Por Nuno Crato, Pedro J. F. de Lima. La elección del grado apropiado de integración es una cuestión muy importante en el modelo de series temporales ARIMA. Esta elección es particularmente difícil en presencia de una autorregresión casi no estacionaria o de un proceso fraccionadamente integrado. A través de un estudio de Monte Carlo se evalúa el tamaño y p. La elección del grado apropiado de integración es una cuestión muy importante en el modelo de series temporales ARIMA. Esta elección es particularmente difícil en presencia de una autorregresión casi no estacionaria o de un proceso fraccionadamente integrado. A través de un estudio de Monte Carlo, evaluamos el tamaño y la potencia de las pruebas de estimación MA, AR y espectrales en presencia de procesos fraccionadamente integrados, casi no estacionarios y prácticamente no reversibles. 1. INTRODUCCIÓN Consideremos los modelos clásicos autoregresivos de media móvil, ARIMA. Decimos que el proceso aleatorio zt sigue un modelo ARIMA (pdq) si existen polinomios constantes OE (Delta) y (Delta) en el operador de desplazamiento hacia atrás B, de orden p yq, respectivamente, y un entero no negativo d tal que, Para cada t OE (B) zt OE (B) (1 Gamma B) dzt (B) ampquot t (1) donde asumimos ampquot t iid (0 oe 2). Como condiciones de regularidad, asumimos además que los polinomios OE (B) y (B) no tienen factores comunes y que OE (B). T. Si las observaciones originales se diferencian dando la serie y t. Entonces se observa la serie integrada z t. Si este no es el caso entonces z t se construye usando la transformada de Helmert (-Tanaka 1990--) z t Hy t (t t 2) Gamma12 t X j1 jy j. (4) Las sumas parciales de yt no se utilizan ya que, bajo el nulo de una raíz unitaria de media móvil, constituyen una secuencia con todos los valores dependientes de su. Testing para una unidad de medida media raíz de prueba para una raíz unitaria en la media móvil Modelo. En primer lugar, para el modelo estacionario MA (1), se sugiere una prueba de tipo de puntuación que es localmente mejor invariante e imparcial. El rendimiento de la prueba para muestras finitas se compara con la prueba más potente. El comportamiento asintótico de la prueba también se considera computando la potencia limitante bajo una secuencia de alternativas locales. Luego extendemos el modelo a un orden infinito MA y sugerimos una prueba para este caso extendido. Si experimenta problemas al descargar un archivo, compruebe si tiene la aplicación adecuada para verla primero. En caso de problemas adicionales, lea la página de ayuda de IDEAS. Tenga en cuenta que estos archivos no están en el sitio IDEAS. Por favor sea paciente ya que los archivos pueden ser grandes. Artículo proporcionado por Cambridge University Press en su revista Econometric Theory. Volumen (año): 6 (1990) Edición (mes): 04 (diciembre) Páginas: 433-444por Roberto F. Engle, Aaron D. Smith, F. Engle, Aaron, D. Smith - revisión de la economía y de las estadísticas. 1998. Este trabajo pretende cerrar la brecha entre los procesos en los que los choques son permanentes y aquellos con choques transitorios formulando un proceso en el que el impacto a largo plazo de cada innovación sea variable en el tiempo y estocástico. Los choques transitorios frecuentes se complementan con desplazamientos permanentes ocasionales. El sto. Este trabajo pretende cerrar la brecha entre los procesos en los que los choques son permanentes y aquellos con choques transitorios formulando un proceso en el que el impacto a largo plazo de cada innovación sea variable en el tiempo y estocástico. Los choques transitorios frecuentes se complementan con desplazamientos permanentes ocasionales. El proceso de ruptura permanente estocástica (STOPBREAK) se basa en la premisa de que un choque es más probable que sea permanente si es grande que si es pequeño. Esta formulación está motivada por una clase de procesos que sufren rupturas estructurales aleatorias. Se establece la consistencia y normalidad asintótica de las estimaciones de casi máxima verosimilitud y se desarrollan las mejores pruebas de hipótesis locales del nulo de una caminata aleatoria. El modelo se aplica a los precios relativos de parejas de acciones y se obtienen resultados estadísticos significativos. PALABRAS CLAVE: Roturas estructurales, promedio móvil no lineal, raíces unitarias, estimación cuasi máxima de verosimilitud, prueba de Neyman-Pearson, mejor prueba local, cointegración temporal. 