O diabo está nos detalhes

Estou revisando um artigo sobre inferência indireta em modelos não markovianos de memória infinita. Nesse modelo é impossível construir uma função de verossimilhança, e assim é preciso realizar a estimação utilizando um modelo auxiliar e recuperar o estimador do modelo verdadeiro por simulações. O problema é que existem muitos detalhes que afetam o resultado, e este tipo de estimação fo muito pouco estudado na prática. Basicamente existem alguns estudos mais completos em amostras finitas para processos moving average, e em modelos mais complicados quase nada foi feito. Estou na décima segunda implementação do meu estimador, e agora finalmente os resultados estão bons.
Como meu modelo tem uma estrutura de memória infinita, um detalhe fundamental é como inicializar cada simulação. No meu problema a única forma razoável é gerar uma longa série, e descatar as primeiras observações, mas para isso funcionar preciso de uma série realmente longa para anular o efeito da condição inicial. Isso afeta a velocidade do estimação e o número de iterações até a convergência, e como estou fazendo um estudo completo de monte carlo isso é muito importante. Depois de muitas tentativas acho que agora consegui uma forma eficiente. Espero.