SKUTKI BŁĘDNEJ IDENTYFIKACJI PROCESÓW NIESTACJONARNYCH W ŚREDNIEJ I W WARIANCJI DLA PROGNOZOWANIA

摘要

Celem artykułu jest ocena skutków błędnej identyfikacji procesów niestacjonarnych w średniej i w wariancji dla zachowania się w prognozowaniu modeli ekonometrycznych wyspecyfikowanych dla poziomów (model TS - strategia „zawsze brać poziomy") i dla przyrostów (modele DS i EC - strategia „zawsze różnicować"). Ocena tych skutków została przeprowadzona za pomocą eksperymentów Monte Carlo dla danych generowanych przy założeniu jednakowego i niejednakowego natężenia zależności w całym paśmie częstości. Porównanie podejścia „zawsze brać poziomy" z podejściem „zawsze różnicować" wskazało, że żadne z tych podejść nie ma pełnej przewagi w prognozowaniu. Inaczej mówiąc, modele dla poziomów (modele TS) i modele dla przyrostów procesów (modele EC) mogą ze sobą konkurować nawet w sytuacji błędnej identyfikacji procesów niestacjonarnych w średniej czy w wariancji. Sugeruje to przydatność w praktycznych zastosowaniach zarówno modeli dla poziomów, jak i modeli dla przyrostów niezależnie od tego, czy procesy są niestacjonarne w średniej czy w wariancji, pod warunkiem jednak, że modele te realizują postulat zgodności, polegający na specyfikacji modelu, niezależnie czy dla poziomów, czy dla przyrostów, w taki sposób, aby proces resztowy był białym szumem.%The purpose of the paper was to evaluate the effects of the incorrect identification of non-stationarity in mean and in variance for the forecasting behaviour of econometric models specified for levels (the TS model - strategy 'always take levels') and for differences (the model DS and EC - strategy 'always difference'). To evaluate these effects the Monte Carlo experiments were carried out for data generated under the assumption of the same and different dependence in the whole frequency band. The comparison of the strategy 'always take levels' and the strategy 'always difference' indicated that none of these approaches dominates in forecasting. In other words, the models for levels (the TS models) and models for differences (the EC models) can rival even in the case of the incorrect identification of non-stationarity in mean and in variance. These results suggest the usefulness of models for levels as well as models for differences independently of the type of non-stationarity (in mean or in variance) in practical application, but provided that these models satisfy the congruence postulate consisting in specifying the model for both the levels and the differences in such a way that the residual process has white noise properties.