Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros

En este trabajo de grado se identifican los órdenes autorregresivos del modelo TAR (threshold autoregressive) asumiendo los demás parámetros estructurales conocidos tomando como referencia paquete TAR de Zhang and Nieto (2017), adecuándolo a modelos TAR con ruido GED (distribución generalizada del e...

Full description

Autores:
Castro Toloza, Deysi Yurany
Tipo de recurso:
Masters Thesis
Fecha de publicación:
2020
Institución:
Universidad Santo Tomás
Repositorio:
Universidad Santo Tomás
Idioma:
OAI Identifier:
oai:repository.usta.edu.co:11634/22347
Acceso en línea:
http://hdl.handle.net/11634/22347
Palabra clave:
TAR Models
GED noise
Gibbs sampler
Monte Carlo
Bayesian estimation
Instrumental variables (Statistics)
Estimation theory
Variables instrumentales (Estadística)
Teoría de estimación
Estadística para administradores -- Casos
Modelos TAR
Ruido GED
Monte Carlo
Estimación bayesiana
Muestreador de Gibbs
Rights
openAccess
License
CC0 1.0 Universal
id SantoToma2_0f70748fa5561865209589414d5ded39
oai_identifier_str oai:repository.usta.edu.co:11634/22347
network_acronym_str SantoToma2
network_name_str Universidad Santo Tomás
repository_id_str
dc.title.spa.fl_str_mv Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
title Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
spellingShingle Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
TAR Models
GED noise
Gibbs sampler
Monte Carlo
Bayesian estimation
Instrumental variables (Statistics)
Estimation theory
Variables instrumentales (Estadística)
Teoría de estimación
Estadística para administradores -- Casos
Modelos TAR
Ruido GED
Monte Carlo
Estimación bayesiana
Muestreador de Gibbs
title_short Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
title_full Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
title_fullStr Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
title_full_unstemmed Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
title_sort Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros
dc.creator.fl_str_mv Castro Toloza, Deysi Yurany
dc.contributor.advisor.spa.fl_str_mv Zhang, Hanwen
dc.contributor.author.spa.fl_str_mv Castro Toloza, Deysi Yurany
dc.contributor.orcid.spa.fl_str_mv https://orcid.org/0000-0001-9948-791X
dc.contributor.googlescholar.spa.fl_str_mv https://scholar.google.es/citations?user=nE0TiBwAAAAJ&hl=es
dc.contributor.cvlac.spa.fl_str_mv http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001058754
dc.contributor.corporatename.none.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv TAR Models
GED noise
Gibbs sampler
Monte Carlo
Bayesian estimation
Instrumental variables (Statistics)
Estimation theory
topic TAR Models
GED noise
Gibbs sampler
Monte Carlo
Bayesian estimation
Instrumental variables (Statistics)
Estimation theory
Variables instrumentales (Estadística)
Teoría de estimación
Estadística para administradores -- Casos
Modelos TAR
Ruido GED
Monte Carlo
Estimación bayesiana
Muestreador de Gibbs
dc.subject.lemb.spa.fl_str_mv Variables instrumentales (Estadística)
Teoría de estimación
dc.subject.lemb.none.fl_str_mv Estadística para administradores -- Casos
dc.subject.proposal.spa.fl_str_mv Modelos TAR
Ruido GED
Monte Carlo
Estimación bayesiana
Muestreador de Gibbs
description En este trabajo de grado se identifican los órdenes autorregresivos del modelo TAR (threshold autoregressive) asumiendo los demás parámetros estructurales conocidos tomando como referencia paquete TAR de Zhang and Nieto (2017), adecuándolo a modelos TAR con ruido GED (distribución generalizada del error). Se realiza la continuación del trabajo realizado en Castro (2016) empleando simulaciones de Monte Carlo con el fin de garantizar los resultados teóricos realizados.
publishDate 2020
dc.date.accessioned.spa.fl_str_mv 2020-04-09T00:05:45Z
dc.date.available.spa.fl_str_mv 2020-04-09T00:05:45Z
dc.date.issued.spa.fl_str_mv 2020-02-19
dc.type.local.spa.fl_str_mv Tesis de maestría
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.category.spa.fl_str_mv Formación de Recurso Humano para la Ctel: Trabajo de grado de Maestría
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_bdcc
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/masterThesis
format http://purl.org/coar/resource_type/c_bdcc
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Castro, D. Y. (2020). Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros (Trabajo de Maestría en Estadística Aplicada). Universidad Santo Tomás. Bogotá, Colombia.
