Modelamiento TAR con datos faltantes cuando el proceso del ruido blanco tiene una distribución t de Student
Cargando...
Fecha
2015-01-01
Autores
Director
Enlace al recurso
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Documentos PDF
Cargando...
Resumen
En este trabajo consideramos el modelamiento de los modelos autoregresivos de umbrales (TAR) con datos faltantes tanto en la serie de umbrales
como la serie de interés cuando el proceso del ruido blanco sigue una distribución t de student. Desarrollamos un procedimiento de tres etapas basado en
el muestreador de Gibbs para identificar y estimar el modelo, además de la
estimación de los datos faltantes y el procedimiento para el pronóstico. La
metodología propuesta fue aplicada a datos simulados y datos reales.
Abstract
This paper considers the modeling of the threshold autoregressive (TAR)
process, which is driven by a noise process that follows a Student’s t-distribution. The analysis is done in the presence of missing data in both
the threshold process {Zt} and the interest process {Xt}. We develop a
three-stage procedure based on the Gibbs sampler in order to identify and
estimate the model. Additionally, the estimation of the missing data and the
forecasting procedure are provided. The proposed methodology is illustrated
with simulated and real-life data.
Idioma
Palabras clave
Citación
Colecciones
Licencia Creative Commons
Atribución-NoComercial-CompartirIgual 2.5 Colombia