Hidden Periodic Autoregressive-Moving Average Modelos en la serie temporal Citas de los datos Citas 150 Referencias Referencias 4 QuotHowever, es bien conocido, véase, p. Tiao amp Grupe (1980) y Azrak amp Mlard (2006). Que un proceso autorregresivo rdimensional con coeficientes periódicos de período s N puede ser embebido en un proceso autoregresivo estacionario s-dimensional. Para evitar esta simplificación, consideramos los coeficientes A ij t () bien con períodos irracionales distintos o al menos con grandes períodos relativamente primos. RESUMEN: Este trabajo trata sobre los modelos VARMA (vector media autorregresivo-móvil) con coeficientes dependientes del tiempo para representar series temporales no estacionarias. Contrariamente a otros trabajos en el caso univariante, los coeficientes dependen del tiempo pero no de la longitud de la serie n. Bajo asunciones apropiadas, se muestra que un estimador Gaussiano de casi-máxima verosimilitud es casi seguramente consistente y asintóticamente normal. Los resultados teóricos se ilustran mediante dos ejemplos de procesos bivariados. Se muestra que los supuestos que subyacen a los resultados teóricos se aplican. En el segundo ejemplo las innovaciones son también marginalmente heteroscedastic con una correlación que va de -0.8 a 0.8. En los dos ejemplos, la matriz de información asintótica se obtiene en el caso gaussiano. Por último, el comportamiento de la muestra finita se comprueba mediante un estudio de simulación de Monte Carlo para n que va de 25 a 400. Los resultados confirman la validez de las propiedades asintóticas incluso para series cortas y revelan que la matriz de información asintótica deducida de la teoría es correcta. De acuerdo con Franses y Paap (2004), en los últimos años ha habido un enorme interés en la predicción y el modelado de series temporales estacionales utilizando modelos periódicos. Los modelos periódicos se han utilizado durante mucho tiempo en las disciplinas ambientales, de los recursos hídricos y de la meteorología, véase Jones y Brelsford (1967), Pagano (1978), Troutman (1979), Tiao y Grupe (1980), Salas et al. (1980) y Vecchia (1985). Franses y Paap (2004) afirmaron que los modelos periódicos pueden ser plausibles desde una perspectiva económica, ya que son fáciles de analizar y pueden conducir a pronósticos precisos. RESUMEN: Este trabajo explora la aplicabilidad de las bien conocidas técnicas de predicción de series temporales difusas para la predicción de precios de búnker. Estas técnicas han sido ampliamente utilizadas con gran éxito a la previsión de los precios de las acciones. En el presente trabajo se han examinado minuciosamente series de series semanales de precios de búnker en cuatro de los principales puertos mundiales (Rotterdam, Houston, Singapur y Fujairah) y se han utilizado para la verificación del rendimiento de predicción de los modelos difusos. Se han examinado los siguientes tipos de búnker: 380cSt (alto y bajo azufre), 180cSt (alto azufre), diesel diesel marino (MDO) y gasóleo marino (MGO). Para examinar la precisión de la predicción, se utilizan cuatro medidas de error como criterio de evaluación para comparar el rendimiento de la predicción de los modelos de lista. Antes de aplicar el procedimiento de predicción difusa, y con el fin de eliminar la no estacionabilidad, se aplican a los datos tanto la diferencia como el promedio móvil. Se ha encontrado que las cuatro medidas de error alcanzan su mínimo en el mismo punto M opt, lo que a su vez da las previsiones más cercanas a los valores reales. A medida que aumenta la importancia de los precios de los combustibles, una previsión eficaz podría beneficiar más a los operadores con problemas de cumplimiento y planificación financiera, así como a los reguladores que estimen mejor el momento y el costo de la regulación. Hay una gran cantidad de publicaciones sobre el problema de la estimación de los coeficientes de los modelos PARMA esencialmente siempre que el modelo es estable, que es periódico estacionario también llamado ciclostationary (véase, por ejemplo, Adams y Goodwin 1995 Aknouche y Bibi 2009 Basawa