Identificação de estruturas não-lineares de séries temporais através de regressão linear local e modelos aditivos

Pesquisa Operacional

Rosane M. Kirchner²  Reinaldo C. Souza¹  Flávio A. Ziegelmann¹ 

[1] ,Univ. do Noroeste do Estado do Rio Grande do Sul Departamento de Física, Estatística e Matemática Ijuí RS ,Brasil

关键词: séries temporais;    regressão não-paramétrica;    estimadores núcleo;    time series;    nonparametric regression;    kernel smoothing;   

DOI  :  10.1590/S0101-74382008000100003

来源: SciELO

【 摘 要 】

Este estudo trata da utilização de uma metodologia para identificação da estrutura de séries temporais não lineares (ou lineares) baseada na estimação não e semi-paramétrica de curvas em modelos do tipo Yt = E(Yt|Xt) + et , onde Xt = (Yt-1,Yt-2,...,Yt-d), d = 1,2,.... Aqui, a esperança condicional é estimada de modo totalmente não-paramétrico ou através de um modelo (semi-paramétrico) aditivo. Especificamente, a função desconhecida será estimada através de regressões lineares locais, via estimadores núcleo. Com a metodologia proposta, verificamos que a "função de dependência da defasagem" (FDD) e a "função de dependência parcial da defasagem" (FDPD) conseguem captar estruturas não-lineares em séries temporais, generalizando as tradicionais funções de autocorrelação (FAC) e autocorrelação parcial (FACP). Os estudos de simulação foram conduzidos de forma a avaliar e comparar a metodologia proposta com metodologias já existentes. Para dados reais a metodologia proposta foi exemplificada com uma série diária de preços da ação Petrobras PN.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License