J'ai lu dans la série chronologique de John Cochrane sur la macroéconomie et les finances que:
L'autocovariance peut pleinement caractériser les séries chronologiques [distribution conjointe].
Je ne comprends pas pleinement le lien entre la covariance et la distribution conjointe ici. Quelqu'un peut-il expliquer cela?
time-series
autocorrelation
joint-distribution
Cochon volant
la source
la source
Réponses:
Un processus gaussien stationnaire est complètement caractérisé par la combinaison de sa moyenne, de sa variance et de sa fonction d'autocorrélation. La déclaration telle que vous la lisez n'est pas vraie. Vous avez besoin des conditions supplémentaires suivantes:
Ensuite, l'ensemble du processus stochastique est complètement caractérisé par sa fonction d'autocovariance (ou de manière équivalente sa variance + fonction d'autocorrélation).σ2
Cela repose simplement sur le fait que toute distribution gaussienne multivariée est uniquement déterminée par son vecteur moyen et sa fonction de covariance. Donc, étant donné toutes les conditions que j'ai énoncées ci-dessus, la distribution conjointe de toute observation dans la série chronologique a une distribution normale multivariée avec un vecteur moyen ayant chaque composante égale à (par stationnarité) chaque composante a la variance (encore une fois par stationnarité) et les composantes de covariance sont données par les covariances décalées correspondantes dans la fonction d'autocovariance (là encore, la stationnarité intervient parce que l'autocovariance ne dépend que de la différence de temps (ou décalage) entre les deux observations dont la covariance est prise.k μ σ2
la source