BOOTSTRAP IMPLEMENTATION IN THE PARAMETERS ESTIMATION OF ARFIMA MODELS AND MONTECARLO SIMULATIONS

• Autor(a) principal: LEONARDO ROCHA SOUZA
• Data de Publicação: 1997
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8695@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8695@2

Nesta tese de mestrado, foram analisados aspectos, propriedades, utilidade e desempenho do bootstrap, um método de reamostragem, na estimação de um parâmetro relacionado à memória longa, ou longa dependência, em séries temporais. Entre outras coisas, obtém-se estimativas do desvio-padrão do estimador do parâmetro, e um teste de hipóteses para o parâmetro. O bootstrap pode conseguir propriedades de grandes amostras a partir de um número pequeno de observações. O procedimento do bootsptrap consiste de reamostrar, com reposição, da amostra original um número grande de amostras do mesmo tamanho. A longa dependência ou memória longa (long memory) pode se caracterizado por um lento decaimento das autocorrelações conforme cresce o valor do lag. A longa dependência pode ser estudada por modelos ARIMA (p,d,q.), com o parâmetro d, relativo integração a ser feita em ruídos brancos na construção da série (ARFIMA), assumindo valor fracionário. Este trabalho está relacionado com o uso do bootstrap na estimação do parâmetro d fracionário dos modelos ARFIMA (p,d,q).