1. INTRODUCCIÓN Los analistas de series temporales tienden a trazar una línea recta entre los procesos en los que los choques tienen un efecto permanente y los que no lo hacen. El ejemplo más notable de esto es la distinción entre los procesos estacionarios AR (1), donde todos los choques son transitorios, y el paseo al azar. A medida que la raíz autorregresiva se acerca a uno, la velocidad a la que se espera que los choques disminuyan disminuye, pero permanecen transitorias. Este trabajo pretende colmar la brecha entre transitoriedad y permanencia formulando un proceso en el cual el impacto a largo plazo de cada observación es variable en el tiempo y estocástico. En un extremo todas las innovaciones son transitorias y en el otro, todos los choques son permanentes. 2 de Kirstin Hubrich, Helmut Ltkepohl, Pentti Saikkonen. 1998. Se revisa la literatura sobre pruebas de cointegración de sistemas y se comparan los diversos conjuntos de supuestos para la validez asintótica de las pruebas dentro de un marco unificador general. La comparación incluye pruebas de razón de verosimilitud, multiplicador de Lagrange y pruebas tipo Wald, pruebas de aumento de latencia, te. Se revisa la literatura sobre pruebas de cointegración de sistemas y se comparan los diversos conjuntos de supuestos para la validez asintótica de las pruebas dentro de un marco unificador general. La comparación incluye pruebas de razón de verosimilitud, multiplicador de Lagrange y pruebas de tipo Wald, pruebas de aumento de latencia, pruebas basadas en correlaciones canónicas, pruebas de Stock-Watson y pruebas no paramétricas de Bierensampapos. Se discuten los resultados asintóticos con respecto a la potencia de estas pruebas y los estudios previos de simulación de pequeñas muestras. Otras cuestiones y propuestas en el contexto de las pruebas de cointegración de sistemas también se consideran brevemente. Se presentan nuevas simulaciones para comparar las pruebas en condiciones uniformes. Se hace especial hincapié en la sensibilidad del rendimiento de la prueba con respecto a las propiedades de tendencia de la DGP. Palabras clave: pruebas de cointegración de sistemas, pruebas LR, pruebas no paramétricas, potencia asintótica, simulaciones de pequeñas muestras 1 Estamos agradecidos a Christian Muller por ayudar con los cálculos y. De O. Arda Vanli, Enrique Del Castillo. Los enfoques tradicionales para la identificación de los modelos de función de transferencia requieren un conjunto de datos suficientemente grande y formas de modelo que son lo suficientemente generales y al mismo tiempo requieren una cierta excitación externa (una señal de dither) aplicada al proceso. En el límite, como el dith. Los enfoques tradicionales para la identificación de los modelos de función de transferencia requieren un conjunto de datos suficientemente grande y formas de modelo que son lo suficientemente generales y al mismo tiempo requieren una cierta excitación externa (una señal de dither) aplicada al proceso. En el límite, dado que la señal de truncamiento domina las acciones de control, la identificación es más fácil, pero la operación del proceso se vuelve más cercana a la de un proceso no controlado (esto es, lazo abierto), que podría ser inaceptable. Este artículo propone un procedimiento de identificación de sistemas en circuito cerrado que tiene como objetivo mejorar estimaciones de parámetros de modelo incorporando conocimiento previo sobre el proceso en forma de restricciones sin el uso de una señal de dither. Se presenta un estudio de simulación de Monte Carlo para ilustrar los pequeños beneficios de la adición de varias formas de restricciones. Se muestra cómo las restricciones