Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
DOI:
https://doi.org/10.15332/s2027-3355.2011.0002.02Palabras clave:
modelos TAR, ruido t, estimación bayesiana, muestreador de GibbsResumen
En este artículo se consideran los modelos TAR cuando el proceso de ruido sigue una distribución t. Se desarrolla un procedimiento bayesiano para la estimación de estos modelos cuando el modelo está identificado, es decir, cuando se conocen los parámetros estructurales. El método consiste en encontrar las densidades condicionales a posteriori de los parámetros e implementar un muestreador de Gibbs. Mediante un ejemplo simulado se encuentra que con esta metodología se logran buenas estimaciones de los parámetros.Citas
Moreno, E. C. (2010), Modelos tar en series de tiempo financieras., Master’s thesis, Universidad Nacional de Colombia.
Nieto, F. H. (2005), ‘Modeling bivariate threshold autoregressive processes in the presence of missing data.’ Communications in Statistics, Theory and Met-hods.34, 905 – 930.
Nieto, F. H. (2008), ‘Forecasting with univariate tar models.’ Statistical Metho-dology.5, 263 – 276.
Tong, H. (1978), ‘On a thereshold model.’ Pattern Recognition and Signal Processing, Ed. C. H. Chen. Sijthoff & Noordhoff, Netherlands. NATO ASI Series E: Applied Sc.29, 575 – 586.
Tsay, R. S. (1998), ‘Testing and modeling multivariate threshold models.’, J. Amer. Statist. Assoc.93, 1188 – 1202.
Watanabe, T. (2001), ‘On sampling the degree-of-freedom of student’s-tdisturba-ces’, Satisticas & Probability Letters52, 177 – 181.
Publicado
Cómo citar
Número
Sección
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)