Processos auto-regressivos bidimensionais de primeira ordem com inovações Gaussianas e não-Gaussianas

• Autor(a) principal: Mello, Raphael Cabral de
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/254957
• topic: Distribuição Gaussiana; Séries temporais; Inferência bayesiana; α-stable distribution; Time series; Classical and bayesian inference; Goodness-of-fit tests

Este trabalho analisa o desempenho de métodos de estimação clássicos e Bayesianos para processos auto-regressivos bivariados de primeira ordem. As inovações do processo, denotado VAR(1), são provenientes de variáveis aleatórias, independentes e identicamente distribuídas, com distribuições Gaussianas, t-Student e α-Estável. É conhecida a não existência das funções de autocovariância e autocovariância cruzada quando as inovações são provenientes de distribuições α-Estáveis. Por esta razão, neste trabalho, é também abordada as aplicações das funções codiferença e codiferença cruzada, tanto nas simulações como na aplicação de dados reais. Na fundamentação teórica, apresentam-se, tanto os métodos de estimação, como a identificação de dados α-Estáveis. Para isso, os testes de adequação de modelos são também analisados. Aplicamos os métodos apresentados a dados reais de ações da Coca-Cola Company e PepsiCo Inc.