Modelli ARIMA per la destagionalizzazione e la previsione delle serie storiche

Save this PDF as:
Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Modelli ARIMA per la destagionalizzazione e la previsione delle serie storiche"

Transcript

1 Modelli ARIMA per la desagionalizzazione e la previsione delle serie soriche Dispensa didaica per il corso di Saisica Economica Corso di Larea in Scienze Economiche, Universià Medierranea di Reggio Calabria A cra di Giseppe Marinelli

2 Serie soriche Cosa è na serie sorica?,,t [, ] oppre { } T T,

3 Obieivi dell analisi Descrizione delle caraerisiche della serie sorica Previsione dei valori fri della serie sorica

4 Caraerisiche Trend Flazioni sagionali Flazioni cicliche Componene irregolare

5 Modelli di scomposizione Modello addiivo τ c s Modello moliplicaivo τ c s Modello miso log logτ logc log s log

6 Come modellare il rend? ( ) b a f ( ) b a f ( ) [ ] θ θ b b a b a

7 Come individare le diverse componeni? Approccio senza ilizzo di n modello saisico della serie analizzaa Procedra X Approccio basao s modello Modello non economico che non vole spiegare il processo generaore dei dai ma pioso spiegare il comporameno della serie X-ARIMA X-ARIMA88 X-ARIMA TRAMO-SEATS

8 Meodo X Sima del rend araverso na media mobile Rimozione del rend lasciando solo la componene sagionale e qella aleaoria Sima della componene sagionale sando le medie mobili per spalmare le componeni aleaorie Modello moliplicaivo

9 Srmeni di analisi Operaore Riardo Operaore Differenza Sazionarieà Whie Noise

10 Operaore Riardo L operaore riardo è definio come: Alcne operazioni: ( ) In generale: p p In forma polinomiale: ( ) p p p p ) (

11 Operaore Differenza oppre: ( )

12 Sazionarieà in senso debole Media cosane Varianza cosane E E ( ) µ [( ) ] µ Var( ) γ ( 0) Aocovarianza dipendene solo dal riardo k ma non dal empo E [( µ )( µ )] Cov( ) γ ( k ), k k

13 Whie Noise Srmeno principe per inrodrre n elemeno socasico nei modelli saisici Il Whie Noise è rappresenao da na seqenza di variabili casali aveni: Media nlla Varianza cosane Aocorrelazione nlla

14 Processi AR p p 3 3 Processo AR() Processo AR(p)

15 Processi MA q q λ λ λ λ 3 3 λ Processo MA() Processo MA(q)

16 Processi ARMA(p,q) q q p p λ λ λ λ oppre più sineicamene q j j j p i i i 0 λ

17 Processi ARIMA(p,d,q) q q p p λ λ λ λ q j j j p i i i 0 λ

18 La procedra TRAMO-SEATS

19 Passeggeri Aeroporo Lamezia Terme gen-00 gen-0 gen-0 gen-03 gen-04 gen-05 gen-06 gen-07 gen-08 0

20 Il modello Variabili non socasiche k w z i β i x i z Componene socasica ARIMA

21 Operazioni preliminari Rimozione effei deerminisici z k i β i x i Sazionarieà v ( ) ( ) d s D z

22 Idenificazione del modello Misrazione degli effei deerminisici Componene socasica ( Λ s s ) Φ ( ) v λ ( ) ( )

23 Sima del modello [ ] [ ],984 5,54,45 ) 0,63 ( ) 0,79 ( ) ( ) ( ) ( ) ( ) ( ) ( 0,05 ± Λ Λ Φ v v v s s λ

24 Rislai Trend Serie desagionalizzaa passeggeri gen-00 gen-0 gen-0 gen-03 gen-04 gen-05 gen-06 gen-07 gen-08 0

25 Tes di conrollo Tes Saisica Valore criico Ljng-ox si residi 8,4 33,90 ox-pierce si residi 0,68 5,99 Ljng-ox si residi al qadrao 8,95 33,90 ox-pierce si residi al qadrao 0,85 5,99 Normalià 0,4 5,99 Percenale di olier,89%

26 Modello di previsione del raffico passeggeri nell Aeroporo di Lamezia Terme

27 Correlogramma,, 0,8 0,8 0,6 0,6 0,4 0,4 0, 0, 0 0-0, -0, -0,4-0,4-0,6-0,6-0, ,8

28 Tes di radice niaria De ipi di es Agmened Dicke-Fller Tes Phillips-Perron Tes Media zero µ Media diversa da zero γ µ Trend deerminisico

29 Phillips-Perron Tes Lags Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta -,377 0,306-0,9 0,34-9,989 0,0087-3,7 0,087-8,560 0,0073-3,87 0,069 -,8777 0,4 -,08 0,533-4,596 0,008-3,58 0, ,564 0,006-4,4 0, ,096 0,49 -, 0,358-5,6835 0,008-3,68 0, ,604 0,0009-4,35 0, ,966 0,35 -, 0,46-5,0069 0,00-3,64 0, ,3335 0,003-4,8 0, ,567 0,696-0,8 -,69 0,004-3,47 0,008-3,4953 0,0035-4,05 0, ,099 0,369-0,87 0,339-9,3089 0,005-3, 0,06-6,98 0,03-3,7 0, ,379 0,49-0,67 0,43-5,3608 0,0309 -,9 0,0487-0,09 0,056-3,7 0, ,737 0,593-0,43 0,533 -,496 0,0858 -,55 0,06-3,948 0,08 -,77 0,04 9-0,9 0,6375-0,4 0,6333-8,979 0,979 -, 0,004-8,7635 0,5086 -,7 0, ,73 0,76 0,8 0,736-6,038 0,3376 -,98 0,957-5,73 0,794 -,89 0,654 0,30 0,7536 0,35 0,7849-5,959 0,3994 -,9 0,33-3,986 0,8838 -,77 0,78 0,88 0,75 0,9 0,74-6,077 0,335 -,99 0,96-4,95 0,805 -,86 0,670 Media nlla Media non nlla Trend

30 Agmened Dicke-Fller Tes Media non nlla Media nlla Trend Lags Rho Pr<Rho Ta Pr<Ta F Pr<F Rho Pr<Rho Ta Pr<Ta -7,7677 0,00-6,05 <.000 8,34 0,00-7,4985 0,056 -,86 0,0605 -,99 0,000-5,89 <.000 7,34 0,00-5,45 0,059 -,5 0, ,0749 0,00-4,87 0,000,89 0,00 -,664 0,606-0, ,09 0,0009-3,97 0,004 7,9 0,00 -,3736 0,46-0,67 0, ,7603 0,0009-3,0 0,0379 4,59 0,0573-0,507 0,5637-0,34 0, ,4503 0,0076 -,4 0,38 3,0 0,38-0,954 0,6367-0,6 0, ,97 0,3443 -,46 0,550,39 0,70 0,3338 0,765 0,46 0,87 8 -,866 0,668 -,04 0,736,5 0,7784 0,4475 0,7906 0,86 0, ,8965 0,8935-0,58 0,8683,08 0,5453 0,550 0,864,79 0, ,508 0,948-0,5 0,883 4,96 0,046 0,595 0,865,9 0,999-0,307 0,9376-0,39 0,906 5,76 0,009 0,576 0,87 3,9 0,9996-0,9068 0,895-0,66 0,8499,3 0,497 0,568 0,894,8 0,983-4, 0,000-7,65 <.000 9,36 0,00-65,37 0,000-8,4 < ,33 0, ,9039 0,9999-7,98 <.000 3,89 0, ,3873 0,9999-7,84 < ,74 0, ,66 0,9999-7,6 <.000 6,33 0, ,333 0,9999-7,46 <.000 7,83 0, ,074 0,9999-5,0 0,0005,54 0, ,53 0,9999-3,86 0,075 7,46 0, ,835 0,05 -,3 0,468,66 0, ,45 0,746 -,43 0,846,03 0,963-4,8 0,868 -, 0,9034 0,73 0,99-8,4857 0,0768 -,9 0,6449,8 0,836

