Abstract
Desde la introducción de los modelos fraccionalmente integrados ARFIMA para series de tiempo con memoria larga, ha surgido un gran interés en el estudio de sus propiedades y áreas de aplicación. En este modelo, el grado de la memoria está definido por el parámetro de diferenciación fraccional, el cual toma valores en un intervalo continuo de números reales. Para realizar la estimación de este parámetro y probar la existencia de memoria larga, se han propuesto distintos procedimientos en la literatura. Ahora bien, generalmente no basta con conocer si hay memoria larga en la serie de tiempo, sino que es necesario estimar adecuadamente el valor del parámetro de diferenciación fraccional, del cual depende la dinámica de largo plazo de la serie, y de la componente ARMA asociada al comportamiento de corto plazo. Esta estimación requiere de la especificación correcta del modelo ARFIMA. El objeto de este documento es el de implementar un proceso de identificación del modelo ARFIMA para series estacionarias a partir de un procedimiento paramétrico propuesto, y comparar su desempeño con métodos semiparamétricos propuestos en la literatura. Los resultados obtenidos a través de un estudio de simulación, muestran que el procedimiento propuesto tiene, en general, un mejor desempeño.
Publisher
Universidad Nacional de Colombia
Reference19 articles.
1. Beran, J. (1992). Statistical Methods for Data with Long-Range Dependence, Statistical Science, vol. 7, 404–16.
2. Boes, D.C., Davis, R.A. and S.N. Gupta (1989). Parameter estimation in low order fractionally differenced ARMA processes, Stochastic Hydrology and Hydraulics 3, 97-110.
3. Box, G. E. P. and Jenkins, G. M. (1976). Time Series Analysis, Forecasting and Control, 2nd ed., Holden-Day. San Francisco.
4. Brockwell, P. J.; Davis, R. A. (2006). Time Series: Theory and Methods, 2nd ed., Springer-Verlag, New York.
5. Castaño, E., Gómez, K. & Gallón, S. (2008). Una nueva prueba para el parámetro de diferenciación fraccional, Revista Colombiana de Estadística, 31, 67–84.