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/22347
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Castro, D. Y. (2020). Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros (Trabajo de Maestría en Estadística Aplicada). Universidad Santo Tomás. Bogotá, Colombia.
repourl:https://repository.usta.edu.co
url http://hdl.handle.net/11634/22347
dc.relation.references.spa.fl_str_mv Castro, D. (2016). Estimaci´on del modelo autorregresivo de umbrales cuando el proceso de ruido sigue una distribuci´on de error generalizada. Descargado de https://hdl.handle.net/11634/3829
Moreno, E., y Nieto, F. H. (2014). Modelos tar en series de tiempo financieras. Comunicaciones en estad´ıstica, 7 (2), 203-222.
Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econom´etrica, 59 , 347-370.
Nieto, F. H. (2005). Modeling bivariate threshold autoregressive processes in the presence of missing data. Communications in Statistics Theory and Methods, 34 , 905930.
Nieto, F. H., Zhang, H., y 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. Descargado de https://doi.org/10.1080/03610918.2012.655827
P. Carlin, B., y Chib, S. (1995, 01). Bayesian model choice via markov chain monte carlo methods. , 57 , 142-170.
R. Vasudeva, J. V. K. (2013, 10). On general error distributions. ProbStat Forum, 06 , 8995. Descargado de www.probstat.org.in
Tong, H. (1978). On a threshold model in pattern recognition and signal processing (C. H. Chen ed.). Sijhoff & Noordhoff: Amsterdam.
Tong, H. (2011). Threshold models in time series analysis - 30 years on. Statistics and its Interface, 4 , 107-118-.
Tong, H. (2015). Threshold models in time series analysis - some reflections. Journal of Econometrics, 189 (2), 485 - 491. Descargado de http://www.sciencedirect.com/science/article/pii/ S0304407615001177 (Frontiers in Time Series and Financial Econometrics) doi: https://doi.org/ 10.1016/j.jeconom.2015.03.039
Tong, H., y Lim, K. S. (1980). Threshold autoregression, limit cycles and cyclical data. Journal of the Royal Statistical Society. Series B (Methodological), 42 (3), 245–292. Descargado de http:// www.jstor.org/stable/2985164
Zhang, H. (2011). Estimaci´on de los modelos tar cuando el proceso del ruido sigue una distribuci´on t. Comunicaciones en estad´ıstica, 4 (2), 109-119.
Zhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.
Zhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.
Zhang and Nieto. (2017). R: Bayesian modeling of autoregressive threshold time series models [Manual de software inform´atico]. Bogot´a, Colombia. Descargado de http://www.R-project.org/
dc.rights.*.fl_str_mv CC0 1.0 Universal
dc.rights.uri.*.fl_str_mv http://creativecommons.org/publicdomain/zero/1.0/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/22347/4/2020deysicastro.pdf
https://repository.usta.edu.co/bitstream/11634/22347/5/cartaaprobaci%c3%b3nfacultad.pdf
https://repository.usta.edu.co/bitstream/11634/22347/9/cartaderechosdeautor.pdf
https://repository.usta.edu.co/bitstream/11634/22347/7/license_rdf
https://repository.usta.edu.co/bitstream/11634/22347/8/license.txt
https://repository.usta.edu.co/bitstream/11634/22347/10/2020deysicastro.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/22347/11/cartaaprobaci%c3%b3nfacultad.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/22347/12/cartaderechosdeautor.pdf.jpg
bitstream.checksum.fl_str_mv 35eda82ac647302b3dce6542b955be66
0ef330df5bcda0e75b7465f724dc8ebb
1f9048c3323166c4b4db4118eb031486
42fd4ad1e89814f5e4a476b409eb708c
f6b8c5608fa6b2f649b2d63e10c5fa73
6ae6f3e8b2cbdd8ff8ea3f1eb56f9f4f
c4ee372d8c73454b7f24b65faed87545
3efadefd7654853a13ba379e399a82b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv repositorio@usantotomas.edu.co
_version_ 1800786374196985856
spelling Zhang, HanwenCastro Toloza, Deysi Yuranyhttps://orcid.org/0000-0001-9948-791Xhttps://scholar.google.es/citations?user=nE0TiBwAAAAJ&hl=eshttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001058754Universidad Santo Tomás2020-04-09T00:05:45Z2020-04-09T00:05:45Z2020-02-19Castro, D. Y. (2020). Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetros (Trabajo de Maestría en Estadística Aplicada). Universidad Santo Tomás. Bogotá, Colombia.http://hdl.handle.net/11634/22347repourl:https://repository.usta.edu.coEn este trabajo de grado se identifican los órdenes autorregresivos del modelo TAR (threshold autoregressive) asumiendo los demás parámetros estructurales conocidos tomando como referencia paquete TAR de Zhang and Nieto (2017), adecuándolo a modelos TAR con ruido GED (distribución generalizada del error). Se realiza la continuación del trabajo realizado en Castro (2016) empleando simulaciones de Monte Carlo con el fin de garantizar los resultados teóricos realizados.This paper considers the identification of autoregressive orders of the TAR (Threshold AutoRegressive) model assuming the other structural parameters known based in the TAR package of Zhang and Nieto (2017), adapting it to TAR models with GED noise (generalized error distribution). Additionally, is continued the work in Castro 2016, using Monte Carlo simulations with the purpose of improving the theoretical results performed.Magíster en estadística aplicadahttp://unidadinvestigacion.usta.edu.coMaestríaapplication/pdfCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Identificación del modelo TAR cuando el proceso de ruido sigue una distribución generalizada del error y verificación empírica de la estimación de los parámetrosTAR ModelsGED noiseGibbs samplerMonte CarloBayesian estimationInstrumental variables (Statistics)Estimation theoryVariables instrumentales (Estadística)Teoría de estimaciónEstadística para administradores -- CasosModelos TARRuido GEDMonte CarloEstimación bayesianaMuestreador de GibbsTesis de maestríainfo:eu-repo/semantics/acceptedVersionFormación de Recurso Humano para la Ctel: Trabajo de grado de Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisCRAI-USTA BogotáCastro, D. (2016). Estimaci´on del modelo autorregresivo de umbrales cuando el proceso de ruido sigue una distribuci´on de error generalizada. Descargado de https://hdl.handle.net/11634/3829Moreno, E., y Nieto, F. H. (2014). Modelos tar en series de tiempo financieras. Comunicaciones en estad´ıstica, 7 (2), 203-222.Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econom´etrica, 59 , 347-370.Nieto, F. H. (2005). Modeling bivariate threshold autoregressive processes in the presence of missing data. Communications in Statistics Theory and Methods, 34 , 905930.Nieto, F. H., Zhang, H., y 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. Descargado de https://doi.org/10.1080/03610918.2012.655827P. Carlin, B., y Chib, S. (1995, 01). Bayesian model choice via markov chain monte carlo methods. , 57 , 142-170.R. Vasudeva, J. V. K. (2013, 10). On general error distributions. ProbStat Forum, 06 , 8995. Descargado de www.probstat.org.inTong, H. (1978). On a threshold model in pattern recognition and signal processing (C. H. Chen ed.). Sijhoff & Noordhoff: Amsterdam.Tong, H. (2011). Threshold models in time series analysis - 30 years on. Statistics and its Interface, 4 , 107-118-.Tong, H. (2015). Threshold models in time series analysis - some reflections. Journal of Econometrics, 189 (2), 485 - 491. Descargado de http://www.sciencedirect.com/science/article/pii/ S0304407615001177 (Frontiers in Time Series and Financial Econometrics) doi: https://doi.org/ 10.1016/j.jeconom.2015.03.039Tong, H., y Lim, K. S. (1980). Threshold autoregression, limit cycles and cyclical data. Journal of the Royal Statistical Society. Series B (Methodological), 42 (3), 245–292. Descargado de http:// www.jstor.org/stable/2985164Zhang, H. (2011). Estimaci´on de los modelos tar cuando el proceso del ruido sigue una distribuci´on t. Comunicaciones en estad´ıstica, 4 (2), 109-119.Zhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.Zhang, H., y Nieto, F. H. (2015). TAR Modeling with Missing Data when the White Noise Process Follows a Student’s t-Distribution. Revista Colombiana de Estad´ıstica, 38 (1), 239-266.Zhang and Nieto. (2017). R: Bayesian modeling of autoregressive threshold time series models [Manual de software inform´atico]. Bogot´a, Colombia. Descargado de http://www.R-project.org/ORIGINAL2020deysicastro.pdf2020deysicastro.pdfapplication/pdf1009589https://repository.usta.edu.co/bitstream/11634/22347/4/2020deysicastro.pdf35eda82ac647302b3dce6542b955be66MD54open accesscartaaprobaciónfacultad.pdfcartaaprobaciónfacultad.pdfapplication/pdf54096https://repository.usta.edu.co/bitstream/11634/22347/5/cartaaprobaci%c3%b3nfacultad.pdf0ef330df5bcda0e75b7465f724dc8ebbMD55metadata only accesscartaderechosdeautor.pdfcartaderechosdeautor.pdfapplication/pdf146629https://repository.usta.edu.co/bitstream/11634/22347/9/cartaderechosdeautor.pdf1f9048c3323166c4b4db4118eb031486MD59metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repository.usta.edu.co/bitstream/11634/22347/7/license_rdf42fd4ad1e89814f5e4a476b409eb708cMD57open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/22347/8/license.txtf6b8c5608fa6b2f649b2d63e10c5fa73MD58open accessTHUMBNAIL2020deysicastro.pdf.jpg2020deysicastro.pdf.jpgIM Thumbnailimage/jpeg8172https://repository.usta.edu.co/bitstream/11634/22347/10/2020deysicastro.pdf.jpg6ae6f3e8b2cbdd8ff8ea3f1eb56f9f4fMD510open accesscartaaprobaciónfacultad.pdf.jpgcartaaprobaciónfacultad.pdf.jpgIM Thumbnailimage/jpeg6528https://repository.usta.edu.co/bitstream/11634/22347/11/cartaaprobaci%c3%b3nfacultad.pdf.jpgc4ee372d8c73454b7f24b65faed87545MD511metadata only accesscartaderechosdeautor.pdf.jpgcartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7518https://repository.usta.edu.co/bitstream/11634/22347/12/cartaderechosdeautor.pdf.jpg3efadefd7654853a13ba379e399a82b0MD512metadata only access11634/22347oai:repository.usta.edu.co:11634/223472022-10-10 15:51:44.457open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.coQXV0b3Jpem8gYWwgQ2VudHJvIGRlIFJlY3Vyc29zIHBhcmEgZWwgQXByZW5kaXphamUgeSBsYSBJbnZlc3RpZ2FjacOzbiwgQ1JBSS1VU1RBIGRlIGxhIFVuaXZlcnNpZGFkIFNhbnRvIFRvbcOhcywgcGFyYSBxdWUgY29uIGZpbmVzIGFjYWTDqW1pY29zIGFsbWFjZW5lIGxhIGluZm9ybWFjacOzbiBpbmdyZXNhZGEgcHJldmlhbWVudGUuCgpTZSBwZXJtaXRlIGxhIGNvbnN1bHRhLCByZXByb2R1Y2Npw7NuIHBhcmNpYWwsIHRvdGFsIG8gY2FtYmlvIGRlIGZvcm1hdG8gY29uIGZpbmVzIGRlIGNvbnNlcnZhY2nDs24sIGEgbG9zIHVzdWFyaW9zIGludGVyZXNhZG9zIGVuIGVsIGNvbnRlbmlkbyBkZSBlc3RlIHRyYWJham8sIHBhcmEgdG9kb3MgbG9zIHVzb3MgcXVlIHRlbmdhbiBmaW5hbGlkYWQgYWNhZMOpbWljYSwgc2llbXByZSB5IGN1YW5kbyBtZWRpYW50ZSBsYSBjb3JyZXNwb25kaWVudGUgY2l0YSBiaWJsaW9ncsOhZmljYSBzZSBsZSBkw6kgY3LDqWRpdG8gYWwgdHJhYmFqbyBkZSBncmFkbyB5IGEgc3UgYXV0b3IuIERlIGNvbmZvcm1pZGFkIGNvbiBsbyBlc3RhYmxlY2lkbyBlbiBlbCBhcnTDrWN1bG8gMzAgZGUgbGEgTGV5IDIzIGRlIDE5ODIgeSBlbCBhcnTDrWN1bG8gMTEgZGUgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5Mywg4oCcTG9zIGRlcmVjaG9zIG1vcmFsZXMgc29icmUgZWwgdHJhYmFqbyBzb24gcHJvcGllZGFkIGRlIGxvcyBhdXRvcmVz4oCdLCBsb3MgY3VhbGVzIHNvbiBpcnJlbnVuY2lhYmxlcywgaW1wcmVzY3JpcHRpYmxlcywgaW5lbWJhcmdhYmxlcyBlIGluYWxpZW5hYmxlcy4K