Modelamiento TAR con datos faltantes cuando el proceso del ruido blanco tiene una distribución t de Student

Vista sencilla de ítem
dc.contributor.authorZhang, Hanwenspa
dc.contributor.authorNieto, Fabio H.spa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2019-12-17T15:37:55Zspa
dc.date.available2019-12-17T15:37:55Zspa
dc.date.issued2015-01-01spa
dc.descriptionEn 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.spa
dc.description.abstractThis 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.spa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdfspa
dc.identifier.doihttps://doi.org/10.15446/rce.v38n1.48813spa
dc.identifier.urihttp://hdl.handle.net/11634/20386
dc.relation.referencesBriñez, A. & Nieto, F. (2005), ‘Fitting a nonlinear model to the precipitation variable in a Colombian Hydrological/Meteorological station’, Revista Colombiana de Estadística 28, 113–124.spa
dc.relation.referencesCarlin, B. P. & Chib, S. (1995), ‘Bayesian model choice via Markov Chain Monte Carlo Methods’, Journal of the Royal Statistical Society. Serie B 37(3), 473– 484.spa
dc.relation.referencesChen, H., Chong, T. T. & Bai, J. (2012), ‘Theory and applications of TAR model with two threshold variables’, Econometric Reviews 31, 142–170.spa
dc.relation.referencesCongdon, P. (2001), Bayesian Statistical Modeling, John Wiley & Sons, New York.spa
dc.relation.referencesGeweke, J. (1992), Evaluating the accuracy of sampling-based approaches to the calculation of posterior moments, in ‘Bayesian Statistics’, University Press, pp. 169–193.spa
dc.relation.referencesMoreno, E. (2010), Modelos TAR en series de tiempo financieras, Master’s thesis, Universidad Nacional de Colombia.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, 905–930.spa
dc.relation.referencesNieto, F. H. (2008), ‘Forecasting with univariate TAR models’, Statistical Methodology. 5, 263–276.spa
dc.relation.referencesNieto, F. H. & Moreno, E. (2013), A note on the specification of conditional heteroscedasticity using a TAR model, Technical Report RI21, Universidad Nacional de Colombia.spa
dc.relation.referencesNieto, F. H., Zhang, H. & 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.spa
dc.relation.referencesNieto, F. & Hoyos, M. (2011), ‘Testing linearity against a univariate TAR specification in time series with missing data’, Revista Colombiana de Estadística 34, 73–94.spa
dc.relation.referencesPlummer, M., Best, N., Cowles, K. & Vines, K. (2006), ‘Coda: Convergence diagnosis and output analysis for mcmc’, R News 6(1), 7–11. *http://CRAN.R-project.org/doc/Rnews/spa
dc.relation.referencesSáfadi, T. & Morettin, P. (2000), ‘Bayesian analysis of thresholds autoregressive moving average models’, The Indian Journal of Statistics 62, 353–371.spa
dc.relation.referencesTong, H. (1978), On a Threshold Model, in C. H. Chen, ed., ‘Pattern Recognition and Signal Processing’, Sijthoff & Noordhoff, Netherlands, pp. 575–586.spa
dc.relation.referencesTsay, R. S. (1989), ‘Testing and modeling threshold autoregressive processes’, Journal of American Statistical Association 84, 231–240.spa
dc.relation.referencesTsay, R. S. (1998), ‘Testing and modeling multivariate threshold models’, Journal of American Statistical Association 93, 1188–1202.spa
dc.relation.referencesVargas, L. (2012), Cálculo de la distribución predictiva en un modelo TAR, Master’s thesis, Universidad Nacional de Colombia.spa
dc.relation.referencesWatanabe, T. (2001), ‘On sampling the degree-of-freedom of Student’s-t disturbances’, Statistics & Probability Letters 52, 177–181.spa
dc.relation.referencesXia, Q., Liu, L., Pan, J. & Liang, R. (2012), ‘Bayesian analysis of two-regime threshold autoregressive moving average model with exogenous inputs’, Communications in Statistics - Theory and Methods 41, 1089–1104.spa
dc.relation.referencesZhang, H. (2012), ‘Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t’, Comunicaciones en Estadística 4(2), 109–119.spa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/*
dc.subject.keywordBayesian Statisticsspa
dc.subject.keywordGibbs Samplerspa
dc.subject.keywordMissing Dataspa
dc.subject.keywordForecastingspa
dc.subject.keywordTime Seriesspa
dc.subject.keywordThreshold Autoregressive Modelspa
dc.subject.proposalDatos faltantesspa
dc.subject.proposalEstadística Bayesianaspa
dc.subject.proposalModelo autoregresivo de umbralesspa
dc.subject.proposalMuestreador de Gibbsspa
dc.subject.proposalPronósticospa
dc.subject.proposalSeries de tiempospa
dc.titleModelamiento TAR con datos faltantes cuando el proceso del ruido blanco tiene una distribución t de Studentspa
dc.type.categoryGeneración de Nuevo Conocimiento: Artículos publicados en revistas especializadas - Electrónicosspa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
Modelamiento TAR con datos faltantes cuando el proceso del ruido blanco tiene una distribución t de Student.pdf
Tamaño:
2.54 MB
Formato:
Adobe Portable Document Format
Descripción:
Artículo SCOPUS
Descargar

Bloque de licencias

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

Colecciones

Producción de Alto Impacto