I modelli statistici per l’analisi delle serie storiche si fondano generalmente sull’ipotesi che esse possano essere descritte da un processo stocastico di tipo gaussiano. Tuttavia, l’evidenza empirica per molte variabili finanziarie e macroeconomiche mostra la presenza di realizzazioni anomale, che possono indurre una distorsione delle stime dei parametri che sintetizzano le caratteristiche di interesse della serie, se ottenute sotto l’ipotesi di processi gaussiani; per attenuare tale distorsione si ricorre spesso ad approcci in larga misura ad hoc, volti a eliminare dai dati le osservazioni anomale o a sostituirle con valori più prossimi a quello centrale (Winsorization).
Il lavoro propone stimatori di massima verosimiglianza dei parametri di tendenza centrale e di dispersione di serie storiche finanziarie e macroeconomiche, modellate con distribuzioni di probabilità di tipo beta esponenziale generalizzata e assumendo che i parametri siano variabili nel tempo. Gli stimatori comportano una drastica riduzione della distorsione dovuta ai valori anomali e risultano simili a quelli ottenibili con la tecnica di Winsorization, rispetto alla quale hanno il vantaggio di non comportare una modifica artificiosa dei dati.
L’applicazione dei modelli proposti nel lavoro a serie macroeconomiche per gli Stati Uniti e il Regno Unito ne conferma la validità: le corrispondenti stime risultano generalmente preferibili a quelle ottenute con modelli alternativi in termini di aderenza ai dati, nonché significativamente più robuste alla presenza di valori anomali rispetto a quelle basate su distribuzioni di tipo gaussiano.
Pubblicato nel 2016 in: Journal of Time Series Analysis, v. 35, 6, pp. 558-571
