N}$ est absolument sommable. En effet :
\begin{eqnarray*}
\sum_{k=0}^{\infty} |\theta_k| &=& \sum_{k=0}^{\infty} \left|\sum_{i=0}^{k} \rho_1^i\rho_2^{k-i}\right|\\
&=& \sum_{k=0}^{\infty} \left|\rho_2^k\frac{1-\left(\frac{\rho_1}{\rho_2}\right)^{k+1}}{1-\frac{\rho_1}{\rho_2}}\right|\\
&=& \sum_{k=0}^{\infty} \left|\frac{\rho_2^k-\frac{\rho_1}{\rho_2}\rho_1^k}{1-\frac{\rho_1}{\rho_2}}\right|\\
&=& \left|\frac{\rho_2}{\rho_2-\rho_1}\right|\sum_{k=0}^{\infty} \left|\rho_2^k-\frac{\rho_1}{\rho_2}\rho_1^k\right|\\
&\leq& \left|\frac{\rho_2}{\rho_2-\rho_1}\right|\sum_{k=0}^{\infty} \left(\left|\rho_2\right|^k+\left|\frac{\rho_1}{\rho_2}\right|\left|\rho_1\right|^k\right)<\infty
\end{eqnarray*}
puisque les coefficients autorégressifs $\rho_1$ et $\rho_2$ sont strictement
inférieurs à un en valeur absolue.
* 2nd approche de la représentation MA($\infty$)
En pratique, on n'utilise pas cette définition des coefficients moyenne mobile
$(\theta_k)_{k\in\mathbb N}$ mais une définiton récursive. Pour cela on inverse
directement le polynôme retard $\Phi(L) = 1-(\rho_1+\rho_2)L + \rho_1\rho_2L^2$.
Son inverse est un polynôme retard de la forme $\Theta(L) =
\sum_{i=0}^{\infty}\theta_iL^i$ tel que :
\[
\Phi(L)\Theta(L) = 1
\]
c'est-à-dire tel que :
\[
\left(1-(\rho_1+\rho_2)L + \rho_1\rho_2L^2\right)\left(\sum_{i=0}^{\infty}\theta_iL^i\right) = 1
\]
ou encore :
\[
\sum_{i=0}^{\infty}\theta_iL^i-(\rho_1+\rho_2)\sum_{i=0}^{\infty}\theta_iL^{i+1} + \rho_1\rho_2\sum_{i=0}^{\infty}\theta_iL^{i+2} = 1
\]
\[
\Leftrightarrow \theta_0 + \Bigl(\theta_1-(\rho_1+\rho_2)\theta_0\Bigr) L + \Bigl(\theta_2 -(\rho_1+\rho_2)\theta_1+\rho_1\rho_2\theta_0\Bigr) L^2 + \sum_{i=3}^{\infty}\Bigl(\theta_i-(\rho_1+\rho_2)\theta_{i-1}+\rho_1\rho_2\theta_{i-2}\Bigr) L^i= 1
\]
Par identification[fn:2: Les coefficients associés aux puissances positives de
$L$ doivent être nuls.], on obtient le système suivant :
\begin{cases}
\theta_0 &= 1\\
\theta_1 - (\rho_1+\rho_2)\theta_0 &= 0\\
\theta_2 - (\rho_1+\rho_2)\theta_1 + \rho_1\rho_2 \theta_0 &= 0\\
&\vdots\\
\theta_k - (\rho_1+\rho_2)\theta_{k-1} + \rho_1\rho_2 \theta_{k-2} &= 0\\
&\vdots
\end{cases}
et donc :
\begin{cases}
\theta_0 &= 1\\
\theta_1 &= (\rho_1+\rho_2)\theta_0\\
\theta_2 &= (\rho_1+\rho_2)\theta_1 - \rho_1\rho_2 \theta_0\\
&\vdots\\
\theta_k &= (\rho_1+\rho_2)\theta_{k-1} - \rho_1\rho_2 \theta_{k-2}\\
&\vdots
\end{cases}
On note que la définition récursive du coefficient moyenne mobile ressemble
beaucoup à la définiton récursive de la fonction d'autocovariance de l'AR(2). Il
est bien sûr possible de retrouver un terme général pour $\theta_k$ à partir de
l'équation récurrente pour le coefficient moyenne mobile, afin de comparer cette
expression récursive avec le résultat que nous avions obtenu plus haut. On sait
que les racines du polynôme caractéristiques $\chi(z) = z^2-(\rho_1+\rho_2)z +
\rho_1\rho_2$ sont $\rho_1$ et $\rho_2$. La solution générale[fn:3: Voir « Cours
de mathématiques pour économistes » de Philippe Michel, édité chez Economica
(1989).], on suppose que les deux racines sont différentes[fn:4: Que devient la
solution si $\rho_1=\rho_2$ ?], est donc de la forme :
\[
\theta_k = \alpha \rho_1^k + \beta \rho_2^k
\]
Nous pouvons alors identifier les constantes $\alpha$ et $\beta$ à l'aide des conditions initiales de la récurrence, que $\theta_0=1$ et $\theta_1=\rho_1+\rho_2$. Nous devons donc avoir :
\begin{cases}
\alpha+\beta &= 1\\
\alpha\rho_1+\beta\rho_2 &= \rho_1+\rho_2
\end{cases}
ainsi, en substituant la première équation dans la seconde :
\[
\alpha\rho_1+(1-\alpha)\rho_2 = \rho_1+\rho_2
\]
\[
\Leftrightarrow \alpha(\rho_1-\rho_2)+\rho_2 = \rho_1+\rho_2
\]
\[
\Leftrightarrow \alpha = \frac{\rho_1}{\rho_1-\rho_2}
\]
et donc
\[
\beta = -\frac{\rho_2}{\rho_1-\rho_2}
\]
Finalement, on obtient :
\[
\theta_k = \frac{\rho_1}{\rho_1-\rho_2} \rho_1^k - \frac{\rho_2}{\rho_1-\rho_2} \rho_2^k
\]
On vérifie que cela correspond bien à l'expression donnée plus haut :
\begin{eqnarray*}
\theta_k &=& \sum_{i=0}^{k} \rho_1^i\rho_2^{k-i}\\
&=& \rho_2^k \sum_{i=0}^{k} \left(\frac{\rho_1}{\rho_2}\right)^i\\
&=& \rho_2^k \frac{1-\left(\frac{\rho_1}{\rho_2}\right)^{k+1}}{1-\frac{\rho_1}{\rho_2}}\\
&=& \frac{\rho_2}{\rho_2-\rho_1}\left(\rho_2^k - \frac{\rho_1}{\rho_2}\rho_1^k\right)\\
&=& \frac{\rho_2}{\rho_1-\rho_2}\left(\frac{\rho_1}{\rho_2}\rho_1^k - \rho_2^k\right)\\
&=& \frac{\rho_1}{\rho_1-\rho_2} \rho_1^k - \frac{\rho_2}{\rho_1-\rho_2} \rho_2^k
\end{eqnarray*}
\\
\\
\\

View File

@ -18,3 +18,9 @@
\\
\\
\\
- [[./representation-ma-du-processus-ar2][Représentation MA($\infty$) d'un processus AR(2) à racines réelles]]
\\
\\
\\