Bootstrap ibrido e combinazioni bootstrap per la stima del parametro di memoria lunga

This thesis project aims to investigate whether combining different bootstrap methods can enhance the performance of long memory parameter estimators. Using the forecast combination approach, two distinct analyses are conducted on several time-domain bootstrap methods: the first combines the bootstrap samples obtained from each method using a hybrid bootstrap approach, while the second directly combines the bootstrap estimates. The results of these techniques are evaluated through Monte Carlo simulations and applications on real data.

Questo progetto di tesi si propone di verificare se la combinazione di diversi metodi bootstrap possa migliorare le prestazioni degli stimatori del parametro di memoria lunga. Utilizzando l'approccio della combinazione di previsioni, vengono condotte, su alcuni metodi bootstrap nel dominio del tempo, due analisi distinte: la prima combina i campioni bootstrap ricavati da ogni metodo, utilizzando un approccio di bootstrap ibrido, mentre la seconda combina direttamente le stime ottenute. Tramite simulazioni Monte-Carlo e applicazioni su dati reali vengono valutati i risultati di queste tecniche.