Univariate Conditional Distributions of an Open-Loop TAR Stochastic Process

• FABIO H. NIETO ^[1] ; EDNA C. MORENO ^[2]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
  2. [2] Universidad Santo Tomás

     Universidad Santo Tomás

     Santiago, Chile

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 39, Nº. 2, 2016, págs. 149-165
• Idioma: inglés
• DOI: 10.15446/rce.v39n2.58912
• Títulos paralelos:
  • Distribuciones condicionales univariadas de un proceso estocástico TAR sin retroalimentación
• Enlaces
  • Texto completo
• Resumen
  • español

    En trayectorias de un proceso estocástico autoregresivo de umbrales (TAR), sin retroalimentación, se observan conglomerados de valores extremos. Con el fin de caracterizar el mecanismo probabilístico que los genera, en este artículo se estudian tres tipos de distribuciones marginales condicionales del proceso subyacente. Uno de ellos permite encontrar la función de varianza condicional que explica ese hecho estilizado del proceso. Como un resultado adicional, se obtiene una condición suficiente para determinar estacionariedad débil asintótica, de un proceso TAR sin retroalimentación.

  • English

    Clusters of large values are observed in sample paths of certain open-loop threshold autoregressive (TAR) stochastic processes. In order to characterize the stochastic mechanism that generates this empirical stylized fact, three types of marginal conditional distributions of the underlying stochastic process are analyzed in this paper. One allows us to find the conditional variance function that explains the aforementioned stylized fact. As a by-product, we are able to derive a sufficient condition to have asymptotic weak stationarity in an open-loop TAR stochastic process.

• Referencias bibliográficas
  • Billingsley, P.. (1995). Probability and Measure. John Wiley & Sons, Inc..
  • Bollerslev, T.. (1986). 'Generalized autoregressive conditional heteroskedasticity'. Journal of Econometrics. 31. 307-327
  • Brockwell, P.,Davis, R.. (1991). Time Series: Theory and Methods. Springer-Verlag.
  • Chen, R.,Tsay, R.. (1991). 'On the ergodicity of TAR(1) processes '. The Annals of Applied Probability. 1. 613-634
  • Engle, R.. (1982). 'Autoregressive conditional heteroscedasticity with estimates of the variance of the United Kingdom inflation'....
  • Hoyos, N.. (2006). Una aplicación del modelo no lineal tar en economía.
  • Li, D.,Ling, S.,Tong, H.. (2012). 'On moving-average models with feedback'. Bernoulli. 18. 735-745
  • Moreno, E.. (2011). Una aplicación del modelo tar en series de tiempo financieras.
  • Moreno, E.,Nieto, F.. (2014). 'Modelos TAR en series de tiempo financieras'. Comunicaciones en Estadística. 7. 223-243
  • Morettin, P.. (2008). Econometria Financeira-Um Curso em Séries Temporais Financeiras. Editora Blucher.
  • Nieto, F.. (2005). 'Modeling Bivariate Threshold Autoregressive Processes in the Presence of Missing Data'. Communications in Statistics:...
  • Nieto, F.. (2008). 'Forecasting with univariate TAR models'. Statistical Methodology. 5. 263-276
  • Nieto, F.,Zhang, H.,Li, W.. (2013). 'Using the Reversible Jump MCMC procedure for identifying and estimating univariate TAR models'....
  • Petruccelli, J.,Woolford, S.. (1984). 'A Threshold AR(1) Model'. Journal of Applied Probability. 21. 270-286
  • Shao, J.. (2003). Mathematical Statistics. Springer-Verlag.
  • Tong, H.. (1978). On a threshold model. 'Pattern Recognition and Signal Processing'. 575-586
  • Tong, H.. (1990). Nonlinear Time Series. Oxford University Press.
  • Tong, H.. (2011). 'Threshold models in time series analysis-30 years on'. Statistics and Its Interface. 28. 107-118
  • Tsay, R.. (1998). 'Testing and modeling multivariate threshold models'. Journal of the American Statistical Association. 93. 1188-1202
  • Wong, C.,Li, W.. (2000). 'On a mixture autoregressive model'. Journal of the Royal Statistical Society B. 62. 95-115