basadas en el conocimiento del proceso que es relativamente fácil de conocer a partir de la experiencia previa, dan lugar a modelos mejor identificados entre la clase de restricciones consideradas. En particular, el conocimiento del retardo de entrada-salida del proceso se muestra como el más importante para identificar un proceso en circuito cerrado. Un ejemplo basado en un proceso real ilustra las ventajas del método propuesto sobre el enfoque de la señal dither. Palabras clave: Box-Jenkins modelos de función de transferencia, limitada no lineal mínimos cuadrados, conocimiento del proceso previo, control de retroalimentación. 1 de Eiji Kurozumi - Hitotsubashi Journal of Economics. 2009. Proponemos una prueba de estacionariedad (de tendencia) con un buen tamaño finito de muestra incluso cuando un proceso es estacionario con una fuerte persistencia, esto es útil para distinguir entre un proceso estacionario (tendencia) con persistencia fuerte y un proceso de raíz unitaria. Podría considerarse como un versio modificado. Proponemos una prueba de estacionariedad (de tendencia) con un buen tamaño finito de muestra incluso cuando un proceso es estacionario con una fuerte persistencia, esto es útil para distinguir entre un proceso estacionario (tendencia) con persistencia fuerte y un proceso de raíz unitaria. Podría considerarse como una versión modificada de la prueba de Leybourne y McCabes (1994, LMC), pero con un método de corrección diferente para la correlación serial. Una simulación de Monte Carlo revela que en términos de tamaño empírico, nuestra prueba está más cerca de la nominal que la prueba LMC original y es más potente que la prueba LMC con valores críticos ajustados al tamaño. . Se propone una nueva estadística de prueba para la estacionariedad de tendencia frente a la estacionariedad de diferencia utilizando estimadores de densidad espectral. La densidad espectral del primer proceso diferenciado es igual a cero a la frecuencia cero bajo el nulo de la estacionariedad de tendencia, mientras que la estacionariedad de diferencia da positivo s. Se propone una nueva estadística de prueba para la estacionariedad de tendencia frente a la estacionariedad de diferencia utilizando estimadores de densidad espectral. La densidad espectral del primer proceso diferenciado es igual a cero en la frecuencia cero bajo el nulo de la estacionariedad de tendencia, mientras que la estacionariedad diferencia produce un espectro positivo cerca de la frecuencia cero. Con esta naturaleza unilateral del espectro, construimos procedimientos de prueba válidos basados en estimadores de densidad espectral basados en kernel. Obsérvese que el estimador de densidad espectral se convierte en degenerado bajo el nulo, donde uno no simplemente aplica resultados estándar en la literatura de heteroscedasticidad y estimación constante de autocorrelación (HAC). Proporcionamos nuevos resultados sobre la distribución asintótica del estimador de densidad espectral bajo degeneración. Se observa que las tasas de convergencia que garantizan la varianza asintótica no degenerativa del estimador son mucho más rápidas que la tasa requerida para los estimadores HAC convencionales. También se discute la consistencia de la prueba propuesta. Los estudios de simulación muestran que nuestra prueba basada en espectro es competitiva en términos de potencia en comparación con la conocida prueba KPSS. Se presentan aplicaciones a algunas series macroeconómicas de Estados Unidos. Resumen no encontrado por Suzanne Mccoskey, Chihwa Kao. Este trabajo propone una prueba de Lagrange Multiplier (LM) basada en residuos para el nulo de cointegración en datos de panel. La prueba es análoga a la mejor variable invariable localmente (LBUI) para una raíz unitaria de media móvil (MA). La distribución asintótica de la prueba se deriva del nulo. Monte Carlo simu. Este trabajo propone una prueba de Lagrange Multiplier (LM) basada en residuos para el nulo de cointegración en datos de panel. La prueba es análoga a la mejor variable invariable localmente (LBUI) para