Bayesian analysis of beta autoregressive moving average models

Abstract

O presente trabalho propõe uma abordagem Bayesiana para a estimação dos parâmetros do modelo βARMA(p, q), modelos de séries temporais para dados com suporte no intervalo (0, 1). Para tanto, emprega-se a técnica de amostragem Monte Carlo Hamiltoniano, reconhecida por sua eficiência computacional na estimação de parâmetros em modelos mais complexos. O estudo conduz simulações de Monte Carlo considerando modelos βARMA sob diversos cenários, bem como uma análise de sensibilidade com relação à escolha das prioris utilizadas e a detecção de raízes unitárias. Para ilustrar a aplicação da abordagem proposta, são utilizados dados de energia hidrelétrica como exemplo.

The present work proposes a Bayesian approach to estimate the parameters of βARMA(p, q) models, which are used for time series data with values in the interval (0, 1). To achieve this goal, the study employs the Hamiltonian Monte Carlo sampling technique, which is known for its effectiveness in estimating parameters in complex models. The study also conducts Monte Carlo simulations to examine the performance of the proposed approach under different scenarios. Additionally, the sensitivity of the results to prior selection and unit roots detection is evaluated. To demonstrate the applicability of the proposed approach, the study provides an empirical analysis using hydroelectric energy data.