Bogotá - Ciencias - Maestría en Ciencias - Estadística · 2023
Pronósticos basados en un modelo multivariado autorregresivo de umbrales (MTAR) con distribución de error t-Student multivariada desde el enfoque Bayesiano
En este trabajo se presenta un método que permite obtener los pronósticos basados en un modelo MTAR con distribución de error t-Student multivariada desde el enfoque Bayesiano. Para ello, se encuentra la distribución predictiva Bayesiana que incluye la incertidumbre sobre los verdaderos valores de los parámetros del modelo MTAR. El procedimiento planteado se basa en la obtención de muestras de la distribución predictiva para obtener el pronóstico puntual e intervalos de predicción del proceso de interés. El desempeño del algoritmo planteado se verifica a través de un estudio de simulación basado en tres modelos en donde se calcula el porcentaje de veces en que los valores verdaderos del proceso de salida se encuentran dentro del intervalo de predicción del 95% de la distribución predictiva. Posteriormente se presenta una aplicación a un conjunto de series de tiempo financieras donde se obtienen los pronósticos de los retornos de los índices Bovespa y Colcap usando como variable umbral los retornos del índice Standard and Poor's 500 y se comparan los pronósticos con los obtenidos por un modelo MTAR con distribución de error normal multivariada. (Texto tomado de la fuente)