y Lund 2001 Francq et al., 2011 Pagano 1978 Tiao y Grupe 1980 Troutman 1979 Vecchia 1985). El caso inestable se ha estudiado también cuando algunos coeficientes autorregresivos se encuentran en el límite del dominio estacionario periódico (ver p. ej. quot). RESUMEN: Este trabajo trata de la distribución limitante de los estimadores de mínimos cuadrados de los coeficientes ar de un parámetro periódico explosivo Autoregresivo de orden 1 (PAR (1)) series de tiempo X rar X r - 1 ur cuando la innovación se mezcla fuertemente, más precisamente es una secuencia periódica de números reales con el período P mayor tiempo de gravedad 0 y tal que P r1 ar textgreater 1. La serie de tiempo se distribuye periódicamente con el mismo período P y satisface la propiedad de mezcla fuerte, por lo que las variables aleatorias ur pueden ser correlacionadas. Tiao y Grupe (1980) ilustraron las trampas de ignorar el comportamiento periódico en el modelado de series de tiempo. La evidencia empírica que apoya la utilidad de los modelos de PARMA fue documentada por muchos autores, ver por ejemplo, Vecchia (1985a, 1985b), Salas y Obeysekera (1992), Lund (2006), Tesfaye et al. (2006) para aplicaciones en series de flujo, Bloomfield et al. (1994), Lund et al. (2006) a datos ambientales, Osborn y Smith (1989) a datos económicos y Gardner y Spooner (1994) para aplicaciones en procesamiento de señales. El objetivo de este trabajo es investigar las propiedades asintóticas de la estimación de mínimos cuadrados ponderados (WLS) para modelos de media móvil autorregresiva causal e inversible (PARMA) con errores no correlacionados pero dependientes. Bajo suposiciones suaves, se demuestra que los estimadores WLS de los modelos PARMA son fuertemente consistentes y asintóticamente normales. Se extiende el teorema 3.1 de Basawa y Lund (2001) sobre la estimación por mínimos cuadrados de los modelos PARMA con errores independientes. Se observa que la matriz de covarianza asintótica de los estimadores WLS obtenidos bajo errores dependientes es generalmente diferente de la obtenida con errores independientes. El impacto puede ser dramático en los métodos de inferencia estándar basados en errores independientes cuando estos últimos son dependientes. Los ejemplos y los resultados de la simulación ilustran la relevancia práctica de nuestros hallazgos. También se presenta una aplicación a los datos financieros. Artículo Nov 2011 Christian Francq Roch Roy Abdessamad Saidi quot), para todo entero k no negativo. Si s 1, la condición de stationarity periódico es equivalente a la condición usual para procesos homogéneos (Tiao y Grupe 33). RESUMEN: Este trabajo sugiere un procedimiento de estimación robusto para los parámetros de los modelos AR (PAR) periódicos cuando los datos contienen valores atípicos aditivos. La metodología robusta propuesta es una extensión de la escala robusta y las funciones de covarianza dadas en, respectivamente, Rousseeuw y Croux (1993) 28, y Ma y Genton (2000) 23 para acomodar la periodicidad. Estas funciones robustas periódicas se utilizan en las ecuaciones de YuleWalker para obtener estimaciones de parámetros robustas. Se establecen los teoremas del límite central asintótico de los estimadores y se realiza un extenso experimento de Monte Carlo para evaluar el desempeño de la metodología robusta para series de tiempo periódicas con tamaños de muestra finitos. Los datos trimestrales de Fraser River se utilizaron como ejemplo de aplicación de la metodología robusta propuesta. Todos los resultados presentados aquí dan una fuerte motivación para utilizar la metodología en situaciones prácticas en las que las series temporales correlacionadas periódicamente contienen valores atípicos aditivos. Texto completo Artículo Oct 2010 A. J.Q. Sarnaglia V. A. Reisen C. Lvy-Leduc. En la traducción de los módulos de priodicit caché. En effet. Les outils traditionnels d x27 analizan la problemática del proceso ARMA (ensayos de ruido blanco sobre los rsidus) ne pas pas de dceler les composantes priodiques d x27 une telle srie (Tiao y Grupe (1980)). Que des accidents bien localiss. RESUMEN: El análisis