Comparación de métodos de identificación de modelos ARMA
Citas bibliográficas
Enlace de Referencia
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Fecha
Resumen
En el modelamiento de series de tiempo, la identificación de las órdenes de un modelo es crucial, porque es la base para el entendimiento de la serie y para el pronóstico. En los últimos treinta años han surgido métodos que se basan en patrones de la función de autocorrelación o en los valores propios de la matriz de covarianzas. Este artículo compara seis de ellos, evaluando su identificación de series que siguen modelos Auto-Regresivos y ARMA. Para AR puros los mejores métodos de identificación fueron, en su orden, ESACF, 'SCAN a' y AIC; para modelos ARMA no hubo ningún modelo que sobresaliera, el máximo porcentaje de identificación correcta fue de 4.5% para el método AIC. El desempeño general fue bastante pobre, el porcentaje de identificación correcta promedio fue de 20% y 2% para los modelos AR y ARMA respectivamente.