31 Phillips-Perron Tes della differenza Lags Rho Pr < Rho Ta Pr < Ta Rho Pr < Rho Ta Pr < Ta Rho Pr < Rho Ta Pr < Ta < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < <.000 Media nlla Media non nlla Trend

32 Selezione del modello Akaike Informaion Crierion AIC ln( L) n SC ln( L) n ln( T ) Schwarz-aesian Crierion

33 Selezione del modello - MINIC A R M A , ,3406 8,356 8,394 8, , , ,4579 8, ,5754 8,5485 8,593 8,436 8, ,34 8, ,4574 8, , ,5036 8,494 8, ,5548 8,5836 8,6873 8, ,3795 8,3309 8,4776 8,4555 8,4864 8,534 8, ,5346 8, ,5993 8,639 8,6677 8, , ,3993 8,438 8, , , , , , ,5898 8,6743 8, , ,464 8,375 8,46 8,5036 8,547 8, ,5544 8,5477 8, ,5677 8,588 8,6330 8, , ,465 8, ,5503 8,5943 8, , , ,656 8,647 8, , , , ,436 8,5648 8,5674 8,633 8, , , , ,6563 8, ,7978 8, , ,433 8,5503 8, ,5935 8, ,5953 8,6 8, ,6896 8,786 8,7594 8, ,5644 8, , ,6087 8,636 8,6434 8, ,6466 8,6595 8,6895 8,746 8,7595 8, ,5048 8,4778 8,554 8,5955 8,686 8,6366 8,6583 8,6747 8,6898 8,7797 8,7549 8, , ,5877 8,50 8, , , , ,6433 8,6707 8, ,778 8,7335 8, ,7364 8,500 8,4968 8, ,6338 8,6689 8, ,6658 8,7040 8,7063 8,7684 8, ,8654 8, , ,4004 8,4608 8, , ,595 8, ,6899 8,7046 8,7469 8,7786 8,8563 8,887

34 Modello da simare ( )( ) ( ) ( ) ( ) ( ) z z z z z z z z θ θ θ θ θ θ θ θ θ θ θ θ θ θ ARIMA(0,,)(0,,)

35 Rislai della sima del modello ( )( ) ( ) ( z 0,4 0,6 ) [,37] [ 6,58]

36 PREVISIONI Passeggeri Previsione gen-00 gen-0 gen-0 gen-03 gen-04 gen-05 gen-06 gen-07 gen-08 gen-09 5

37 PREVISIONI Passeggeri Previsione gen-06 gen-07 gen-08 gen-09 5

38 Analisi dei residi Verifica della correa idenificazione e sima del modello I residi devono essere indipendeni Tes Q di Ljng-ox

39 Un modello per l inflazione in Calabria

40 Inflazione in Calabria 5,0 5,0 4,5 4,5 Inflazione (Indice NIC) 4,0 4,0 3,5 3,5 3,0 3,0,5,5,0,0,5,5,0,0 0,5 0,5 0,0 gen-00 gen-0 gen-0 gen-03 gen-04 gen-05 gen-06 gen-07 gen-08 0,0

41 Phillips-Perron Tes Lags Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta 0,76 0,7474 4,4 0,9999 0,494 0,976,99 0,9999-4,58 0,8497 -,8 0,887 0,76 0,7474 3,3 0,9999 0,49 0,976,85 0,9998-5,468 0,7797 -,45 0, ,76 0,7474,83 0,9999 0,4877 0,9759,78 0,9997-6,088 0,730 -,54 0, ,76 0,7474,6 0,9999 0,4868 0,9759,76 0,9997-6,474 0,703 -,59 0, ,76 0,7474,58 0,9999 0,4869 0,9759,76 0,9997-6,5504 0,69 -,6 0, ,76 0,7474,54 0,9999 0,4869 0,9759,76 0,9997-6,6896 0,6796 -,64 0, ,76 0,7474,49 0,9999 0,4868 0,9759,76 0,9997-6,849 0,6668 -,66 0, ,76 0,7474,53 0,9999 0,4873 0,9759,77 0,9997-6,8759 0,664 -,66 0, ,76 0,7474,66 0,9999 0,4883 0,9759,8 0,9997-6,8006 0,6703 -,65 0, ,76 0,7474,76 0,9999 0,489 0,9759,8 0,9998-6,755 0,674 -,64 0,7693 0,76 0,7474,86 0,9999 0,4898 0,976,85 0,9998-6,6996 0,6787 -,64 0,776 0,76 0,7474,84 0,9999 0,4898 0,976,85 0,9998-6,7604 0,6737 -,65 0,7689

42 Agmened Dicke-Fller Tes Lags Rho Pr<Rho Ta Pr<Ta F Pr<F Rho Pr<Rho Ta Pr<Ta 0,4646 0,975,76 0,9997 3,63 0,00 0,748 0,747 8,06 0,9999 0,486 0,974,6 0,9984,59 0,00 0,709 0,746 5,0 0, ,3973 0,979, 0,9975 9,55 0,00 0,696 0,7456 4,37 0, ,4368 0,974,3 0,9986 9, 0,00 0,668 0,7449 4,7 0, ,388 0,974,4 0,998 9,7 0,00 0,67 0,745 4,4 0, ,39 0,976,9 0,998 7,39 0,00 0,645 0,7443 3,84 0, ,389 0,97 0,9 0,9955 6,6 0,0069 0,654 0,7445 3,55 0, ,350 0,97,09 0,9973 6,4 0,003 0,608 0,7433 3,59 0, ,3789 0,97,34 0,9987 7,7 0,00 0,56 0,74 3,77 0, ,4458 0,9744,48 0,999 5,36 0,077 0,57 0,74 3, 0,9996 0,488 0,9739,33 0,9987 4,33 0,0685 0,5 0,7408,89 0,999 0,366 0,977 0,95 0,9959,97 0,39 0,554 0,749,43 0,9963-4,976 0,876 -,9 0,884,57 0,6639 -,933 0,993 -,3 0,53 3,3 0, ,9655 0,365 -,6 0,456 3,39 0, ,054 0,096 -,7 0,503 3,43 0, ,789 0,55 -,7 0,7474,35 0, ,9663 0,0366 -,99 0,5987,86 0, ,637 0,00 -,07 0,558,69 0, ,9074 0,005 -,9 0,6366,58 0, ,6044 0,095 -,64 0,7708,37 0, ,7908 0,9999 -,3 0,48 4 0,377 56,9493 0,9999 -,5 0,398 4, 0,337 6,4306 0,9999 -,8 0,994 4,54 0,704

