Extensión metodológica de un modelo econométrico de tipo AR en tiempo continuo con coeficientes aleatorios

Abstract

El propósito de este trabajo final de maestría es estudiar una extensión metodológica al modelo econométrico de tipo autorregresivo (AR) en tiempo continuo con coeficientes aleatorios planteado por Tao, Phillips y Yu (2019). Para ello, se presenta la propuesta de Hoyos, Gómez y Cárdenas-Sánchez (2025) de un modelo autorregresivo de segundo orden en tiempo continuo con coeficientes aleatorios, su representación discreta exacta y un primer método de estimación. Además, se realiza un análisis teórico para caracterizar el proceso estocástico modelado y se estudia el desempeño del método de estimación en muestras finitas mediante un experimento Monte Carlo para dos escenarios de interés en el campo de las finanzas, a saber, un escenario subamortiguado y otro sobreamortiguado. Los resultados muestran que el método de estimación exhibe un mejor desempeño para series de tiempo con tamaños de muestra grandes. (Texto tomado de la fuente)

The aim of this master’s thesis is to study a methodological extension of the continuous-time autoregressive (AR) econometric model with random coefficients proposed by Tao, Phillips, and Yu (2019). To this end, we present the model proposed by Hoyos, Gómez, and Cárdenas-Sánchez (2025), consisting of a second-order continuous-time autoregressive model with random coefficients, its exact discrete-time representation, and an initial estimation method. In addition, a theoretical analysis is conducted to characterize the underlying stochastic process, and the finite-sample performance of the estimation method is evaluated through a Monte Carlo experiment under two scenarios of interest in finance, namely, an underdamped and an overdamped regime. The results indicate that the estimation method performs better for time series with large sample sizes.