Outliers em Modelos de Fatores Dinâmicos de Alta Dimensão

• Processo: 24/20677-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2025
• Data de Término da vigência: 01 de março de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Luiz Koodi Hotta
• Beneficiário: Cauã Pereira Masseu
• Supervisor: Pedro Galeano
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Universidad Carlos Iii De Madrid, Campus De Getafe, Espanha
• Vinculado à bolsa: 24/08171-3 - Análise da Robustez de Alguns Métodos Aplicados a Séries Temporais Aplicados a Finanças, BP.IC
• Assunto(s): Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: alta dimensão | estimação robusta | Modelos de fatores dinâmicos | Valores aberrantes | Séries Temporais

Resumo

Séries temporais de alta dimensão têm se tornado cada vez mais comuns em diversas áreas. Por exemplo, elas são prevalentes em climatologia, onde medições são feitas em vários locais, assim como em dados econômicos em painel e em finanças. Uma abordagem popular para modelar esses tipos de séries, a fim de superar a chamada "maldição da dimensionalidade", é o uso de modelos de fatores. Por outro lado, uma característica comum em observações de séries temporais é a presença de outliers. Para lidar com essa questão, as abordagens mais utilizadas são métodos robustos ou modelos que explicitamente consideram outliers, sendo que a última abordagem requer a detecção inicial desses desvios.Galeano e Peña (2024) [Detecting Outliers in High-Dimensional Time Series by Dynamic Factor Models. In Barigozzi, M., Hörmann, S., and Paindaveine, D., editores, Recent Advances in Econometrics and Statistics: Festschrift in Honour of Marc Hallin] adotam a primeira abordagem. O objetivo desta visita é discutir este artigo com o primeiro autor, examinar sua robustez em relação a outros tipos de outliers além dos discutidos no estudo, e explorar duas extensões: (1) desenvolver métodos que sejam robustos a uma gama mais ampla de tipos de outliers, incluindo outliers variáveis no tempo, e (2) modelar heteroscedasticidade condicional e outliers em Modelos de Fatores Dinâmicos (DFMs).