A Note about Detection of Additive Outliers with Fractional Errors

Descripción del Articulo

Perron y Rodríguez (2003) argumentan que su procedimiento para detectar outliers aditivos (_ d) es potente aún cuando hay desviaciones del caso de raíz unitaria. En esta nota usamos simulaciones de Monte Carlo para mostrar que Td es potente cuando los errores son de tipo ARFIMA (p; d; q). Usando dic...

Descripción completa

Detalles Bibliográficos
Autores: Rodríguez, Gabriel, Ramírez, Dionisio
Formato: documento de trabajo
Fecha de Publicación:2013
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.pucp.edu.pe:20.500.14657/46996
Enlace del recurso:http://repositorio.pucp.edu.pe/index/handle/123456789/46996
Nivel de acceso:acceso abierto
Materia:Outliers aditivos
Errores ARFIMA
Detección de Outliers aditivos
http://purl.org/pe-repo/ocde/ford#5.02.00
id RPUC_7677bcb11283f2351363d9bba0e2d152
oai_identifier_str oai:repositorio.pucp.edu.pe:20.500.14657/46996
network_acronym_str RPUC
network_name_str PUCP-Institucional
repository_id_str 2905
spelling Rodríguez, GabrielRamírez, Dionisio2015-03-19T20:37:55Z2015-03-19T20:37:55Z2013http://repositorio.pucp.edu.pe/index/handle/123456789/46996Perron y Rodríguez (2003) argumentan que su procedimiento para detectar outliers aditivos (_ d) es potente aún cuando hay desviaciones del caso de raíz unitaria. En esta nota usamos simulaciones de Monte Carlo para mostrar que Td es potente cuando los errores son de tipo ARFIMA (p; d; q). Usando dichas simulaciones, calculamos el número esperado de outliers aditivos hallados en este contexto y el número de veces que el método Td identifica la verdadera localización de los outliers aditivos. Los resultados muestran que la potencia del procedimiento Td depende del tamaño de los outliers. Cuando tenemos un PGD con outliers de gran tamaño, el porcentaje de veces que Td detecta correctamente la posición de los outliers es 100%. Una comparación entre Td y le procedimiento TRAMO-SEATS es incluído como ilustración.Perron and Rodríguez (2003) claimed that their procedure to detect for additive outliers (_ d) is powerful even when we have departures from the unit root case. In this note, we use Monte-Carlo simulations to show that Td is powerful when we have ARFIMA (p; d; q) errors. Using simulations, we calculate the expected number of additive outliers found in this context and the number of times that the approach Td identifies the true location of the additive outliers. The results indicate that the power of the procedure Td depends of the size of the additive outliers. When we have a DGP with big sized additive outliers the percentage of time that Td detects correctly the location of the additive outliers is 100.0%. A comparison between Td and the procedure TRAMO-SEATS is also included.spaPontificia Universidad Católica del Perú. Departamento de EconomíaPEurn:issn:2079-8466urn:issn:2079-8474Documento de Trabajo;355info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Outliers aditivosErrores ARFIMADetección de Outliers aditivoshttp://purl.org/pe-repo/ocde/ford#5.02.00A Note about Detection of Additive Outliers with Fractional ErrorsUna Nota sobre la Detección de Observaciones Atípicas Aditivas con Errores Fraccionalesinfo:eu-repo/semantics/workingPaperDocumento de trabajoreponame:PUCP-Institucionalinstname:Pontificia Universidad Católica del Perúinstacron:PUCPhttps://orcid.org/0000-0003-1174-9642ORIGINALn_355.pdfn_355.pdfapplication/pdf531800https://repositorio.pucp.edu.pe/bitstreams/9b0797ec-fa27-4bb8-83f9-52391415b49a/downloadb20db714fde43826b47237e3071905a4MD51trueAnonymousREADTEXTn_355.pdf.txtn_355.pdf.txtExtracted texttext/plain52026https://repositorio.pucp.edu.pe/bitstreams/8e3a502b-f7c1-4691-b3b7-ca62b1a90127/download0c89cc990be30a6ce400de5177aa17acMD56falseAnonymousREADTHUMBNAILn_355.pdf.jpgn_355.pdf.jpgIM Thumbnailimage/jpeg20064https://repositorio.pucp.edu.pe/bitstreams/4e9f58dc-9bfd-4c2a-8165-05177460d84b/download5fa5adec82fa88625d25485b2c0d6293MD57falseAnonymousREAD20.500.14657/46996oai:repositorio.pucp.edu.pe:20.500.14657/469962024-10-05 12:44:02.625http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.pucp.edu.peRepositorio Institucional de la PUCPrepositorio@pucp.pe