de la estacionalidad en economía y el desarrollo de nuevos procedimientos de ajuste estacional han seguido nuevas direcciones en los últimos veinte años. Estudiamos esta cuestión a través del trabajo realizado en la Banque de France (Dirección de Estadística y Estudios Monetarios) para compilar nuevos datos desestacionalizados (SA). Una breve discusión de la literatura académica muestra la necesidad de complementar el software existente con reglas empíricas fijadas por el profesional para hacer claras todas las opciones metodológicas, evitando así cualquier ambigüedad. En la implementación del nuevo proceso de producción, nos centramos en la política de revisión de algunos parámetros clave de todo el proceso con el fin de minimizar las revisiones posteriores en la publicación de los datos SA. Ilustramos esta nueva metodología con las series SA relativas a los agregados monetarios, incluidos los préstamos a las empresas ya los hogares, y ofrecemos un análisis detallado de la coherencia entre los flujos y el saldo en circulación de las cifras de SA. Texto completo Artículo Apr 2008by W. Meiring, P. Guttorp, P. D. Sampson. 1997. Presentamos un enfoque para estimar las concentraciones horarias de ozono en la superficie de la celda de la red basadas en las observaciones de los sitios de monitoreo de puntos en el espacio, para comparar los resultados del modelo de calidad fotoquímica de aire SARMAP para una región del norte de California. La estimación estadística se lleva a cabo. Presentamos un enfoque para estimar las concentraciones horarias de ozono en la superficie de la celda de la red basadas en las observaciones de los sitios de monitoreo de puntos en el espacio, para comparar los resultados del modelo de calidad fotoquímica de aire SARMAP para una región del norte de California. La estimación estadística se lleva a cabo en una escala transformada (raíz cuadrada), seguida de una retrotransformación a la escala original de ozono en partes por billón, ajustándose al sesgo ya la varianza. Estimamos una estructura de la media diurna espacialmente variable y una estructura de correlación espacio-tiempo no separable en la escala transformada. El preblanqueo temporal es seguido por el modelado de una estructura de correlación espacial espacialmente no estacionaria, variando diurnamente usando un enfoque de deformación espacial. Se presentan comparaciones de los resultados del modelo SARMAP con los niveles estimados de ozono en la celda de la red. Palabras clave: Kriging, correlación espacio-tiempo no separable, escala espacial, transformación 1 Introducción Se han desarrollado modelos fotoquímicos de calidad del aire. Por Paul L. Anderson, marca M. Meerschaert - Resour del agua. Res. 1998. Abstracto. Los avances recientes en el análisis de series de tiempo ofrecen modelos alternativos para los flujos de los ríos en los que las innovaciones tienen colas pesadas, de modo que algunos de los momentos no existen. La probabilidad de grandes fluctuaciones es mucho mayor que para los modelos estándar. Examinamos algunos desarrollos teóricos recientes. Abstracto. Los avances recientes en el análisis de series de tiempo ofrecen modelos alternativos para los flujos de los ríos en los que las innovaciones tienen colas pesadas, de modo que algunos de los momentos no existen. La probabilidad de grandes fluctuaciones es mucho mayor que para los modelos estándar. Examinamos algunos desarrollos teóricos recientes para modelos de series temporales de cola pesada e ilustramos su aplicación práctica a los datos de caudal del río Salt River cerca de Roosevelt, Arizona. También incluimos algunos diagnósticos simples que el médico puede usar para identificar cuando los métodos de este documento pueden ser útiles. 