43 Phillips-Perron Tes - p Lags Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta Rho Pr<Rho Ta Pr<Ta -7,537 <.000-4,7 < ,58 0,000-9,75 < ,43 0,000-0,03 <.000-9,54 <.000-4,3 <.000 -,348 0,000-9,83 <.000-6,556 0,000-0,09 < ,007 <.000-4,44 <.000-7,635 0,000-9,89 <.000-0,67 0,000-0,3 < ,0738 <.000-4,59 <.000-0,5 0,000-9,93 <.000 -,985 0,000-0,5 < ,8507 <.000-4,74 <.000 -,67 0,000-9,95 <.000 -,57 0,000-0,4 < ,988 <.000-4,9 <.000 -,94 0,000-9,97 <.000 -,5 0,000-0,4 < ,070 <.000-5,09 <.000-4,483 0,000-9,99 <.000 -,37 0,000-0,4 < ,6093 <.000-5,6 <.000-4,97 0,000-0 <.000-0,444 0,000-0,3 < ,8399 <.000-5,4 <.000-4,576 0,000-0 <.000-8,594 0,000-0, < ,4533 <.000-5,57 <.000-4,68 0,000-0 <.000-7,64 0,000-0, < ,6348 <.000-5,7 <.000-4,385 0,000-9,99 <.000-5,84 0,000-0,08 <.000-6,5679 <.000-5,88 <.000-5,389 0,000-0,0 <.000-5,83 0,000-0,08 <.000

44 Agmened Dicke-Fller Tes - p Lags Rho Pr<Rho Ta Pr<Ta F Pr<F Rho Pr<Rho Ta Pr<Ta -65,634 0,00-5,58 <.000 5,59 0,00 -,897 0,05 -,54 0,04-60,077 0,00-4,7 0,000,5 0,00-8,599 0,046 -,98 0, ,75 0,00-4,5 0,0004 0,6 0,00-6,8369 0,069 -,8 0, ,807 0,000-4,54 0,0004 0,9 0,00-5,444 0,07 -,54 0, ,9969 0,00-3,87 0,003 7,5 0,00-3,558 0,957 -,3 0, ,808 0,00-3,54 0,0088 6,8 0,0063 -,079 0,30-0,89 0, ,580 0,00-3,54 0,0088 6,7 0,0067 -,339 0,34-0,9 0, ,64 0,000-3,67 0,0059 6,74 0,00 -,348 0,98-0,96 0, ,04 0,000-3,0 0,0365 4,56 0,0543 -,5485 0,3868-0,79 0, ,436 0,00 -,66 0,0846 3,56 0,647-0,8568 0,4966-0,5 0,4893-5,8878 0,007 -,9 0,3,53 0,47-0,0834 0,66-0,07 0,659-59,5 0,00 -,36 0,548,9 0,397-0,43 0,6486-0, 0,6449-7,5765 0,0004-5,77 <.000 6,7 0,00-70,754 0,0004-4,88 0,0006,0 0, ,4 0,0004-4,74 0,00,3 0, ,4 0,000-4,7 0,00,6 0,00 5-8,53 0,000-4,07 0,009 8,4 0, ,6 0,0004-3,64 0,03 6,79 0, ,89 0,000-3,7 0,056 6,99 0,03 8 0,9974 0,9999-3,94 0,037 7,8 0, ,5 0,9999-3,43 0,053 5,88 0, ,706 0,000-3,04 0,77 4,6 0,556-45,3708 0,0004 -,44 0,3593,97 0,585-94,7 0,000 -,6 0,84 3,37 0,5033

45 Correlogramma,0,0 0,9 ACF PACF 0,9 0,8 0,8 0,7 0,7 0,6 0,6 0,5 0,5 0,4 0,4 0,3 0,3 0, 0, 0, 0, 0,0 0,0-0, ,

46 Idenificazione AR ,9349 -,909 -,89 -,8787 -,9705 -,93 -,909 -,9448 -,999 -,8854 -,8475 -,8435 -,8984 -,864 -,8549 -,8468 -,93 -,894 -,874 -,9079 -,886 -,854 -,8 -,8078 -,9065 -,873 -,8346 -,84 -,94 -,886 -,8699 -,90 -,8907 -,8548 -,85 -, ,89 -,868 -,8 -,787 -,8838 -,85 -,8349 -,8899 -,8683 -,8363 -,7998 -, ,995 -,963 -,966 -,886 -,8464 -,838 -,7949 -,8557 -,839 -,805 -,77 -, ,963 -,996 -,8947 -,8554 -,865 -,7759 -,7563 -,887 -,8076 -,7893 -,7506 -, ,939 -,909 -,8734 -,8334 -,7964 -,7558 -,756 -,7893 -,768 -,7486 -,7099 -, ,9906 -,9568 -,9 -,887 -,8436 -,803 -,765 -,7838 -,7669 -,733 -,6949 -, ,966 -,934 -,9 -,8596 -,809 -,7809 -,7408 -,7667 -,7366 -,7005 -,6659 -,64 9 -,984 -,8943 -,8594 -,89 -,7804 -,7404 -,7003 -,737 -,703 -,75 -,758 -, ,8937 -,8569 -,867 -,786 -,7469 -,706 -,6663 -,6956 -,669 -,709 -,687 -,7035 -,8635 -,854 -,795 -,753 -,735 -,678 -,63 -,6659 -,640 -,78 -,678 -,6669 -,8469 -,83 -,777 -,738 -,75 -,6757 -,635 -,648 -,67 -,7078 -,668 -,6589 MA SCAN ESACF p q IC p q IC -,864 -, , ,89 0 -, , ,640

47 Sima del modello p µ λ p 0,0046 0,9

48 Le previsioni del modello simao 5 5 4,5 4,5 Inflazione effeiva Inflazione simaa 4 4 3,5 3,5 3 3,5,5,5 gen-00 gen-0 gen-0 gen-03 gen-04 gen-05 gen-06 gen-07 gen-08 gen-09,5

La procedura Box-Jenkins

La procedura Box-Jenkins La procedura Box-Jenkins La selezione del modello - Procedura di Box e Jenkins (1976): procedura per cosruire, a parire dall osservazione dei dai, un modello ARMA ao ad approssimare il processo generaore

Dettagli

La procedura Box-Jenkins

La procedura Box-Jenkins La procedura Box-Jenkins La selezione del modello - Procedura di Box e Jenkins (976): procedura per cosruire, a parire dall osservazione dei dai, un modello ARMA ao ad approssimare il processo generaore

Dettagli

Facoltà di Economia - Università di Sassari Anno Accademico Dispense Corso di Econometria Docente: Luciano Gutierrez

