Übungsaufgabe (AR-Prognose) Gegeben ist die Prozessgleichung eines AR(1)-Prozesses: xt = + 1·x t-1 + ut. Ut ist eine White-Noise-Zufallsvariable mit dem Erwartungswert 0 und der Varianz 2. a) Geben Sie die h-Schritt-Prognose ˆ x t (h) des AR(1)-Prozesses in Abhängigkeit vom letzten bekannten Beobachtungswert xt an! Gegen welchen Wert strebt die Prognose bei wachsendem Prognosehorizont? Lösung: Setzt man in die Prognosegleichung des AR(1)-Prozesses, (1) x t (h) 1 ˆ x t (h 1) , ˆ für h=1, x t (1) 1 ˆ x t (0) , ˆ x t (0) x t (xt ist zur Zeit t bereits bekannt), erhält man ˆ (2) x t (1) 1 x t . ˆ Substituiert man ˆ x t (1) in der Zwei-Schritt-Prognose (h=2), x t (2) 1 ˆ x t (1) ˆ durch (2), ergibt sich x t (2) 1 ( 1 x t ) 1 12 x t . ˆ Bei fortlaufender Substitution erhält man x t (h ) 1 ... 1h 1 1h x t ˆ (1 1 ... 1h 1 ) 1h x t und unter Verwendung der Summenformel einer geometrischen Reihe (3) 1 1h x t (h ) 1h x t 1h (x t ). ˆ 1 1 1 1 1 1 (3) gibt die h-Schritt-Prognose ˆ x t (h) in Abhängigkeit von xt an. Da der Term /(1-1) dem Prozessmittelwert entspricht, folgt x t (h) 1h ( x t ) , ˆ so dass man bei über alle Grenzen wachsendem Prognosehorizont h, h, den Grenzwert (4) lim ˆ x t (h) h erhält. Bei wachsendem Prognosehorizont strebt die h-Schritt-Prognose somit gegen den Prozessmittelwert . b) Wie lautet die Varianz des Prognosefehlers ft(h)? Gegen welchen Ausdruck strebt sie? Lösung: h-Schritt-Prognosefehler: (5) f t (h) x t h ˆ x t (h) h=1: f t (1) x t 1 ˆ x t (1) ( 1 x t u t 1) ( 1 x t ) u t 1 Var (f t (1)) Var (u t 1) 2 h=2: f t (2) x t 2 ˆ x t (2) ( 1 x t 1 u t ) ( 1 12 x t ) [ 1 ( 1 x t u t 1) u t 2 ] ( 1 12 x t ) ( 1 12 x t 1 u t 1) u t 2 ] ( 1 12 x t ) u t 2 1 u t 1 Var (f t (2)) Var (u t 2 1 u t 1) 2 12 2 (1 12 ) 2 Allgemein ist der Prognosefehler f t (h) durch f t (h) x t h ˆ x t (h) [(1 1 ... 1h 1) 1h x t (u t h 1 u t h 1 ... 1h 1 u t 1)] [(1 1 ... 1h 1) 1h x t ] (6) u t h 1 u t h 1 ... 1h 1 u t 1 gegeben. Für die Varianz des Prognosefehlers f t (h) erhält man aus (6) Var (f t (h)) Var (u t h 1 u t h 1 ... 1h 1 u t 1) 2 12 2 14 2 ... 12(h 1) 2 (1 12 14 ... 12(h 1) ) 2 Da der Ausdruck (1 12 14 ... 12(h 1) ) eine endliche geometrische Reihe darstellt, ist die Varianz des Prognosefehlers f t (h) der h-Schritt-Prognose schließlich durch (7) Var (f t (h)) 1 12h 1 12 2 gegeben. Bei über alle Grenzen wachsendem Prognosehorizont h, h, strebt die Varianz des Prognosefehlers f t (h) gegen den Wert (8) lim Var (f t (h)) h 1 1 12 2 . erhält. Bei wachsendem Prognosehorizont strebt die Varianz der h-SchrittPrognose somit gegen die Varianz 0 des AR(1)-Prozesses. c) In den ersten vier Perioden liegen die Werte der Störgröße U bei 2=4 vor: u1 = 1,7208, u2 = 0,9254, u3 = -1,4668, u4 = -0,9576. Stellen Sie Realisationen und Prognosen des AR(1)-Prozesses mit 1=0,8 bei x1=-0,4102 für die Perioden 1 bis 8 zusammen mit dem 95%-Prognoseintervall in einem Zeitreihendiagramm dar! Lösung: