Información extramuestral en modelos estructurales de series temporalesun enfoque bayesiano

Resumen

Uno de los elementos del análisis de coyuntura es la extracción y evaluación de la tendencia que subyace tras la serie de datos observados. La estimación de este componente de tendencia presenta problemas cuando la longitud de la serie es corta. Una posible solución consiste en incluir información no muestral sobre la naturaleza de la tendencia. En esta Tesis Doctoral se desarrolla un método de estimación para series cortas dentro del marco de Modelos Estructurales de Series Temporales. Los objetivos son: - formulación de un Modelo en el Espacio de los Estados en el que se incorporan a priori condiciones sobre el comportamiento de su vector estado, atendiendo en especial a su aplicación sobre el componente de tendencia. - análisis de las características del estimador. Evaluación de sus ventajas. Desarrollo del mecanismo de estimación. - aplicación a series y evaluación de sus resultados en la práctica. Como resultado general, se tiene un modelo en el que las creencias sobre el comportamiento de la tendencia pueden reflejarse en una distribución a priori sobre los parámetros que rigen la tendencia. Con esta distribución se limita la variabilidad de la tendencia. Otros resultados han sido: - en tendencias localmente lineales se tiende a sobreestimar uno de los parámetros de variabilidad de la tendencia en muestras pequeñas. - se muestran las ventajas de una correcta formulación de la distribución a priori. Especialmente en muestras por debajo de 60-70 observaciones, la aportación de la verosimilitud a la distribución posterior de los parámetros es pequeña. - se propone un estimador bajo la información a priori. La distribución muestral de este estimador está más concentrada alrededor del verdadero parámetro que la distribución de un estimador de uso común, el máximo-verosimil. Se aplica un método de estimación de los parámetros fácil de computar. - la aplicación sobre