Modelos autorregressivos com memória variável

Orientador: Nancy Lopes Garcia Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica Resumo: Neste trabalho, iremos considerar modelos autorregressivos com memória variável estacionários (AR-MV). Em particular, consideraremos modelos cuja memória depende do valor do primeiro antecessor, Yt-1, pertencer a uma partição da reta determinada por um parâmetro 'ALFA' (escalar ou vetorial), chamado de parâmetro limiar. O objetivo deste trabalho é estimar o parâmetro limiar 'ALFA' através de uma adaptação do método proposto por Hansen (2000). A ideia do método é minimizar a soma dos quadrados dos erros estimando, sequencialmente, os coeficientes 'BETA' do modelo autorregressivo (AR) supondo primeiramente que 'ALFA' é conhecido, e depois estimar o parâmetro 'ALFA' utilizando o valor estimado '^BETA' até atingir a convergência. A comparação dos modelos AR-MV com os respectivos AR foi feita através da capacidade de previsão de cada um deles Abstract: In this paper, we consider stationary autoregressive models with variable memory (AR-MV). In particular, we consider models whose memory depends on the value of the first ancestor, Yt-1, to belong to a partition of the line determined by a parameter 'ALPHA' (scalar or vector), called the threshold parameter. The objective of this study is to estimate the threshold parameter 'ALPHA' by adapting the method proposed by Hansen (2000). The idea of the method is to minimize the sum of squared errors by estimating sequentially the coefficients 'BETA' of the autoregressive model (AR) assuming first that 'ALPHA' is known, and then estimate the parameter 'ALPHA' using the estimated value of '^BETA' until convergence is achieved. The comparison of the AR-MV with the respective AR was performed by the ability to predict each Mestrado Estatística Mestre em Estatística