Facoltà di Economia - Università di Sassari Anno Accademico Dispense Corso di Econometria Docente: Luciano Gutierrez Facolà di Economia - Universià di Sassari Anno Accademico 2004-2005 Dispense Corso di Economeria Docene: Luciano Guierrez Uilizzo dei modelli di regressione per l analisi della serie soriche Programma:

Dettagli

Modelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero

Modelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero Modelli ARMA, regressione spuria e coinegrazione Amedeo Argeniero amedeo.argeniero@unipg.i Definizione modello ARMA Un modello ARMA(p, q) (AuoRegressive Moving Average of order p and q) ha la seguene sruura:

Dettagli

Analisi delle serie storiche parte IV Metodi di regressione

Analisi delle serie storiche parte IV Metodi di regressione Analisi delle serie soriche pare IV Meodi di regressione a.a. 16/17 Saisica Economica -Laurea in Relazioni Economiche Inernazionali 1 Meodo della regressione La componene di fondo, Trend o Ciclo-Trend,

Dettagli

1. Si consideri il seguente modello di regressione per serie storiche trimestrali riferite all area Euro:

1. Si consideri il seguente modello di regressione per serie storiche trimestrali riferite all area Euro: 1. Si consideri il seguene modello di regressione per serie soriche rimesrali riferie all area Euro: π β + β π + β π + β π + β y + δ D + δ D + D + u = 0 1 1 2 2 3 3 4 1 1 2 2 δ3 3 in cui π è il asso di

Dettagli

Modelli stocastici per i rendimenti finanziari

Modelli stocastici per i rendimenti finanziari Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Y Processo MA() μ con ε ~ WN(0, σ ε ) = + ε + θε. Esemio di generazione di un MA() e sima con R Caraerisiche di un rocesso MA()

Dettagli

Modelli stocastici per i rendimenti finanziari

Modelli stocastici per i rendimenti finanziari 6/4/9 Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Processo MA() μ con ~ WN(, ). semio di generazione di un MA() e sima con R 6/4/9 Momeni di un MA(). μ ( ) ( ),,, > ρ ) (

Dettagli

Modelli stocastici per la volatilità

Modelli stocastici per la volatilità Modelli socasici per la volailià Inroduzione ai modelli GARCH Generalized AuoRegressive Condiional Heeroschedasiciy In un modello GARCH si assume che i rendimeni siano generai da un processo socasico con

Dettagli

X 3 = tasso di intervento della Banca centrale Europea (ex tasso ufficiale di sconto)

X 3 = tasso di intervento della Banca centrale Europea (ex tasso ufficiale di sconto) ECONOMETRIA Esempi di ESERCIZI per la PROVA SCRITTA 1) Quali sviluppi della meodologia saisica hanno favorio la nascia dell economeria (fondazione dell Economeric Sociey, 1930). Quali conribui meodologici

Dettagli

Modelli stocastici per la volatilità

Modelli stocastici per la volatilità Modelli socasici per la volailià Dai modelli di volailià a media mobile ai modelli GARCH I modelli di volailià con medie mobili assumono ce i rendimeni siano i.i.d. la volailià è cosane nel empo: forniscono

Dettagli

State Space Model. Corso di: Analisi delle Serie Storiche. Corso di Laurea Triennale in: Scienze Statistiche A.A. 2017/18

State Space Model. Corso di: Analisi delle Serie Storiche. Corso di Laurea Triennale in: Scienze Statistiche A.A. 2017/18 Sae Space Model Corso di: Analisi delle Serie Soriche Corso di Laurea Triennale in: Scienze Saisiche A.A. 07/8 Generalià Gli Sae Space Models (Modelli nello Spazio degli Sai) forniscono una meodologia

Dettagli

Terza lezione: Processi stazionari

Terza lezione: Processi stazionari Teoria dei processi casuali a empo coninuo Terza lezione: Concei inroduivi Il conceo di sazionarieà Sazionarieà in senso lao Esempi e modelli 005 Poliecnico di Torino 1 Concei inroduivi Significao di sazionarieà

Dettagli

Università degli studi di Genova Facoltà di Scienze Matematiche, Fisiche e Naturali. Prova Finale. Titolo:

Università degli studi di Genova Facoltà di Scienze Matematiche, Fisiche e Naturali. Prova Finale. Titolo: Universià degli sudi di Genova Facolà di Scienze Maemaiche, Fisiche e Naurali Anno accademico 003 004 Corso di laurea in Saisica Maemaica e Traameno Informaico dei Dai Prova Finale Tiolo: Analisi delle

Dettagli

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A / 04 ESERCITAZIONE 4. Exponential Smoothing

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A / 04 ESERCITAZIONE 4. Exponential Smoothing TATTCA ECONOMCA ED ANAL D MERCATO Previsioni Economiche ed Analisi di erie oriche A.A. 2003 / 04 EERCTAZONE 4 Exponenial moohing di Daniele Toninelli Noa: LAVORARE U PRM 0 ANN D DAT E ARE EVENTUAL PREVON

Dettagli

Approccio Classico: Metodi di Scomposizione

Approccio Classico: Metodi di Scomposizione Approccio Classico: Meodi di Scomposizione Il Modello di Scomposizione Il modello maemaico ipoizzao nel meodo classico di scomposizione è: y =f(s, T, E ) dove y è il dao riferio al periodo S è la componene

Dettagli

Università degli studi di Padova. Facoltà di Scienze Statistiche Corso di Laurea in Statistica e Gestione delle Imprese.

Università degli studi di Padova. Facoltà di Scienze Statistiche Corso di Laurea in Statistica e Gestione delle Imprese. Universià degli sudi di Padova Facolà di Scienze Saisiche Corso di Laurea in Saisica e Gesione delle Imprese Tesi di Laurea Modellazione e previsione di serie soriche delle vendie: Il caso DAB PUMPS S.p.a.

Dettagli

Dato T = numero di osservazioni disponibili nel campione di dati, è possibile calcolare per la generica variabile x: Var. Corr =

Dato T = numero di osservazioni disponibili nel campione di dati, è possibile calcolare per la generica variabile x: Var. Corr = . MISURE STATISTICHE DI SINTESI Dao T = numero di osservazioni disponibili nel campione di dai, è possibile calcolare per la generica variabile : T Media (campionaria); µ = i T i= T 2 Varianza (campionaria);

Dettagli

Analisi delle serie storiche parte V Modelli autoregressivi

Analisi delle serie storiche parte V Modelli autoregressivi Analisi delle serie storiche parte V Modelli autoregressivi a.a. 2016/2017 Economiche Internazionali 1 Definizioni introduttive Autoregressione: modello di regressione che spiega una serie temporale con

Dettagli

Università degli Studi di Padova Dipartimento di Scienze Statistiche Corso di Laurea Triennale in. Statistica Economia e Finanza

Università degli Studi di Padova Dipartimento di Scienze Statistiche Corso di Laurea Triennale in. Statistica Economia e Finanza Universià degli Sudi di Padova Diparimeno di Scienze Saisiche Corso di Laurea Triennale in Saisica Economia e Finanza RELAZIONE FINALE UN TEST PER L AUTOCORRELAZIONE BASATO SULLO STIMATORE DI CAUCHY Relaore:

Dettagli

1 Modelli per serie storiche univariate

1 Modelli per serie storiche univariate 1 Modelli per serie storiche univariate Caratteristiche delle serie storiche: fy t g l ordine t non puo essere variato; v.c. non indipendenti; non replicabili (i dati si ottengono da una sola realizzazione)

Dettagli

La dipendenza temporale dei rendimenti

La dipendenza temporale dei rendimenti La dipendenza emporale dei rendimeni Il conceo di volailiy clusering Nella serie dei rendimeni si alernano gruppi di rendimeni elevai e gruppi di rendimeni bassi. Conceo sreamene legao alla lepocurosi.

