Por favor, use este identificador para citar o enlazar este ítem:
http://rid.unrn.edu.ar/handle/20.500.12049/9551
Título: | Symbolic Time Series and Causality Detection: an Uneasy Alliance |
Autor(es): | Contiggiani, Federico Eduardo Delbianco, Fernando Fioriti, Andrés Tohmé, Fernando |
Fecha de publicación: | 26-oct-2021 |
Revista: | IV JISC - Jornadas Interdisciplinarias en Sistemas Complejos 2021 |
Resumen: | Symbolic Time Series Analysis (STSA) is a quantitative dominant mixed method applied in Economics and other Social Sciences as a way of reducing the impact of noise on data and to exhibit more clearly the evolution of time series. We show that such transformation from numerical to symbolic series may fail to preserve relevant properties of the original series. We focus, in particular, on the existence of causal relations among series. Well known methods of detection of causality, like Transfer Entropy or Granger’s Test can either yield non-existing causal relations or miss some actually existing ones, which is highly relevant for a sound application of a mixed method like STSA. |
URI: | http://rid.unrn.edu.ar/handle/20.500.12049/9551 |
Otros enlaces: | https://www.youtube.com/watch?v=HbKt_B4kyAs |
Aparece en las colecciones: | Objetos de conferencia |
Archivos en este ítem:
Archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
JISC2021_slides.pdf | 347,95 kB | Adobe PDF | Visualizar/Abrir |
Este documento es resultado del financiamiento otorgado por el Estado Nacional, por lo tanto queda sujeto al cumplimiento de la Ley N° 26.899
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons