CRITERIOS DE INFORMACIÓN Y COMPLEJIDAD ESTOCÁSTICA
Resumen
Los criterios objetivos de selección del orden de un modelo autorregresivo pueden ser clasificados en no-Bayesianos -basados en la minimización del error de predicción y las medidas de información- y Bayesianos. La diferencia entre ambos radica en que los primeros asumen como punto de partida la validez de la hipótesis de que todo proceso está afectado por su infinito pasado y proporcionan estimadores asintóticamente eficientes en tanto que los Bayesianos se basan en la negación de la tesis de Church-Turing y proporcionan estimadores consistentes. A fin de evitar la disyuntiva que genera esta clasificación, en este trabajo se propone caracterizar al modelo utilizando la definición de complejidad estocástica. La aplicación de este concepto y los postulados de los teoremas de convergencia de las medidas de complejidad permiten demostrar, además, la condición de óptimo del término de penalización del criterio de selección de Schwarz.
La aceptación de un original por parte de la revista implica la cesión no exclusiva de los derechos patrimoniales de los autores en favor de la Revista de Investigación en Modelos Financieros, quien permite la reutilización del contenido bajo una licencia Creative Commons:
Atribución-NoComercial-SinDerivadas
CC BY-NC-ND
De esta manera, el material se puede compartir y adaptar, siempre que se cite la autoría y la fuente original de su publicación (revista y URL de la obra), no se use para fines comerciales y se mantengan los mismos términos de la licencia.
