Bayesian Inference of C-AR(1) Time Series Model with Structural Break

Abstract

A variable may be affected by some associated variables which may influence the estimation and testing procedures and also not much important to model separately, such types of variables are called covariates. The present paper dealt the covariate autoregressive (C-AR(1)) time series model with structural break in mean and variance under Bayesian framework. Parameters of the model have been estimated considering appropriate prior assumptions and compared with maximum likelihood estimator. A simulation study has been carried out to validate the theoretical results, and then the same implemented on the monthly REER time series of SAARC countries. Both studies, empirical and simulation justify our findings. A unit root hypothesis is also tested for the model under study and gets satisfactory result.

Une variable peut être affectée par certaines autres variables associées qui peuvent influencer les procédures d'estimation et de test et qui ne sont pas non plus très importantes pour le modèle lorsque'elle sont prices séparément. De telles de variables sont dites covariables. Le présent article porte sur le modèle de séries chronologiques autorégressives (C-AR (1)) en présence de covariables, avec une rupture structurelle de la moyenne et de la variance dans le cadre bayésien. Les paramètres du modèle ont été estimés en avec des hypothèses appropriées sur la distribution à priori des paramètres. Les résuluats sont comparés avec ceux de l'estimation du maximum de vraisemblance. Une étude de simulation est réalisée pour valider les résultats théoriques. Les résultats sont ensuite appliqués à des données réelles.