Identicação da ordem de um processo auto-regressivo estacionário

Abstract

Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-se técnicas de estimação e identificação da ordem de séries temporais auto-regressivas com inovação α-estável. Apresentamos também um estudo de simulações de Monte Carlo e uma aplicação à dados observados.

This study analyzes the performance of the model selection criteria in stationary and ergodic autoregressive processes, when innovation comes from independent and identically distributed random variables with α-stable distribution. The model selection criteria studied here were: Akaike’s Information Criterion (AIC), Bayesian Information Criterion (BIC), Hannan-Quinn Criterion (HQC) and Efficient Determination Criterion (EDC). In theoretical foundation, we present estimation and identification techniques for the order of autoregressive time series with α-stable innovations. We also present a study of Monte Carlo’s simulations and an application to the observed data.