Missing observations in ARIMA models : skipping strategy versus additive outlier approach

Abstract

La estimacion optima de valores ausentes en modelos estacionarios ARIMA se realiza tipicamente utilizando el filtro de Kalman para el calculo de la verosimilitud, saltando las observaciones para las que no hay valores, obteniendo los estimadores maximo-verosimiles de los parametros del modelo y utilizando a continuacion un algoritmo suavizador. El mismo tipo de procedimiento ha sido extendido al caso de los modelos ARIMA no estacionarios por Gomez y Maravall (1994). Un procedimiento alternativo sugiere rellenar los huecos de las series con valores arbitrarios y estimar por MV el modelo ARIMA con observaciones atipicas aditivas (AO). Cuando los parametros del modelo son desconocidos, los dos metodos difieren, ya que la verosimilitud aproximada que se usa para el caso se ve afectada por valores arbitrarios. En este trabajo se desarrolla la funcion de verosimilitud correcta para el metodo OA en el caso general de procesos no estacionarios, y se demuestra la equivalencia de los dos procedimientos. (vg) (amh) (dp) (mac)