Modelo dinâmico para um processo auto-regressivo de primeira ordem, aplicando metodologia Bayesiana

Resumo

Neste artigo apresentamos uma ramificação do processo auto-regressivo de primeira ordem com coeficiente aleatório e variante no tempo, assumindo uma estrutura de dependência dos coeficientes aleatórios, que leva a um modelo de filtro de Kalman adaptado. Embora o modelo de filtro de Kalman considerado seja uma generalização do filtro de Kalman Ordinário, sua análise produz dificuldades técnicas, porque não é possí­vel encontrar uma forma fechada para o filtro, assim aplicamos simulação de Monte Carlo em Cadeia de Markov utilizando os algoritmos Amostrador de Gibbs e Metropolis-Hasting para fazer inferência quanto aos parâmetros do modelo e também fazer previsões de dados de uma série temporal de í­ndice de preços de ações e preço do boi gordo.