Dettagli

SERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE

SERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE SERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE Pierluigi Claps DITIC POLITECNICO DI TORINO [claps@polio.i] Appuni scrii per il Corso di III livello: Simulazione

Dettagli

Indice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07.

Indice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07. Indice generale della produzione indusriale indice grezzo correo per i giorni lavoraivi desagionalizzao 0.0 0.0 00.0 indice 90.0 80.0 70.0 60.0 50.0 marzo 06 giugno 06 seembre 06 dicembre 06 marzo 07 giugno

Dettagli

ESERCITAZIONE 3 Analisi Classica - Reprise

ESERCITAZIONE 3 Analisi Classica - Reprise STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Soriche A.A. 2003 / 04 ESERCITAZIONE 3 Analisi Classica - Reprise di Daniele Toninelli D ORA IN POI LAVORARE SUI PRIMI

Dettagli

Metodi e algoritmi di identificazione

Metodi e algoritmi di identificazione DTI / ISEA / LSM / Modellazione e Idenificazione Meodi e algorimi di idenificazione Inroduzione Mikael Bianchi, Ricercaore SUPSI 2 marzo 203 02.03.203 DTI / ISEA / LSM / Modellazione e Idenificazione Scopo

Dettagli

L analisi delle serie storiche

L analisi delle serie storiche L analisi delle serie soriche Per serie sorica si inende un insieme di dai ordinai secondo un crierio cronologico. Ogni dao è associao ad un paricolare isane o inervallo di empo. Se a ciascun isane o inervallo

Dettagli

11-14 F E B B R A I O S E T T E M B R E

11-14 F E B B R A I O S E T T E M B R E P R O S S I M E E D I Z I O N I 11-14 F E B B R A I O 2 0 1 8 16-19 S E T T E M B R E 2 0 1 8 F / W 2 0 1 8-1 9 C o l l e c t i o n F i e r a M i l a n o - R h o v e t r i n a p r e s t i g i o s a p e

Dettagli

L approccio classico per l analisi delle serie storiche

L approccio classico per l analisi delle serie storiche L approccio classico per l analisi delle serie soriche 1 L impiego dell analisi delle serie soriche nelle previsioni: imposazione logica Per serie sorica (o emporale) si inende una successione di dai osservai

Dettagli

Cicli economici: misurazione e aspetti metodologici. Introduzione

Cicli economici: misurazione e aspetti metodologici. Introduzione Cicli economici: misurazione e aspetti metodologici Introduzione L analisi quantitativa dei cicli economici si basa sull utilizzo di serie storiche Le serie storiche o temporali rappresentano l'evoluzione

Dettagli

Lezione 0. Richiami di teoria dei sistemi (a tempo continuo e a tempo discreto) F. Previdi - Controlli Automatici - Lez. 0 1

Lezione 0. Richiami di teoria dei sistemi (a tempo continuo e a tempo discreto) F. Previdi - Controlli Automatici - Lez. 0 1 Lezione 0. Richiami di eoria dei sisemi (a empo conino e a empo discreo) F. Previdi - Conrolli Aomaici - Lez. 0 Sisemi a empo conino C. Rappresenazione di sao C. Eqilibrio C3. Sisemi LTI SISO C4. Eqilibrio

Dettagli

Statistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche

Statistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche Lezione: approccio stocastico all analisi delle serie storiche E-mail: orietta.nicolis@unibg.it 13 aprile 211 Programma 1 Approccio stocastico all analisi delle serie storiche Programma 1 Approccio stocastico

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI

SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale x(), deo ingresso, generando il segnale

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI

SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,

Dettagli

Compatibilità Elettromagnetica / Misure di compatibilità elettromagnetica

Compatibilità Elettromagnetica / Misure di compatibilità elettromagnetica Compaibilià Eleromagneica / Misure di compaibilià eleromagneica Noe sulle inerconnessioni e la propagaione guidaa Anonio Maffucci Domenico Capriglione Diparimeno di Ingegneria Elerica e dell Informaione

Dettagli

PREFAZIONE. Padova, Luglio Francesco Lisi

PREFAZIONE. Padova, Luglio Francesco Lisi PREFAZIONE Lo scopo di queso quaderno è quello di fornire una breve inroduzione al paccheo saisico-economerico EViews 3.1 nella speranza che possa essere uile a sudeni, esisi e a quani, per i più diversi

Dettagli

3. Metodi di scomposizione

3. Metodi di scomposizione Cap 3 Meodi di scomposizione 31 3. Meodi di scomposizione 3.1 Inroduzione Moli meodi di previsione si basano sul fao che, se esise un paern sisemaico, queso possa essere individuao e separao da evenuali

Dettagli

Modelli Empirici - Idrologici

Modelli Empirici - Idrologici Modelli Empirici - Idrologici Si raa di un approccio a scaola nera, in cui vengono voluamene ignorae le leggi che governano il fenomeno. Generalmene si aribuisce alla pioggia misuraa da una ree di pluviomeri

Dettagli

Componenti deterministiche e stocastiche nella destagionalizzazione delle serie storiche basata su modelli: una applicazione ed alcuni confronti.

Componenti deterministiche e stocastiche nella destagionalizzazione delle serie storiche basata su modelli: una applicazione ed alcuni confronti. Componeni deerminisiche e socasiche nella desagionalizzazione delle serie soriche basaa su modelli: una applicazione ed alcuni confroni. Cosimo Viale Agosino Tarsiano(*) Universià degli sudi della Calabria

Dettagli

LA TEORIA DEL CICLO ECONOMICO REALE (RBC: Real Business Cycle) Però offre una diversa spiegazione delle fluttuazioni economiche:

LA TEORIA DEL CICLO ECONOMICO REALE (RBC: Real Business Cycle) Però offre una diversa spiegazione delle fluttuazioni economiche: LA TEORIA DEL CICLO ECONOMICO REALE (RBC: Real Business Cycle) Edward Presco, Finn Kydland, Rober King, ecc. Si inserisce nel filone della NMC: - Equilibrio generale walrasiano; - incerezza e dinamica:

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI

SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale x(, deo ingresso, generando

Dettagli

Circuiti del I ordine

Circuiti del I ordine ircuii del I ordine 9 Un circuio è deo del I ordine se coniene un solo elemeno dinamico, condensaore o induore, e per il reso è cosiuio da componeni elerici di ipo algebrico privi di memoria, ovvero generaori

Dettagli

Verifica parte IV. Debugging. Individuazione dell errore. Debugger

Verifica parte IV. Debugging. Individuazione dell errore. Debugger Debugging Verifica pare IV Rif. Ghezzi e al. 6.8-6.9 Individuazione e correzione degli errori Conseguene a un fallimeno Aivià non banale: Quale errore ha causao il fallimeno? Come correggere l errore?

