Resumen del trabajo fin de master



Título: Estimación no paramétrica de la función varianza condicional con errores dependientes. Un estudio de simulación
Universidad que ofrece el proyecto: Universidade da Coruña
Director/a:
Francisco Fernández, Mario
Resumen:
Considerando un modelo de regresión heterocedástico donde la función de regresión y la función de volatilidad son desconocidas, se plantea el problema principal de estimar la función de varianza condicional. Distintos estimadores no paramétricos han sido estudiados en la literatura para llevar a cabo este proceso (Härdle y Tsybakov, 1997; Fan y Yao, 1998; Ruppert et al., 1997; Ziegelamann, 2002; Vilar-Fernández y Francisco-Fernández, 2006). En el presente TFM se pretende, por una parte, elaborar un paquete en R que incluya las técnicas ya desarrolladas y, por otra parte, comparar varios de estos procedimientos mediante un completo estudio de simulación, considerando distintos modelos de regresión, tamaños muestrales y extendiendo el estudio al caso de errores dependientes. El TFM se acompañará de la correspondiente documentación y revisión bibliográfica. Referencias Fan, J. y Yao, Q. (1998). Efficient estimation of conditional variance functions in stochastic regression. Biometrika, 85, 645–660. Härdle, W. y Tsybakov, A. (1997). Local polynomial estimators of the volatility function in nonparametric autoregression. Journal of Econometrics, 81, 223–242. Ruppert, D., Wand, M.P., Holst, U. and Hössjer, O. (1997). Local polynomial variance-function estimation. Technometrics, 39(3), 262–273. Vilar-Fernández, J.M. y Francisco-Fernández, M. (2006). Nonparametric estimation of the conditional variance function with correlated errors. Journal of Nonparametric Statistics, 18(4-6), 375-391. Ziegelmann, F.A. (2002). Nonparametric estimation of volatility functions: the local exponential estimator. Econometric Theory, 18, 985–991.
Más información