BOOTSTRAP IMPLEMENTATION IN THE PARAMETERS ESTIMATION OF ARFIMA MODELS AND MONTECARLO SIMULATIONS

• Main Author: LEONARDO ROCHA SOUZA
• Other Authors: REINALDO CASTRO SOUZA
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 1997
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8695@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8695@2

CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO === Nesta tese de mestrado, foram analisados aspectos, propriedades, utilidade e desempenho do bootstrap, um método de reamostragem, na estimação de um parâmetro relacionado à memória longa, ou longa dependência, em séries temporais. Entre outras coisas, obtém-se estimativas do desvio-padrão do estimador do parâmetro, e um teste de hipóteses para o parâmetro. O bootstrap pode conseguir propriedades de grandes amostras a partir de um número pequeno de observações. O procedimento do bootsptrap consiste de reamostrar, com reposição, da amostra original um número grande de amostras do mesmo tamanho. A longa dependência ou memória longa (long memory) pode se caracterizado por um lento decaimento das autocorrelações conforme cresce o valor do lag. A longa dependência pode ser estudada por modelos ARIMA (p,d,q.), com o parâmetro d, relativo integração a ser feita em ruídos brancos na construção da série (ARFIMA), assumindo valor fracionário. Este trabalho está relacionado com o uso do bootstrap na estimação do parâmetro d fracionário dos modelos ARFIMA (p,d,q). === This thesis treats features, properties, utility and performance of the use of bootstrap, a resample techique, in the estimation of a parameter related to long memory in times. Among other things, we estimate the standard deviation of the parameter estimator and define a null hypothesis test for the parameter. With bootstrap, we can get large sample properties from a small sample. It consists of many resamples, with reposition, of the original sample, all with the same size as the original. Long memory can be featured by a small decay of the autocorrelations as the lag tends to infinity. Long memory can be studied by ARIMA (p,d,q) models with the d parameters assuming a fractional value (ARFIMA). This work concerns the use of bootstrap in the estimation of the fractional d parameter of ARFIMA (p,d,q) models.