Series de Tiempo

Modelos de memoria larga
Series de
Tiempo
Germán
Aneiros Pérez
Introducción
Procesos
FARIMA:
Construcción
e
identificación
Estimación
Diagnosis
Selección del
modelo
Predicción
Aplicación a
datos reales
Recapitulación
Procesos FARIMA: Construcción e identificación
La fas muestral ̂ρ k debe converger a cero muy lentamente,
en especial para retardos k grandes.
Para valores altos del retardo k, log (̂ρ k ) decrece
linealmente a medida que log (k) aumenta.
Esta propiedad distingue un proceso de memoria larga
FARIMA de uno no estacionario ARIMA, pues en este
último el decrecimiento lineal de log (̂ρ k ) es con k y no
con log (k).
Nota: Para procesos con memoria larga, no está garantizada la
normalidad asintótica de ̂ρ k . Esto implica que las bandas
±1.96/ √ T que por defecto se muestran en los gráficos de la
fas muestral pierden validez.
Germán Aneiros Pérez
Series de Tiempo