Métodos de estimação para modelos autorregressivos de memória variável aplicados a séries temporais climáticas

Abstract

Este trabalho tem como objetivo investigar e aplicar métodos de estimação para o modelo autorregressivo com memória variavel (AR-MV), que permite que a ordem do modelo dependa do valor anterior da serie. A partir de uma formulacao geral do modelo AR-MV(p), são propostas abordagens para a estimacao dos limiares e coeficientes por meio de um algoritmo iterativo que combina o metodo de k-medias com mínimos quadrados condicionais. As propriedades do processo de estimaçcãao sãao avaliadas por meio de estudos de simulaçao e medidas de desempenho, considerando criterios como AIC, BIC, MAE e MAPE. Adicionalmente, realiza-se uma comparacao com modelos AR tradicionais. Por fim, o metodo proposto e aplicado a uma serie temporal real de temperaturas medias mensais de Brasília (2001-2024), evidenciando sua capacidade de recuperar parâmetros adequados. Os resultados mostram que os modelos AR-MV ajustados a partir do processo de estimação desenvolvido apresentam desempenho superior aos modelos AR tradicionais, destacando a eficácia da metodologia proposta.