Show simple item record

dc.contributor.authorKirchner, Rosane M.pt_BR
dc.contributor.authorSouza, Reinaldo Castropt_BR
dc.contributor.authorZiegelmann, Flavio Augustopt_BR
dc.date.accessioned2014-11-29T02:20:59Zpt_BR
dc.date.issued2008pt_BR
dc.identifier.issn0101-7438pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/107582pt_BR
dc.description.abstractEste estudo trata da utilização de uma metodologia para identificação da estrutura de séries temporais não lineares (ou lineares) baseada na estimação não e semi-paramétrica de curvas em modelos do tipo Yt=E(Yt|Xt) +εt , onde Xt=(Yt-1,Yt-2,...,Yt-d), d=1,2,.... Aqui, a esperança condicional é estimada de modo totalmente não-paramétrico ou através de um modelo (semi-paramétrico) aditivo. Especificamente, a função desconhecida será estimada através de regressões lineares locais, via estimadores núcleo. Com a metodologia proposta, verificamos que a “função de dependência da defasagem” (FDD) e a “função de dependência parcial da defasagem” (FDPD) conseguem captar estruturas não-lineares em séries temporais, generalizando as tradicionais funções de autocorrelação (FAC) e autocorrelação parcial (FACP). Os estudos de simulação foram conduzidos de forma a avaliar e comparar a metodologia proposta com metodologias já existentes. Para dados reais a metodologia proposta foi exemplificada com uma série diária de preços da ação Petrobras PN.pt_BR
dc.description.abstractThis paper suggests an approach for the identification of the structure of both linear and non-linear time series through semi-parametric estimation of the unknown curves in models of the type Yt=E(Yt| Xt ) +εt , where Xt=(Yt-1,Yt-2,...,Yt-d), d=1,2,…. The conditional expectation is estimated either in a fully nonparametric fashion or via additive (semi-parametric) models. Specifically, the unknown function will be estimated by local linear regression, with kernel estimators. Under the proposed methodology, it was verified that the Lag Dependence Function (LDF) and the Partial Lag Dependence Function (PLDF) are capable of identifying non-linear structures in time series, generalizing the traditional autocorrelation and partial autocorrelation functions. The simulation studies were conducted to evaluate and compare the proposed methodology to traditional ones. The approach was illustrated with the study of the structure of a time series of prices of Petrobras PN’S shares.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.relation.ispartofPesquisa Operacional. Rio de Janeiro. Vol. 28, n. 1 (jan./abr. 2008), p. 45-57pt_BR
dc.rightsOpen Accessen
dc.subjectSéries temporaispt_BR
dc.subjectTime seriesen
dc.subjectNonparametric regressionen
dc.subjectEstatistica nao parametricapt_BR
dc.subjectKernel smoothingen
dc.titleIdentificação de estruturas não-lineares de séries temporais através de regressão linear local e modelos aditivospt_BR
dc.typeArtigo de periódicopt_BR
dc.identifier.nrb000657451pt_BR
dc.type.originNacionalpt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record