1. por Bypaull Anderson, Mark, M. Meerschaert - Stat. 1997. En este trabajo se establece la teoría asintótica básica para los promedios móviles periódicos de i. i.d. Variables aleatorias con colas que varían regularmente. Se permite que los coeficientes de media móvil varíen según la estación. Una simple reformulación produce los resultados correspondientes para los promedios móviles de ran. En este trabajo se establece la teoría asintótica básica para los promedios móviles periódicos de i. i.d. Variables aleatorias con colas que varían regularmente. Se permite que los coeficientes de media móvil varíen según la estación. Una simple reformulación produce los resultados correspondientes para las medias móviles de vectores aleatorios. Nuestro resultado principal es que cuando las variables aleatorias subyacentes tienen una varianza finita pero un cuarto momento infinito, las au-tocorrelaciones de la muestra son asintóticamente estables. Es bien sabido en este caso que las autocorrelaciones de muestras en el modelo clásico de media móvil estacionaria son asintóticamente normales. Introducción. Variación regular se utiliza para caracterizar los i. i.d. Secuencias de variables alea - torias para las que existe una versión del teorema del límite central. Cuando estas variables aleatorias tienen una varianza infinita, la suma es asimpticamente estable en lugar de asintóticamente normal. Las variables aleatorias estables han encontrado muchas aplicaciones prácticas comenzando con la obra de Holts - by Marius Ooms, Philip Hans Franses. 1998. Basándonos en gráficos sencillos de series temporales y autocorrelaciones periódicas de muestras, documentamos que los datos mensuales del flujo fluvial muestran una memoria larga, además de una pronunciada estacionalidad. De hecho, parece que las características de memoria larga varían con la estación. Para describir conjuntamente estas dos propiedades, nosotros. Basándonos en gráficos sencillos de series temporales y autocorrelaciones periódicas de muestras, documentamos que los datos mensuales del flujo fluvial muestran una memoria larga, además de una pronunciada estacionalidad. De hecho, parece que las características de memoria larga varían con la estación. Para describir conjuntamente estas dos propiedades, proponemos un modelo periódico estacional de memoria larga y lo adaptamos a los conocidos datos del río Fraser (que se obtienen de Statlib en lib. stat. cmu. edu/datasets/). Proporcionamos un análisis estadístico y proporcionamos funciones de respuesta de impulso para demostrar que los choques en ciertos meses del año tienen un impacto más duradero que los de otros meses. Introducción Es bien sabido desde los primeros trabajos de Hurst sobre el Nilo que los flujos de los ríos muestran fluctuaciones persistentes que pueden caracterizarse por una memoria larga. Adicional a la memoria larga, la mayoría de los datos del flujo del río muestran una estacionalidad pronunciada, tanto en la media como en la varianza. Por Paul L. Anderson, Mark M. Meerschaert, Aldo V. Vecchia - Actas del número especial del IEEE sobre criptografía y cuestiones de seguridad. 2004. Las series de tiempo periódicas ARMA, o PARMA, se usan para modelar series temporales periódicamente estacionarias. En este trabajo desarrollamos el algoritmo de innovaciones para procesos periódicamente estacionarios. A continuación se muestra cómo el algoritmo puede ser utilizado para obtener estimaciones de parámetros para el modelo PARMA. Estas estimaciones son prov. Las series de tiempo periódicas ARMA, o PARMA, se usan para modelar series temporales periódicamente estacionarias. En este trabajo desarrollamos el algoritmo de innovaciones para procesos periódicamente estacionarios. A continuación se muestra cómo el algoritmo puede ser utilizado para obtener estimaciones de parámetros para el modelo PARMA. Se demuestra que estas estimaciones son débilmente consistentes para los procesos PARMA cuya secuencia de ruido subyacente tiene un cuarto momento finito o infinito. Dado que muchas series de tiempo de los campos de la economía y la hidrología muestran colas pesadas, los resultados sobre el caso de cuarto momento infinito son de particular interés. Por Paul L. Anderson, Mark Meerschaert - Journal of Time Series Analysis. 