Modellizzazione di processi stocastici vettoriali stazionari (Un approccio mediante la procedura Arima) Annunziata Adamoli 1984, pagine 186

[ Testo della pagina elaborato con OCR ]

   86
   La persistenza di correlazioni grandi suggerisce la possibilità di un comportamento autoregressivo. In generale, il comportamento dei simboli indicatori per le matrici di cross-correlazione rende molto facile identificare un modello MA(q). Per un processo AR(p) sappiamo che le matrici di autocorrelazione parziale Ti ( k ) sono nulle per k > p . Esse sono perciò particolarmente utili per identificare un modello AR.
   Prima di considerare la stima delle matrici ìt (k) , osserviamo che, se è un processo che segue un modello
   AR(p) vettoriale, ossia un ARMA(p,0)
   A ^
   allora le stime cf>A > ¦ ¦ ¦, delle matrici coefficienti
   possono essere ricavate impiegando il metodo dei minimi quadrati multivariati. Più precisamente, con N osservazioni, possiamo scrivere
   Z't = z^, + • • • +zlf<4>'P 1- *it ,
   (3. A. A.)