Dettagli

La Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale

La Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale La Previsione della omanda La previsione della domanda è un elemeno chiave della gesione aziendale Cosi Cliene Vanaggio compeiivo esi I mod 001 1 ermiene rocesso oninuo Personalizzao Prodoo Indifferenziao

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione

SISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione SISTEMI LINEARI TEMPO INVARIANTI Fondameni Segnali e Trasmissione Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale (), deo ingresso, generando il segnale y(),

Dettagli

Analisi delle serie temporali mediante R: una guida introduttiva Λ Carlo Gaetan e Matteo Grigoletto Dipartimento di Scienze Statistiche Universit a di

Analisi delle serie temporali mediante R: una guida introduttiva Λ Carlo Gaetan e Matteo Grigoletto Dipartimento di Scienze Statistiche Universit a di Analisi delle serie emporali mediane R: una guida inroduiva Λ Carlo Gaean e Maeo Grigoleo Diparimeno di Scienze Saisiche Universi a di Padova Luglio 2000 1 Inroduzione Il sofware R e un linguaggio di programmazione

Dettagli

CORSO DI POLITICA ECONOMICA AA CURVA DI PHILLIPS. DOCENTE PIERLUIGI MONTALBANO

CORSO DI POLITICA ECONOMICA AA CURVA DI PHILLIPS. DOCENTE PIERLUIGI MONTALBANO CORSO DI POLITICA ECONOMICA AA 2016-2017 CURVA DI PHILLIPS DOCENTE PIERLUIGI MONTALBANO pierluigi.monalbano@uniroma1.i CURVA DI PHILLIPS ORIGINARIA Phillips ( 58) Relazione inversa osservaa ra asso di

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA

UNIVERSITA DEGLI STUDI DI PADOVA UNIVERSITA DEGLI STUDI DI PADOVA CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE PREVISIONE DEI COSTI DI UN AZIENDA SANITARIA Relatore: Prof. Omar Paccagnella Dipartimento di Scienze Statistiche

Dettagli

Regione Calabria - D.M. 10 aprile 2013

Regione Calabria - D.M. 10 aprile 2013 Regione Calabria - D.M. 10 aprile 2013 Zone Franche Urbane (ZFU) Codici Sezioni Censuarie 2001 Corigliano Calabro 1 Corigliano Calabro 2 Corigliano Calabro 3 Corigliano Calabro 4 Corigliano Calabro 5 Corigliano

Dettagli

L'importanza delle restrizioni econometriche nell'utilizzo dei modelli GARCH per la valutazione del rischio di prodotti finanziari

L'importanza delle restrizioni econometriche nell'utilizzo dei modelli GARCH per la valutazione del rischio di prodotti finanziari L'imporanza delle resrizioni economeriche nell'uilizzo dei modelli GARCH per la valuazione del rischio di prodoi finanziari Giusj Carmen Sanangelo (MeodiaLab) Robero Reno (Universià di Siena e MeodiaLab)

Dettagli

1 Catene di Markov a stati continui

1 Catene di Markov a stati continui Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio

Dettagli

Il Value at Risk secondo l approccio parametrico: un esempio semplificato

Il Value at Risk secondo l approccio parametrico: un esempio semplificato Universià degli Sudi di Napoli Federico II Caedra di Economia delle Aziende di Assicurazione Il Value a Risk secondo l approccio paramerico: un esempio semplificao Domenico Curcio, Ph. D. Value a Risk

Dettagli

Circuiti in regime sinusoidale

Circuiti in regime sinusoidale ircuii in regime sinusoidale are www.die.ing.unibo.i/pers/masri/didaica.hm versione del 3-0-05 Funzioni sinusoidali a cos ampiezza fase iniziale radiani, rad < pulsazione rad/s f frequenza herz, Hz T periodo

Dettagli

La revisione generale dei conti nazionali del Le innovazioni introdotte nelle tecniche di stima della contabilità trimestrale

La revisione generale dei conti nazionali del Le innovazioni introdotte nelle tecniche di stima della contabilità trimestrale La revisione generale dei coni nazionali del 2005 Roma, 21-22 giugno 2006 Le innovazioni inrodoe nelle ecniche di sima della conabilià rimesrale Marco Marini e Carmine Fimiani 1 Isa - Direzione Cenrale

Dettagli

METODI PER LA STIMA DELLE PORTATE DI PIENA

METODI PER LA STIMA DELLE PORTATE DI PIENA METODI PER LA STIMA DELLE PORTATE DI PIENA METODO STATISTICO DIRETTO: analisi saisica di porae massime annuali applicabile solo in prossimià di sezioni fluviali con misure di poraa disponibili su moli

Dettagli

I processi aleatori Ingegneria Clinica A.A

I processi aleatori Ingegneria Clinica A.A Universià di Roma Sapienza Corso di Elaborazione di Dai e Segnali Biomedici Facolà di Ingegneria Civile e Indusriale I processi aleaori Ingegneria Clinica A.A. 08-09 Francesco Infarinao, PhD Laboraorio

Dettagli

LA NUOVA MACROECONOMIA CLASSICA ( 70 80)

LA NUOVA MACROECONOMIA CLASSICA ( 70 80) La Nuova acroeconomia Classica - I LA NUOVA ACROCONOIA CLASSICA ( 70 80) Secondo alcuni economisi, la eoria di Friedman aveva due roblemi: a) non era ineramene microfondaa (solo il mercao del lavoro )

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA Tesi di laurea CURVE DI DOMANDA AGGREGATA: UN ANALISI EMPIRICA PER L ITALIA Relaore: DOTT.

Dettagli

A simple model for the short term forecasting of Italian inflation

A simple model for the short term forecasting of Italian inflation MPRA Munich Personal RePEc Archive A simple model for he shor erm forecasing of Ialian inflaion Rapacciuolo, Ciro Cenro Sudi Confindusria June 003 Online a hp://mpra.ub.uni-muenchen.de/7714/ MPRA Paper

Dettagli

A simple model for the short term forecasting of Italian inflation

A simple model for the short term forecasting of Italian inflation MPRA Munich Personal RePEc Archive A simple model for he shor erm forecasing of Ialian inflaion Ciro Rapacciuolo Cenro Sudi Confindusria June 003 Online a hp://mpra.ub.uni-muenchen.de/7714/ MPRA Paper

Dettagli

Analisi delle Serie Storiche con R

Analisi delle Serie Storiche con R Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Analisi delle Serie Storiche con R Francesca

Dettagli

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche

Dettagli

g Y g M p g Y g g + g M p dove p è il tasso di crescita dei prezzi, ovvero il tasso di inflazione. Poiché g è costante, g

g Y g M p g Y g g + g M p dove p è il tasso di crescita dei prezzi, ovvero il tasso di inflazione. Poiché g è costante, g APPENDICI 465 g Y g g + g M p dove p è il asso di crescia dei prezzi, ovvero il asso di inflazione. Poiché g è cosane, g g è uguale a zero. Quindi: g Y g M p Il asso di crescia della produzione è approssimaivamene