dc.title.es_ES.fl_str_mv A Note about Detection of Additive Outliers with Fractional Errors
dc.title.alternative.es_ES.fl_str_mv Una Nota sobre la Detección de Observaciones Atípicas Aditivas con Errores Fraccionales
title A Note about Detection of Additive Outliers with Fractional Errors
spellingShingle A Note about Detection of Additive Outliers with Fractional Errors
Rodríguez, Gabriel
Outliers aditivos
Errores ARFIMA
Detección de Outliers aditivos
http://purl.org/pe-repo/ocde/ford#5.02.00
title_short A Note about Detection of Additive Outliers with Fractional Errors
title_full A Note about Detection of Additive Outliers with Fractional Errors
title_fullStr A Note about Detection of Additive Outliers with Fractional Errors
title_full_unstemmed A Note about Detection of Additive Outliers with Fractional Errors
title_sort A Note about Detection of Additive Outliers with Fractional Errors
author Rodríguez, Gabriel
author_facet Rodríguez, Gabriel
Ramírez, Dionisio
author_role author
author2 Ramírez, Dionisio
author2_role author
dc.contributor.author.fl_str_mv Rodríguez, Gabriel
Ramírez, Dionisio
dc.subject.es_ES.fl_str_mv Outliers aditivos
Errores ARFIMA
Detección de Outliers aditivos
topic Outliers aditivos
Errores ARFIMA
Detección de Outliers aditivos
http://purl.org/pe-repo/ocde/ford#5.02.00
dc.subject.ocde.none.fl_str_mv http://purl.org/pe-repo/ocde/ford#5.02.00
description Perron y Rodríguez (2003) argumentan que su procedimiento para detectar outliers aditivos (_ d) es potente aún cuando hay desviaciones del caso de raíz unitaria. En esta nota usamos simulaciones de Monte Carlo para mostrar que Td es potente cuando los errores son de tipo ARFIMA (p; d; q). Usando dichas simulaciones, calculamos el número esperado de outliers aditivos hallados en este contexto y el número de veces que el método Td identifica la verdadera localización de los outliers aditivos. Los resultados muestran que la potencia del procedimiento Td depende del tamaño de los outliers. Cuando tenemos un PGD con outliers de gran tamaño, el porcentaje de veces que Td detecta correctamente la posición de los outliers es 100%. Una comparación entre Td y le procedimiento TRAMO-SEATS es incluído como ilustración.
publishDate 2013
dc.date.accessioned.none.fl_str_mv 2015-03-19T20:37:55Z
dc.date.available.none.fl_str_mv 2015-03-19T20:37:55Z
dc.date.issued.fl_str_mv 2013
dc.type.none.fl_str_mv info:eu-repo/semantics/workingPaper
dc.type.other.none.fl_str_mv Documento de trabajo
format workingPaper
dc.identifier.uri.none.fl_str_mv http://repositorio.pucp.edu.pe/index/handle/123456789/46996
url http://repositorio.pucp.edu.pe/index/handle/123456789/46996
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.none.fl_str_mv urn:issn:2079-8466
urn:issn:2079-8474
dc.relation.ispartofseries.es_ES.fl_str_mv Documento de Trabajo;355
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú. Departamento de Economía
dc.publisher.country.none.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Institucional
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Institucional
collection PUCP-Institucional
bitstream.url.fl_str_mv https://repositorio.pucp.edu.pe/bitstreams/9b0797ec-fa27-4bb8-83f9-52391415b49a/download
https://repositorio.pucp.edu.pe/bitstreams/8e3a502b-f7c1-4691-b3b7-ca62b1a90127/download
https://repositorio.pucp.edu.pe/bitstreams/4e9f58dc-9bfd-4c2a-8165-05177460d84b/download
bitstream.checksum.fl_str_mv b20db714fde43826b47237e3071905a4
0c89cc990be30a6ce400de5177aa17ac
5fa5adec82fa88625d25485b2c0d6293
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la PUCP
repository.mail.fl_str_mv repositorio@pucp.pe
_version_ 1835639021515046912
score 13.871716
A Note about Detection of Additive Outliers with Fractional Errors
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares