Modelos dinâmicos para séries temporais positivas

• Ano de defesa: 2022
• Autor(a) principal: Carlos, Jonas Hendler
• Orientador(a): Prass, Taiane Schaedler
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Séries temporais; Modelos dinâmicos; Maxima verossimilhanca; Simulação de Monte Carlo
• Link de acesso: http://hdl.handle.net/10183/249909

Baseado em trabalhos de Ferrari and Cribari-Neto (2004), Rocha and Cribari-Neto (2009), Pumi et al. (2019b) e Bourguignon et al. (2021), este trabalho propõe a construção de modelos autoregressivos de médias móveis em que a resposta tem distribuição condicional parametrizada através da média e, potencialmente, de um parâmetro (geralmente a dispersão/precisão) não dependente do tempo. O modelo proposto é aplicável nas situações em que a variável de interesse é contínua, pertencente ao intervalo (0, ∞) e possivelmente relacionada com um vetor de covariáveis por meio de uma estrutura de regressão no estilo GLM. A principal vantagem desta parametrização é que ela permite uma interpretação direta da dinâmica da média em função dos regressores. A estimação dos coeficientes do modelo é realizada através do método de máxima verossimilhança parcial (PMLE). Testes de hipótese são conduzidos considerando-se a distribuição assintótica dos estimadores PMLE. Simulações de Monte Carlo são conduzidas para estudar o comportamento dos modelos propostos em amostras finitas. O estudo investiga as propriedades do PMLE, bem como o desempenho preditivo dos modelos dentro (in-sample) e fora da amostra (out-of-sample), tanto no caso de especificação correta quanto de má especificação da distribuição condicional. Para finalizar, uma aplicação a dados reais é proposta para ilustrar a utilização dos modelos dinâmicos.