Identificação de estruturas não-lineares de séries temporais através de regressão linear local e modelos aditivos

• Autor(a) principal: Kirchner, Rosane M.
• Data de Publicação: 2008
• Outros Autores: Souza, Reinaldo Castro, Ziegelmann, Flavio Augusto
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/107582
• topic: Séries temporais; Estatística não-paramétrica; Time series; Nonparametric regression; Kernel smoothing

Este estudo trata da utilização de uma metodologia para identificação da estrutura de séries temporais não lineares (ou lineares) baseada na estimação não e semi-paramétrica de curvas em modelos do tipo Yt=E(Yt|Xt) +εt , onde Xt=(Yt-1,Yt-2,...,Yt-d), d=1,2,.... Aqui, a esperança condicional é estimada de modo totalmente não-paramétrico ou através de um modelo (semi-paramétrico) aditivo. Especificamente, a função desconhecida será estimada através de regressões lineares locais, via estimadores núcleo. Com a metodologia proposta, verificamos que a “função de dependência da defasagem” (FDD) e a “função de dependência parcial da defasagem” (FDPD) conseguem captar estruturas não-lineares em séries temporais, generalizando as tradicionais funções de autocorrelação (FAC) e autocorrelação parcial (FACP). Os estudos de simulação foram conduzidos de forma a avaliar e comparar a metodologia proposta com metodologias já existentes. Para dados reais a metodologia proposta foi exemplificada com uma série diária de preços da ação Petrobras PN.