Estimação e Previsão em Modelos de Fatores Dinâmicos de Alta Dimensão na Presença de Outliers

• Processo: 25/07456-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 31 de dezembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Luiz Koodi Hotta
• Beneficiário: Cauã Pereira Masseu
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/02538-0 - Séries temporais, ondaletas, dados de alta dimensão e aplicações, AP.TEM
• Assunto(s): Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Efeito de outliers | Métodos robustos | Redução de dimensionalide | Séries Temporais

Resumo

O projeto investiga a robustez de modelos de fatores dinâmicos aplicados a séries temporais, com ênfase na presença de outliers. Avalia-se o desempenho do método de detecção de outliers de Galeano e Pena (2024} (Detecting outliers in high-dimensional time series by dynamic factor models) em ermos de eficácia de estimação e previsão. A abordagem metodológica combina simulações controladas e aplicação empírica a dados reais. O objetivo é estudar a precisão preditiva e a robustez desses modelos frente a diversos tipos de outliers, oferecendo subsídios para avanços teóricos e práticos. Espera-se que os resultados obtidos forneçam uma base sólida para investigações futuras a nível de pós-graduação. (AU)