2003. El algoritmo de innovaciones puede utilizarse para obtener estimaciones de parámetros para modelos periódicamente estacionarios de series temporales. En este trabajo se calcula la distribución asintótica de estas estimaciones en el caso en que las innovaciones tienen un cuarto momento finito. Estos resultados asintóticos son útiles para determinar. El algoritmo de innovaciones puede utilizarse para obtener estimaciones de parámetros para modelos periódicamente estacionarios de series temporales. En este trabajo se calcula la distribución asintótica de estas estimaciones en el caso en que las innovaciones tienen un cuarto momento finito. Estos resultados asintóticos son útiles para determinar qué parámetros del modelo son significativos. En el proceso, también desarrollamos asintóticos para las estimaciones de Yule-Walker. 1 por A. I. Mcleod. 1993. este papel. Esta comprobación de diagnóstico se recomienda para el uso rutinario al ajustar los modelos estacionales de ARMA. Se demuestra que esta comprobación diagnóstica indica que muchas series económicas estacionales también presentan correlación periódica. Dado que los métodos de previsión estándar son inadecuados en esta cuenta, ca. este papel. Esta comprobación de diagnóstico se recomienda para el uso rutinario al ajustar los modelos estacionales de ARMA. Se demuestra que esta comprobación diagnóstica indica que muchas series económicas estacionales también presentan correlación periódica. Dado que los métodos de previsión estándar son inadecuados por esta razón, se puede concluir que en muchos casos los pronósticos producidos son subóptimos. Finalmente, se ilustra también una limitación de la combinación arbitraria de pronósticos. La combinación de pronósticos de un modelo parsimonioso adecuado con un modelo inadecuado no mejoró los pronósticos, mientras que la combinación de las dos previsiones de dos modelos inadecuados produjo una mejora en el desempeño de los pronósticos. Estos hallazgos también apoyan la filosofía de construcción de modelos de Box ampamp Jenkins. Los resultados no intuitivos de Newbold ampamp Granger (1974) y Winkler ampamp Makridakis (1983) de que la aparente combinación arbitraria de pronósticos de modelos similares conducirán a un pronóstico de rendimiento no es apoyado por nuestro estudio de caso con la previsión de flujo de río. Palabras clave: Previsiones combinadas Comprobación diagnóstica para la correlación periódica Pronóstico Temporal Serie temporal Modelo de adecuación Parámetro Parsimonia. 1 de Abdelhakim Aknouche, Abdelouahab Bibi. 709. Este artículo establece la consistencia fuerte y la normalidad asintótica del estimador de casi máxima verosimilitud (QMLE) para un proceso GARCH con parámetros periódicamente variables en el tiempo. Primero damos una condición necesaria y suficiente para la existencia de una solución estacionaria estrictamente periódica f. Este artículo establece la consistencia fuerte y la normalidad asintótica del estimador de casi máxima verosimilitud (QMLE) para un proceso GARCH con parámetros periódicamente variables en el tiempo. Primero damos una condición necesaria y suficiente para la existencia de una solución estacionaria estrictamente periódica para la ecuación GARCH (P-GARCH) periódica. Como resultado, se muestra que el momento de algún orden positivo de la solución P-GARCH es finito, bajo el cual probamos la consistencia fuerte y la normalidad asintótica (CAN) del QMLE sin ninguna condición en los momentos del proceso subyacente. Por Philip Hans Franses, Richard Paap. 2005. Este capítulo se ocupa de pronosticar datos de series temporales estacionales univariadas utilizando modelos de autorregresión periódicos. Se muestra cómo se deben tener en cuenta las raíces unitarias y los términos deterministas cuando se generan pronósticos de muestras. Este capítulo se ocupa de la predicción de datos de series temporales estacionales univariadas utilizando modelos de autorregresión periódica. Se muestra cómo se deben tener en cuenta las raíces unitarias y los términos determinísticos cuando se generan pronósticos de muestras. Capítulo que debe ser preparado para la inclusión potencial en el Companion to Economic Forecasting editado por Michael Clements y David Hendry Oxford Basil por M. Karanasos, AG Paraskevopoulos, S. Dafnos
No comments:
Post a Comment