una raíz unitaria de media móvil (MA). La distribución asintótica de la prueba se deriva del nulo. Las simulaciones de Monte Carlo se realizan para estudiar las propiedades de tamaño y potencia de la prueba propuesta. En general, los tamaños empíricos de la LM-FM y LM-DOLS están cerca del tamaño real, incluso en muestras pequeñas. La potencia es bastante buena para los paneles donde T 50, y decente con paneles para menos observaciones en T. En nuestra muestra xed de N 50 y T 50, la presencia de una media móvil y la correlación entre los errores de regresor y los regresores hace que las dos pruebas Para actuar de manera bastante diferente, lo que complica la elección de los procedimientos de estimación. En general, la prueba LM-DOLS parece ser mejor para corregir estos efectos, aunque en algunos casos la prueba LM-FM es más potente. Aunque gran parte de la econometría de series temporales no estacionarias ha sido criticada por tener más que ver con las propiedades específicas del conjunto de datos que con los modelos económicos subyacentes, el reciente desarrollo de la literatura de cointegración ha permitido un puente concreto entre las economías largas Ejecución de teoría y métodos de series de tiempo. Nuestra prueba ahora permite la prueba de la nula de cointegración en un panel de configuración y debe ser de gran interés para los economistas en una amplia variedad de campos. 1 por Biing-shen Kuo, Ching-chuan Tsong. 2005 por Diego Lubian, Diego Lubian. 2009. Las pruebas de estacionariedad muestran distorsiones extremas de tamaño si el proceso observable es estacionario pero altamente persistente. En este artículo se proporciona una explicación teórica de la distorsión de tamaño de la prueba KPSS para DGPs con una amplia gama de primer coeficiente de autocorrelación de primer orden. Teniendo en cuenta un near-i. Las pruebas de estacionariedad muestran distorsiones extremas de tamaño si el proceso observable es estacionario pero altamente persistente. En este artículo se proporciona una explicación teórica de la distorsión de tamaño de la prueba KPSS para DGPs con una amplia gama de primer coeficiente de autocorrelación de primer orden. Considerando un proceso casi integrado, casi estacionario, mostramos que la distribución asintótica de la prueba contiene un término adicional, que puede explicar potencialmente la cantidad de distorsión de tamaño documentada en estudios previos de simulación. Por Steen Koekebakker, Sigbjrn Sdal. 2006. Resumen: En la literatura reciente, las pruebas empíricas de la estacionariedad de las tarifas de flete a menudo concluyen que las tarifas de carga spot son procesos no estacionarios. Sin embargo, muchos economistas marítimos argumentarían que la tarifa de flete no puede exhibir un comportamiento asintótico explosivo, como lo implican los no estacionarios. Resumen: En la literatura reciente, las pruebas empíricas de la estacionariedad de las tarifas de flete a menudo concluyen que las tarifas de carga spot son procesos no estacionarios. Sin embargo, muchos economistas marítimos argumentarían que el flete no puede exhibir un comportamiento asintótico explosivo, como lo implica la no estacionariedad, en un mercado de carga perfectamente competitivo. Este artículo reafirma los argumentos teóricos detrás de la reversión y limitación media del proceso de tarifa de carga puntual y sugiere que la falta de rechazo de la no estacionariedad puede deberse a la débil potencia de las pruebas más frecuentemente utilizadas. Empleamos una versión no lineal de la prueba de Dickey-Fuller aumentada (ADF), basada en un modelo autorregresivo exponencialmente de transición suave (ESTAR). Esta prueba aumenta la potencia frente a las hipótesis alternativas no lineales de media revertida en comparación con la alternativa lineal para las pruebas tradicionales de ADF. Nuestros resultados empíricos muestran, de acuerdo con la teoría económica marítima, que las tarifas de flete tanto en los mercados de graneles secos como de los buques cisterna son estacionarias no lineales.
Comments
Post a Comment