Estimación robusta en modelos arma multivariados

• Autores: Martínez, Elena Julia
• Año de publicación: 1999
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Yohai, Víctor J.
• Materia: PROCESOS ARMA VECTORIALES; ESTIMACION ROBUSTA; TEST DE BONDAD DE AJUSTE; VECTOR ARMA MODELS; ROBUST ESTIMATION; GOODNES OF FIT TEST
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

En este trabajo se proponen estimadores robustos para modelos autoregresivospromedios móviles multivariados (VARMA), que son una generalización afínequivariante de los RA-estimadores para modelos ARMA univariados (Bustos & Yohai (1986)). Los estimadores propuestos tienen distribución asintótica normal y, cuandolas innovaciones tienen distribución elíptica, su matriz de covarianza asintótica difierede la de los estimadores de máxima verosimilitud en un factor escalar. Un estudio de Monte Carlo confirma que son eficientes bajo innovaciones normales y robustos enpresencia de outliers aditivos. Se deriva asimismo un test de bondad de ajustemultivariado robusto basado en los estimadores propuestos.
Bustos & Yohai (1986) proposed a class of robust estimates for ARMA models based onresidual autocovariances (RA-estimates). In this work an affine equivariant generalizationof the RA-estimates for vector autoregressive moving average processes (VARMA) ispresented. These estimates are asymptotically normal and in the case that the innovationshave elliptical distribution, their asymptotic covariance matrix differs only by a scalarfactor from the one corresponding to the maximum likelihood estimate. A Monte Carlostudy confirms that the RA-estimates are efficient under normal errors and robust whenthe sample contains additive outliers. A robustified multivariate goodness-of-fit test isalso obtained.
Fil: Martínez, Elena Julia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.