Estimación robusta de la función de autocorrelación

• Autores: Bonifazi, Fernanda; Méndez, Fernanda
• Año de publicación: 2014
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: n.d.; n.d.; n.d.
• Institución: Universidad Nacional de Rosario

En este trabajo se aborda el problema de la robustez de la función de autocorrelación muestral, y se proponen dos estimadores: uno basado en un estimador robusto de escala y la función de autocorrelación truncada. Se realiza un estudio de simulaciones para investigar y comparar el comportamiento del estimador clásico -FACM- y estos dos nuevos estimadores en procesos contaminados con valores atípicos. Se observa que la FACM no es resistente a la presencia de observaciones extremas y se confirma la robustez de la FACMR en situaciones con outliers de diferentes magnitudes. Por lo tanto, dado que en la práctica se suele desconocer la existencia de valores extremos, se aconseja calcular conjuntamente el estimador clásico y los estimadores robustos de la función de autocorrelación. Si dichas estimaciones son similares, se puede asumir que el efecto de los valores atípicos es insignificante. Por el contrario, si son significativamente diferentes, se debe actuar con cuidado. Queda pendiente el análisis del desempeño de estos estimadores en presencia de múltiples datos atípicos en la serie y en el caso de procesos con estacionalidad.
The autocorrelation function plays an important role in time series analysis. It is often used to study the underlying dependence structure of the process (Wei, 2006; Brockwell and Davis, 1991). This is an important step in constructing an appropriate mathematical model for the data. Therefore, it is important to have a sample autocorrelation function which remains close to the true underlying autocorrelation function, even when outliers are present in the data. Otherwise, important goals of the time series analysis, such as inference and forecasting, can be non-informative. Unfortunately, widely used sample autocorrelation function based on the method of moments (SACF) is not robust. The presence of outliers can greatly distort the whole picture of SACF and lead to an erroneous identification of the underlying process. In this paper we propose to study two new estimators: one based on a robust estimator of scale (Ma & Genton, 1998) and the trimmed sample autocorrelation function (Chan & Wei, 1992). The performance of the new estimators and the classical estimator -FACM/SACF - are compared in a simulation study
Fil: Fil: Bonifazi, Fernanda Facultad Ciencias Económicas y Estadística; Universidad Nacional de Rosario; Argentina