Analizando Series de Tiempo: El Secreto de los Modelos FARIMA con Errores No Independientes

Описание: Este estudio aborda los modelos FARIMA, herramientas estadísticas cruciales para analizar datos a lo largo del tiempo, especialmente aquellos que exhiben "memoria larga", donde los eventos pasados tienen un impacto prolongado. Estos modelos son fundamentales en campos como la hidrología, la climatología y, sobre todo, la economía y las finanzas. La investigación se centra en un escenario más realista y complejo, conocido como "FARIMA débil", donde los errores o el ruido del modelo están incorrelacionados pero no son necesariamente independientes, reflejando mejor la naturaleza de los datos financieros del mundo real.

El problema principal que resuelve el documento es que las pruebas de diagnóstico tradicionales, como las de Ljung-Box o Box-Pierce, a menudo fallan cuando se aplican a modelos con errores no independientes, lo que puede llevar a conclusiones erróneas sobre la validez del modelo. Para solucionar esto, los autores proponen versiones modificadas de estas pruebas y un enfoque de auto-normalización que funcionan de manera fiable en estas condiciones más complejas. Esto permite a los analistas verificar adecuadamente la idoneidad de sus modelos estadísticos sin depender de supuestos demasiado restrictivos.

Para demostrar la relevancia y efectividad de sus métodos, la investigación incluye estudios de simulación y una aplicación práctica a datos financieros reales. Se analizaron los rendimientos diarios de los índices bursátiles Standard & Poor's 500 y Nikkei, confirmando que los métodos propuestos son superiores a los tradicionales para el diagnóstico de modelos de series temporales. Este avance proporciona a economistas y analistas financieros herramientas más robustas y precisas para modelar y predecir el comportamiento de los mercados.


Link al paper: https://arxiv.org/pdf/1912.00013


Autores del estudio: Yacouba Boubacar Maïnassara (LMB), Youssef Esstafa (LMB), Bruno Saussereau (LMB)


Apoyanos en   / audioarxiv  


Unete en   / discord  


#estadística #Econometria #SeriesDeTiempo #FARIMA #Finanzas #Estadistica