Aviso: para depositar documentos, por favor, inicia sesión e identifícate con tu cuenta de correo institucional de la UCM con el botón MI CUENTA UCM. No emplees la opción AUTENTICACIÓN CON CONTRASEÑA
 

A generalized least squares estimation method for Vector Moving Average Models.

dc.contributor.authorFlores de Frutos, Rafael
dc.contributor.authorSerrano García, Gregorio
dc.date.accessioned2023-06-21T01:38:50Z
dc.date.available2023-06-21T01:38:50Z
dc.date.issued1996
dc.description.abstractSe propone un nuevo método lineal para la estimación de modelos VMA. Este método tiene como característica principal, la de considerar explicitamente la estructura estocástica de los errores de aproximación que se cometen al sustituir las innovaciones del VMA por residuos obtenidos a partir de la estimación de un VAR de orden elevado.
dc.description.abstractA new GLS procedure for estimating VMA models is proposed. Its main feature is to consider explicitly the stochastic structure of the approximation errors arising when lagged VMA innovations are replaced with lagged residuals from a long VAR.
dc.description.facultyFac. de Ciencias Económicas y Empresariales
dc.description.facultyInstituto Complutense de Análisis Económico (ICAE)
dc.description.refereedTRUE
dc.description.statuspub
dc.eprint.idhttps://eprints.ucm.es/id/eprint/30784
dc.identifier.relatedurlhttps://www.ucm.es/icae
dc.identifier.urihttps://hdl.handle.net/20.500.14352/64244
dc.issue.number11
dc.language.isoeng
dc.page.total11
dc.publication.placeMadrid, España
dc.publisherFacultad de Ciencias Económicas y Empresarias. Instituto Complutense de Análisis Económico (ICAE).
dc.relation.ispartofseriesDocumentos de Trabajo del Instituto Complutense de Análisis Económico (ICAE)
dc.rightsAtribución-NoComercial 3.0 España
dc.rights.accessRightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by-nc/3.0/es/
dc.subject.jelC32
dc.subject.keywordModelos VMA
dc.subject.keywordEstructura estocástica
dc.subject.keywordErrores de aproximación.
dc.subject.keywordEstimating VMA models
dc.subject.keywordStochastic structure
dc.subject.keywordApproximation errors.
dc.subject.ucmAnálisis Multivariante
dc.subject.ucmEconometría (Economía)
dc.subject.unesco1209.09 Análisis Multivariante
dc.subject.unesco5302 Econometría
dc.titleA generalized least squares estimation method for Vector Moving Average Models.
dc.typetechnical report
dc.volume.number1996
dcterms.referencesHannan, E.J. and J. Rissanen. 1982. Recursive estimation of mixed autoregressive-moving average order, Biometrica 69, 81-94. Hillmer, S. and G. Tiao. 1979. Likelihood function of stationary multiple autoregressive moving average models, Journal of the American Statiatical Association, 74, 652-60. Koreisha, S.G. and T.H. Pukkila. 1989. Fast linear estimation methods for vector autoregressive moving-average models. Journal of Time Series Analysis, 10, 325-39. Koreisha, S.G. and T.H. Pukkila. 1990. A generalized least-squares approach for estimation of autoregressive moving-average models, Journal of Time Series Analysis, 11, 139-51. Spliid, H. 1983. A fast estimation method for the vector autoregressive moving average model with exogenous variables, Journal of the American Statistical Association 78, 843-49.
dspace.entity.typePublication
relation.isAuthorOfPublication65ac699a-1fc2-40a1-9117-5f9a0361fd89
relation.isAuthorOfPublication.latestForDiscovery65ac699a-1fc2-40a1-9117-5f9a0361fd89

Download

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
ICAE9611.pdf
Size:
210.12 KB
Format:
Adobe Portable Document Format