SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/237726 |
Resumo: | Neste trabalho, introduzimos uma classe de modelos com distribuição condicional simétrica para dados de séries temporais com estrutura de longa dependência condicional, denominada modelo SYMARFIMA. No modelo proposto, a média condicional segue uma especificação ARFIMA(p, d, q), definida para acomodar uma estrutura de longa dependência, podendo ainda incluir um conjunto de covariáveis exógenas (aleatórias ou determinísticas) dependendo do tempo. A estimação dos parâmetros deste modelo é feita através do método de máxima verossimilhança parcial. Obtivemos condições de existência e estacionariedade para o modelo proposto. Obtivemos ainda a média incondicional, variância, estrutura de covariância e fórmulas fechadas para o vetor de escore e a matriz da informação de Fisher. Obtemos as propriedades assintóticas do estimador baseado em máxima verossimilhança parcial e estudamos testes de hipóteses, intervalos de confiança e previsão no contexto do modelo proposto. Além disso, é realizado a Simulação de Monte Carlo para estudar o comportamento do estimador em amostras finitas, bem como uma aplicação para dados reais. |
id |
URGS_4ee8c45c6891b5b834d0773481e6701d |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/237726 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Benaduce, Helen da Silva CostaPumi, Guilherme2022-04-25T11:11:28Z2021http://hdl.handle.net/10183/237726001139237Neste trabalho, introduzimos uma classe de modelos com distribuição condicional simétrica para dados de séries temporais com estrutura de longa dependência condicional, denominada modelo SYMARFIMA. No modelo proposto, a média condicional segue uma especificação ARFIMA(p, d, q), definida para acomodar uma estrutura de longa dependência, podendo ainda incluir um conjunto de covariáveis exógenas (aleatórias ou determinísticas) dependendo do tempo. A estimação dos parâmetros deste modelo é feita através do método de máxima verossimilhança parcial. Obtivemos condições de existência e estacionariedade para o modelo proposto. Obtivemos ainda a média incondicional, variância, estrutura de covariância e fórmulas fechadas para o vetor de escore e a matriz da informação de Fisher. Obtemos as propriedades assintóticas do estimador baseado em máxima verossimilhança parcial e estudamos testes de hipóteses, intervalos de confiança e previsão no contexto do modelo proposto. Além disso, é realizado a Simulação de Monte Carlo para estudar o comportamento do estimador em amostras finitas, bem como uma aplicação para dados reais.In this work we introduce a dynamical model for conditionally symmetric time series accommodating a long range dependent structure for the conditional mean. More specifically, the proposed model specify the underlying distribution of the time series, conditionally to its past, to be symmetric. The conditional mean is specified to accommodate a long range dependent structure, following an ARFIMA-like design, as well as a (possibly time dependent) set of regressors. We provide conditions for the existence and stationarity of the proposed model as well as closed formulas for its unconditional mean, variance and covariance structure. Parameter estimation is carried out via partial likelihood. The score vector and Hessian are obtained in closed forms. A finite sample monte carlo study of the proposed partial likelihood estimation is carried out and an application for a real data set is presented.application/pdfporModelos dinâmicosAnálise de séries temporaisSimulação de Monte CarloDynamic modelsLong range dependent processesSymmetric distributionTime series analysisSYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependênciaSYMARFIMA : a dynamical model for conditionally symmetric time series with long range dependence mean structureinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em EstatísticaPorto Alegre, BR-RS2021mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001139237.pdf.txt001139237.pdf.txtExtracted Texttext/plain88142http://www.lume.ufrgs.br/bitstream/10183/237726/2/001139237.pdf.txt55303d82c087864f28981c8669edd13dMD52ORIGINAL001139237.pdfTexto completoapplication/pdf803924http://www.lume.ufrgs.br/bitstream/10183/237726/1/001139237.pdf889a64c9f8036362e769d2691d262184MD5110183/2377262022-04-26 04:50:21.145oai:www.lume.ufrgs.br:10183/237726Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-04-26T07:50:21Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
dc.title.alternative.en.fl_str_mv |
SYMARFIMA : a dynamical model for conditionally symmetric time series with long range dependence mean structure |
title |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
spellingShingle |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência Benaduce, Helen da Silva Costa Modelos dinâmicos Análise de séries temporais Simulação de Monte Carlo Dynamic models Long range dependent processes Symmetric distribution Time series analysis |
title_short |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
title_full |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
title_fullStr |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
title_full_unstemmed |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
title_sort |
SYMARFIMA : um novo modelo dinâmico condicionalmente simétrico para séries temporais com estrutura de longa dependência |
author |
Benaduce, Helen da Silva Costa |
author_facet |
Benaduce, Helen da Silva Costa |
author_role |
author |
dc.contributor.author.fl_str_mv |
Benaduce, Helen da Silva Costa |
dc.contributor.advisor1.fl_str_mv |
Pumi, Guilherme |
contributor_str_mv |
Pumi, Guilherme |
dc.subject.por.fl_str_mv |
Modelos dinâmicos Análise de séries temporais Simulação de Monte Carlo |
topic |
Modelos dinâmicos Análise de séries temporais Simulação de Monte Carlo Dynamic models Long range dependent processes Symmetric distribution Time series analysis |
dc.subject.eng.fl_str_mv |
Dynamic models Long range dependent processes Symmetric distribution Time series analysis |
description |
Neste trabalho, introduzimos uma classe de modelos com distribuição condicional simétrica para dados de séries temporais com estrutura de longa dependência condicional, denominada modelo SYMARFIMA. No modelo proposto, a média condicional segue uma especificação ARFIMA(p, d, q), definida para acomodar uma estrutura de longa dependência, podendo ainda incluir um conjunto de covariáveis exógenas (aleatórias ou determinísticas) dependendo do tempo. A estimação dos parâmetros deste modelo é feita através do método de máxima verossimilhança parcial. Obtivemos condições de existência e estacionariedade para o modelo proposto. Obtivemos ainda a média incondicional, variância, estrutura de covariância e fórmulas fechadas para o vetor de escore e a matriz da informação de Fisher. Obtemos as propriedades assintóticas do estimador baseado em máxima verossimilhança parcial e estudamos testes de hipóteses, intervalos de confiança e previsão no contexto do modelo proposto. Além disso, é realizado a Simulação de Monte Carlo para estudar o comportamento do estimador em amostras finitas, bem como uma aplicação para dados reais. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021 |
dc.date.accessioned.fl_str_mv |
2022-04-25T11:11:28Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/237726 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001139237 |
url |
http://hdl.handle.net/10183/237726 |
identifier_str_mv |
001139237 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/237726/2/001139237.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/237726/1/001139237.pdf |
bitstream.checksum.fl_str_mv |
55303d82c087864f28981c8669edd13d 889a64c9f8036362e769d2691d262184 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085582862286848 |