Dettagli

Linea guida raccomandata per la valutazione della vita residua di componenti esercìti in regime di scorrimento viscoso

Linea guida raccomandata per la valutazione della vita residua di componenti esercìti in regime di scorrimento viscoso ISPESL Linea guida raccomandaa per la valuazione della via residua di componeni esercìi in regime di scorrimeno viscoso Calcolo della frazione di via consumaa per scorrimeno viscoso Sezione 2 LG v. 1 Nella

Dettagli

Analisi statistica delle funzioni di produzione

Analisi statistica delle funzioni di produzione Analisi statistica delle funzioni di produzione Matteo Pelagatti marzo 28 Indice La funzione di produzione di Cobb-Douglas 2 2 Analisi empirica della funzione di produzione aggregata 3 Sommario Con la

Dettagli

Circuiti dinamici. Circuiti del primo ordine. (versione del ) Circuiti del primo ordine

Circuiti dinamici. Circuiti del primo ordine.  (versione del ) Circuiti del primo ordine ircuii dinamici ircuii del primo ordine www.die.ing.unibo.i/pers/masri/didaica.hm (versione del 4-5- ircuii del primo ordine ircuii del primo ordine: circuii il cui sao è definio da una sola variabile

Dettagli

I principali indicatori sintetici sulle revisioni

I principali indicatori sintetici sulle revisioni I principali indicaori sineici sulle revisioni Con la realizzazione e la diffusione dei riangoli delle revisioni, l Isa si propone di analizzare il processo di revisione dell informazione saisica congiunurale

Dettagli

Lezione C1 - DDC

Lezione C1 - DDC Eleronica per le elecomunicazioni Unià C: Conversione A/D e D/A Lezione C. Processo di conversione campionameno e aliasing filro ani aliasing rumore di aliasing errore di quanizzazione Eleronica per elecomunicazioni

Dettagli

Robotica Probabilistica. Filtri Bayesiani Filteri Gaussiani

Robotica Probabilistica. Filtri Bayesiani Filteri Gaussiani Roboica Probabilisica Filri Bayesiani Fileri Gaussiani Filri Bayesiani Reminder Predizione bel p u bel d Correzione bel p z bel Gaussiane : ~ e p N p - Univariaa / / : ~ μ Σ μ Σ μ Σ e p Ν p d Mulivariaa

Dettagli

Statistica Applicata all edilizia Lezione: Analisi delle serie storiche: parte I

Statistica Applicata all edilizia Lezione: Analisi delle serie storiche: parte I Lezione: Analisi delle serie storiche: parte I E-mail: orietta.nicolis@unibg.it 27 aprile 21 Programma Programma Le serie storiche (o temporali) Sequenze di osservazioni effettuate nella sucessione dei

Dettagli

I metodi quantitativi per la detection. di Abusi di Mercato

I metodi quantitativi per la detection. di Abusi di Mercato Marcello Minenna I meodi quaniaivi per la deecion di Abusi di Mercao 1 I meodi quaniaivi per la deecion Abusi di Mercao Insider Trading Aggioaggio 2 Mare Abuse: Insider Trading Definizione: Abuso sul mercao

Dettagli

I COMOVIMENTI DI LUNGO PERIODO TRA ALCUNI INDICI AZIONARI

I COMOVIMENTI DI LUNGO PERIODO TRA ALCUNI INDICI AZIONARI Relazione conclusiva del progeo di ricerca: I COMOVIMENTI DI LUNGO PERIODO TRA ALCUNI INDICI AZIONARI di Loriano Mancini BSI SA LUGANO Diparimeno IP&A INTRODUZIONE SISTEMA COINTEGRATO 4. DEFINIZIONE DI

Dettagli

La dinamica del flusso dei materiali nella supply chain

La dinamica del flusso dei materiali nella supply chain La dinamica del flusso dei maeriali nella supply chain L effeo Bullwhip L'effeo Bullwhip L effeo bullwhip nella supply chain 000 000 000 Orders 800 600 400 800 600 400 800 600 400 00 00 00 0 0 0 0 30 40

Dettagli

Lezione 4 Material Requirement Planning

Lezione 4 Material Requirement Planning Lezione 4 Maerial Requiremen Planning Obieivo: noi gli alberi di prodoo per ciascun ipo; daa una sringa di loi di prodoi finii (fabbisogni dei clieni), ciascun loo da complearsi enro un dao inervallo (se.)

Dettagli

Analisi delle Serie Storiche con R

Analisi delle Serie Storiche con R Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Analisi delle Serie Storiche con R Francesca

Dettagli

SISTEMI DINAMICI DEL PRIMO ORDINE

SISTEMI DINAMICI DEL PRIMO ORDINE SISTEMI DINAMICI DEL PRIMO ORDINE I sisemi dinamici del primo ordine sono sisemi dinamici SISO rappresenai da equazioni differenziali lineari e a coefficieni cosani del primo ordine (n=): dy() dx() a +

Dettagli

Lezione C1 - DDC

Lezione C1 - DDC Eleronica per le elecomunicazioni Unià C: Conversione A/D e D/A Lezione C. Processo di conversione e aliasing rumore di aliasing errore di quanizzazione 2 Cosa Cosa c è c è nell unià C Conenuo dell unià

Dettagli

Compatibilità Elettromagnetica Industriale

Compatibilità Elettromagnetica Industriale Compaibilià Eleromagneica Indusriale Noe sulle inerconnessioni e la propagaione guidaa Anonio Maffucci Universià degli Sudi di Cassino e del Laio Meridionale maffucci@unicas.i /37 Cenni all analisi di

Dettagli

Ingegneria Chimica Ambientale. Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine

Ingegneria Chimica Ambientale. Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine Ingegneria Chimica Ambientale Analisi di serie temporali Marina Campolo Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine Obiettivi dell analisi Serie temporale: sequenza di

Dettagli

Laboratorio di Fisica I: laurea in Ottica e Optometria

Laboratorio di Fisica I: laurea in Ottica e Optometria Laboraorio di Fisica I: laurea in Oica e Opomeria Misura del empo caraerisico di carica e scarica di un condensaore araverso una resisenza Descrizione Si vuole cosruire un circuio in serie collegando generaore

Dettagli

SERIE STORICHE, PROCESSI E L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE. Pierluigi Claps DITIC! POLITECNICO DI TORINO

SERIE STORICHE, PROCESSI E L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE. Pierluigi Claps DITIC! POLITECNICO DI TORINO SERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE Pierluigi Clas DITIC POLITECNICO DI TORINO [clas@olio.i] Auni scrii er il Corso di III livello: Simulazione

Dettagli

Sistemi dinamici. Fondamenti di Automatica Prof. Silvia Strada

Sistemi dinamici. Fondamenti di Automatica Prof. Silvia Strada Sisemi dinamici Fondameni di Aomaica Prof. Silvia Srada Dai modelli di sisemi elemenari a sisemi dinamici Semplici sisemi fisici Formleremo il corrispondene modello Individeremo i rai comni delle eqazioni

