Topics in unobserved components models

This dissertation deals with structural time series models. Structural time series models refer to a class of parametric models that are specified directly in terms of unobserved components which capture essential features of the series, such as trend, cycle and seasonality. This dissertation is divided into three main parts: the first (chapter 2) deals with stochastic volatility models, the second (chapter 3) deals with dynamic factor models and the third (chapter 4) deals with Bayesian model selection. A general introduction to the state space methodology is provided in chapter 1.

Questa tesi riguarda i modelli strutturali per le serie storiche conosciuti come modelli State Space. I modelli strutturali per le serie storiche sono una classe di modelli parametrici che si basano sulle componenti latenti. Il loro compito è di modellare le principali caratteristiche di una serie storica come per esempio il trend, ciclo economico e stagionalità. La tesi è divisa in tre parti : la prima parte (capitolo 2) riguarda i modelli a voltatilità stocastica, la seconda parte (capitolo 3) riguarda i modelli fattoriali e la terza ed ultima parte (capitolo 4) tratta la selezione di modelli in ambito Bayesiano. Una introduzione alla metodologia State Space è presente al capitolo 1.