Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributorNieto Sánchez, Fabio Humberto
dc.contributor.authorVaca González, Paola Andrea
dc.date.accessioned2019-07-02T23:22:09Z
dc.date.available2019-07-02T23:22:09Z
dc.date.issued2018-04-23
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/64780
dc.description.abstractAbstract: In this investigation, we analyze the forecasting performance of the threshold autoregressive (TAR) model. To this aim, we find the Bayesian predictive distribution from this model, and then, we conduct an out-of-sample forecasting exercise, where we compare forecasts from the TAR model with those from a linear model and nonlinear smooth transition autoregressive, self-exciting threshold autoregressive and Markov-switching autoregressive models. For this empirical forecast evaluation, we: i) use the U.S. and Colombian GDP, unemployment rate, industrial production index and inflation time series, which lead us to estimate and forecast forty models; and, ii) use evaluation criteria and statistical tests that are mostly employed in literature. We also compare the in-sample properties of the estimated models. For the overall comparison, we find a satisfactory performance of the TAR model in forecasting the chosen economic time series, and a shape changing characteristic in the Bayesian predictive distributions of this model that may capture the cycles in the economic time series. This gives important signals about the forecasting ability of the TAR model in the economic field.
dc.description.abstractResumen: En esta investigación, se analiza la capacidad de pronóstico del modelo Autorregresivo de Umbrales (TAR). Para esta finalidad, se encuentra la distribución predictiva Bayesiana, y luego, se conduce un ejercicio de pronóstico fuera de la muestra, donde se comparan los pronósticos del modelo TAR con auqellos de un modelo lineal y de los modelos no lineales Autorregresivo de Transición Suave, Autorregresivo de Umbrales Auto-Excitado y Autorregresivo de Cambio de Régimen. Para esta evaluación de pronósticos empírica, i) se utilizan las series del PIB, el desempleo, el índice de producción industrial y la inflación de Estados Unidos y Colombia, lo cual lleva a estimar y pronosticar cuarenta modelos; y, ii) se utilizan criterios y test estadísticos los cuales on ampliamente aplicados en la literatura. De igual manera, se comparan las propiedades dentro de la muestra de los modelos estimados. Para todo el ejercicio de comparación, se encuentra un comportamiento satisfactorio del modelo TAR para pronosticar las distintas series económicas, y se encuentra una característica de cambio de forma en la distribución predictiva del modelo TAR que puede capturar los ciclos presentados en las series económicas. Esto arroja importantes indicios sobre la capacidad de pronóstico del modelo TAR en el campo económico.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.relation.ispartofUniversidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de Estadística Estadística
dc.relation.ispartofEstadística
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc5 Ciencias naturales y matemáticas / Science
dc.subject.ddc51 Matemáticas / Mathematics
dc.titleAnalysis of the forecasting performance of the threshold autoregressive model
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/65786/
dc.description.degreelevelMaestría
dc.relation.referencesVaca González, Paola Andrea (2018) Analysis of the forecasting performance of the threshold autoregressive model. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalBayesian predictive distributions
dc.subject.proposalForecasts comparison
dc.subject.proposalThreshold autoregressive model
dc.subject.proposalLinear model
dc.subject.proposalNonlinear model
dc.subject.proposalDistribuciones predictivas Bayesianas
dc.subject.proposalComparación de pronósticos
dc.subject.proposalModelo autorregresivo de umbrales
dc.subject.proposalModelo lineal
dc.subject.proposalModelo no lineal
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit