Resumen de Modelos estructurales de series temporales: efectos de la agregación temporal y el muestreo sistemático
LA TESIS SE INSCRIBE DENTRO DEL CAMPO DEL ANALISIS DE SERIES TEMPORALES, EN LOS MODELOS EN EL ESPACIO DE LOS ESTADOS, Y SE CENTRA ESPECIFICAMENTE EN LOS DENOMINADOS MODELOS ESTRUCTURALES, EN SU PRIMERA PARTE, SE PRESENTA UNA PANORAMICA COMPLETA DE LOS MODELOS ESTRUCTURALES: SU ESPECIFICACION, SU RELACION CON OTRAS CLASES DE MODELOS DE SERIES TEMPORALES COMO LOS BIEN CONOCIDOS MODELOS ARIMA, ASI COMO SU ESTIMACION POR MAXIMA VEROSIMILITUD TANTO EN EL DOMINIO DEL TIEMPO (UTILIZANDO EL FILTRO DE KALMAN) COMO EN EL DE LA FRECUENCIA. ADEMAS EN EL CAMPO DE LA PREDICCION SE PRESENTA UN RESULTADO NUEVO AL DERIVARSE, BAJO CIERTAS CONDICIONES DE REGULARIDAD, EL ERROR CUADRATICO MEDIO DE PREDICCION CON PARAMETROS ESTIMADOS PARA ESTE TIPO DE MODELOS.
LA SEGUNDA PARTE DEL TRABAJO SE CENTRA EN LOS PROBLEMAS QUE SURGEN CUANDO EL PERIODO DE OBSERVACION DE LOS DATOS NO COINCIDE CON EL PERIODO BASICO PARA EL QUE SE PROPONE EL MODELO. DISTINGUIENDO ENTRE AGREGACION TEMPORAL (VARIABLES FLUJO) Y MUESTREO SISTEMATICO (VARIABLES STOCK) SE ESTUDIAN SUS CONSECUENCIAS EN PRIMER LUGAR SOBRE LA ESTRUCTURA DEL MODELO EMPIRICO, CON ESPECIAL CUIDADO PARA AQUELLOS MODELOS QUE RECOGEN UN COMPORTAMIENTO ESTACIONAL, ASI COMO LA POSIBILIDAD DE ESTIMAR LOS PARAMETROS DEL MODELO BASICO Y DE OBTENER PREDICCIONES DE FUTURAS OBSERVACIONES A PARTIR DE LOS DATOS AGREGADOS. POR OTRA PARTE, SE HA EXPLORADO LA PERDIDA DE EFICIENCIA EN PREDICCION Y EN LA ESTIMACION DE LOS PARAMETROS DEL MODELO BASICO QUE SE PUEDE ESPERAR POR TRABAJAR CON DATOS AGREGADOS.