Dettagli

ELETTROTECNICA - POTENZA- Ingegneria Industriale. Stefano Pastore

ELETTROTECNICA - POTENZA- Ingegneria Industriale. Stefano Pastore ELETTROTECNCA ngegneria ndsriale OTENZA Sefano asore Diparimeno di ngegneria e Archiera Corso di Eleroecnica 43N a.a. 34 Classificazione dei componeni in base alla poenza Se, per qalsiasi valore di, valgono

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA

UNIVERSITA DEGLI STUDI DI PADOVA UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE Corso di Laurea Specialisica in Scienze Saisiche, Economiche, Finanziarie ed Aziendali PREVISIONI ROBUSTE CON IL LISCIAMENTO ESPONENZIALE

Dettagli

Banco di filtri adattati (I)

Banco di filtri adattati (I) Banco di filri adaai (I) Se Vmax>Vnull un filro adaao non basa serve un BANCO di FILTRI ADATTATI a diverse Doler Quani filri ed a quali Doler? In frequenza andameno sinc con larghezza 1/ Quindi ne servono

Dettagli

IL MODELLO DINAMICO AD- AS: CAPIRE LE FLUTTUAZIONI ECONOMICHE

IL MODELLO DINAMICO AD- AS: CAPIRE LE FLUTTUAZIONI ECONOMICHE IL MODELLO DINAMICO AD- AS: CAPIRE LE FLUTTUAZIONI ECONOMICHE 0 COSA IMPAREREMO Come incorporare la dimensione emporale (dinamica) nel modello AD-AS. Come usare il modello dinamico AD-AS per illusrare

Dettagli

Sviluppi recenti nell analisi empirica della Politica Fiscale

Sviluppi recenti nell analisi empirica della Politica Fiscale 1 Sommario Nuove esensioni dell analisi VAR... 4 1-Inroduzione... 5 2-Serie soriche e processi socasici... 6 3-I processi VAR e sazionarieà... 8 4-Sima dei VAR... 9 5-Uso dei VAR... 9 5.1 Analisi Causale...

Dettagli

Maria Moscufo (*) Alessandra Nuccitelli (**)

Maria Moscufo (*) Alessandra Nuccitelli (**) Le previsioni dei numeri indici annuali dei prezzi di inpu e di oupu del seore agricolo per l anno 1999: meodologia uilizzaa e principali risulai Maria Moscufo (*) Alessandra Nuccielli (**) (*) Ricercarice

Dettagli

6.6 ARIMA Model. Autoregressive Integrated Moving Average (ARIMA ) Model. ARIMA(p, d, q) Process

6.6 ARIMA Model. Autoregressive Integrated Moving Average (ARIMA ) Model. ARIMA(p, d, q) Process 128 6.6 ARIMA Model Autoregressive Integrated Moving Average (ARIMA ) Model ARIMA(p, d, q) Process φ(l) d y t = θ(l)ɛ t, where d y t = d 1 (1 L)y t = d 1 y t d 1 y t 1 = (1 L) d y t for d = 1, 2,, and

Dettagli

FINANCIAL ECONOMETRICS AND EMPIRICAL FINANCE - MODULO 2

FINANCIAL ECONOMETRICS AND EMPIRICAL FINANCE - MODULO 2 MSc. Finance/CLEFIN Anno Accademico 05/06 FINANCIAL ECONOMETRICS AND EMPIRICAL FINANCE - MODULO Esame Generale - Oobre 06 Tempo a disposizione: 00 minui Cognome Nome Maricola Rispondee a ue le domande

Dettagli

MATEMATICA FINANZIARIA A.A Prova del 22 febbraio Esercizio 1 (4 punti)

MATEMATICA FINANZIARIA A.A Prova del 22 febbraio Esercizio 1 (4 punti) MATEMATICA FINANIARIA A.A. 007 00 Prova del febbraio 00 Esercizio (4 puni) La vendia raeale di un bene di valore 30 000 prevede il pagameno di 30 rae mensili posicipae cosani differie di 6 mesi, di imporo

Dettagli

Test di restrizioni lineari nel MRLM: Esempi

Test di restrizioni lineari nel MRLM: Esempi Test di restrizioni lineari nel MRLM: Esempi Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Test F: esempi 2012 1 / 23 Funzione di produzione Cobb-Douglas Esempio GDP

Dettagli

Il MODELLO MUNDELL-FLEMING

Il MODELLO MUNDELL-FLEMING CORSO DI POLITICA ECONOMICA AA 2015-2016 2016 Il MODELLO MUNDELL-FLEMING DOCENTE PIERLUIGI MONTALBANO pierluigi.monalbano@uniroma1.i Il Modello Mundell-Fleming Ci permee di analizzare gli effei della poliica

Dettagli

IDENTIFICAZIONE DELLE CAUSE DELLE FLUTTUAZIONI PIEZOMETRICHE IN UNA FALDA FREATICA

IDENTIFICAZIONE DELLE CAUSE DELLE FLUTTUAZIONI PIEZOMETRICHE IN UNA FALDA FREATICA IDENTIFICAZIONE DELLE CAUSE DELLE FLUTTUAZIONI PIEZOMETRICHE IN UNA FALDA FREATICA A cura di V. Francani e C. Rampolla vincenzo.francani@polimi.i carla.rampolla@gmail.com Indice 1 PREMESSA... 2 2 SERIE

Dettagli

Deficit e debito pubblico

Deficit e debito pubblico DEITO PULICO Defici e debio pubblico Se il governo di uno Sao spende più di quano incassa, si genera un defici pubblico. Viceversa, si parla di surplus. Il defici è finanziao dallo Sao ricorrendo a presii

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche UNIVERSITÀ DEGLI STUDI DI PADOVA Facolà di Scienze Saisiche CORSO DI LAUREA IN SCIENZE STATISTICHE ECONOMICHE, FINANZIARIE E AZIENDALI TESI: DISUGUAGLIANZA SOCIALE E POLITICA MONETARIA AMERICANA: UNA VERIFICA

Dettagli

Alessandro Scopelliti

Alessandro Scopelliti Alessandro Scopellii Universià di Reggio Calabria Universiy of Warwick alessandro.scopellii@unirc.i La Macroeconomia Classica Equilibrio dei mercai I mercai dei prodoi e del lavoro sono coninuamene in

Dettagli

Soluzioni degli esercizi di Analisi Matematica I

Soluzioni degli esercizi di Analisi Matematica I Sapienza - Universià di Roma - Corso di Laurea in Ingegneria Eleroecnica Soluzioni degli esercizi di Analisi Maemaica I A.A. 6 7 - Docene: Luca Baaglia Lezione del Dicembre 6 Argomeno: Equazioni differenziali,

Dettagli

Organizzazione della Produzione e dei Sistemi Logistici

Organizzazione della Produzione e dei Sistemi Logistici Organizzazione della Produzione e dei Sisemi Logisici La previsione e gesione della domanda Imporanza delle previsioni Impao criico nelle aivià di pianificazione pianificazione/dimensionameno capacià invenory

Dettagli