Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros

Vista sencilla de ítem
dc.contributor.advisorZhang, Hanwen
dc.contributor.authorCastro Toloza, Deysi Yurany
dc.contributor.corporatenameUniversidad Santo Tomás
dc.contributor.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001058754
dc.contributor.googlescholarhttps://scholar.google.es/citations?user=nE0TiBwAAAAJ&hl=es
dc.contributor.orcidhttps://orcid.org/0000-0001-9948-791X
dc.date.accessioned2020-04-09T00:05:45Z
dc.date.available2020-04-09T00:05:45Z
dc.date.issued2020-02-19
dc.descriptionEn este trabajo de grado se identifican los órdenes autorregresivos del modelo TAR (threshold autoregressive) asumiendo los demás parámetros estructurales conocidos tomando como referencia paquete TAR de Zhang and Nieto (2017), adecuándolo a modelos TAR con ruido GED (distribución generalizada del error). Se realiza la continuación del trabajo realizado en Castro (2016) empleando simulaciones de Monte Carlo con el fin de garantizar los resultados teóricos realizados.spa
dc.description.abstractThis paper considers the identification of autoregressive orders of the TAR (Threshold AutoRegressive) model assuming the other structural parameters known based in the TAR package of Zhang and Nieto (2017), adapting it to TAR models with GED noise (generalized error distribution). Additionally, is continued the work in Castro 2016, using Monte Carlo simulations with the purpose of improving the theoretical results performed.spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en estadística aplicadaspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdf
dc.identifier.citationCastro, D. Y. (2020). Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros (Trabajo de Maestría en Estadística Aplicada). Universidad Santo Tomás. Bogotá, Colombia.spa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/22347
dc.publisher.branchCRAI-USTA Bogotáspa
dc.relation.referencesCastro, D. (2016). Estimaci´on del modelo autorregresivo de umbrales cuando el proceso de ruido sigue una distribuci´on de error generalizada. Descargado de https://hdl.handle.net/11634/3829spa
dc.relation.referencesMoreno, E., y Nieto, F. H. (2014). Modelos tar en series de tiempo financieras. Comunicaciones en estad´ıstica, 7 (2), 203-222.spa
dc.relation.referencesNelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econom´etrica, 59 , 347-370.spa
dc.relation.referencesNieto, F. H. (2005). Modeling bivariate threshold autoregressive processes in the presence of missing data. Communications in Statistics Theory and Methods, 34 , 905930.spa
dc.relation.referencesNieto, F. H., Zhang, H., y Li, W. (2013). Using the reversible jump mcmc procedure for identifying and estimating univariate tar models. Communications in Statistics - Simulation and Computation, 42 (4), 814-840. Descargado de https://doi.org/10.1080/03610918.2012.655827spa
dc.relation.referencesP. Carlin, B., y Chib, S. (1995, 01). Bayesian model choice via markov chain monte carlo methods. , 57 , 142-170.spa
dc.relation.referencesR. Vasudeva, J. V. K. (2013, 10). On general error distributions. ProbStat Forum, 06 , 8995. Descargado de www.probstat.org.inspa
dc.relation.referencesTong, H. (1978). On a threshold model in pattern recognition and signal processing (C. H. Chen ed.). Sijhoff & Noordhoff: Amsterdam.spa
dc.relation.referencesTong, H. (2011). Threshold models in time series analysis - 30 years on. Statistics and its Interface, 4 , 107-118-.spa
dc.relation.referencesTong, H. (2015). Threshold models in time series analysis - some reflections. Journal of Econometrics, 189 (2), 485 - 491. Descargado de http://www.sciencedirect.com/science/article/pii/ S0304407615001177 (Frontiers in Time Series and Financial Econometrics) doi: https://doi.org/ 10.1016/j.jeconom.2015.03.039spa
dc.relation.referencesTong, H., y Lim, K. S. (1980). Threshold autoregression, limit cycles and cyclical data. Journal of the Royal Statistical Society. Series B (Methodological), 42 (3), 245–292. Descargado de http:// www.jstor.org/stable/2985164spa
dc.relation.referencesZhang, H. (2011). Estimaci´on de los modelos tar cuando el proceso del ruido sigue una distribuci´on t. Comunicaciones en estad´ıstica, 4 (2), 109-119.spa
dc.relation.referencesZhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.spa
dc.relation.referencesZhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.spa
dc.relation.referencesZhang and Nieto. (2017). R: Bayesian modeling of autoregressive threshold time series models [Manual de software inform´atico]. Bogot´a, Colombia. Descargado de http://www.R-project.org/spa
dc.rightsCC0 1.0 Universal
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/
dc.subject.keywordTAR Modelsspa
dc.subject.keywordGED noisespa
dc.subject.keywordGibbs samplerspa
dc.subject.keywordMonte Carlospa
dc.subject.keywordBayesian estimationspa
dc.subject.keywordInstrumental variables (Statistics)spa
dc.subject.keywordEstimation theoryspa
dc.subject.lembVariables instrumentales (Estadística)spa
dc.subject.lembTeoría de estimaciónspa
dc.subject.lembEstadística para administradores -- Casos
dc.subject.proposalModelos TARspa
dc.subject.proposalRuido GEDspa
dc.subject.proposalMonte Carlospa
dc.subject.proposalEstimación bayesianaspa
dc.subject.proposalMuestreador de Gibbsspa
dc.titleIdentificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetrosspa
dc.typemaster thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/masterThesis
dc.type.localTesis de maestríaspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2020deysicastro.pdf
Tamaño:
985.93 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
cartaaprobaciónfacultad.pdf
Tamaño:
52.83 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
cartaderechosdeautor.pdf
Tamaño:
143.19 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría Estadística Aplicada