Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen
12 Angebote vergleichen

Von Händler/Antiquariat, Rhein-Team Lörrach Ivano Narducci e.K. [57451429], Lörrach, Germany.
Neuware - In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte. Die Untersuchung ist wie folgt aufgebaut: Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden. In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen. In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden. In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt 1) Verteilungsprognosen zu berechnen, 2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und 3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden. 76 pp. Deutsch.

Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, Germany.
This item is printed on demand - Print on Demand Titel. Neuware - In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte. Die Untersuchung ist wie folgt aufgebaut: Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden. In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen. In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden. In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt 1) Verteilungsprognosen zu berechnen, 2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und 3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden. 76 pp. Deutsch.

Lieferung aus: Deutschland, E-Book zum Download.
In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte. Die Untersuchung ist wie folgt aufgebaut: Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden. In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen. In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden. In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt 1) Verteilungsprognosen zu berechnen, 2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und 3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden.

Lieferung aus: Deutschland, Versandkostenfrei.
Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen: In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte.Die Untersuchung ist wie folgt aufgebaut: Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden. In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen. In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden. In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt 1) Verteilungsprognosen zu berechnen, 2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und 3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden. Ebook.

Lieferung aus: Deutschland, sofort lieferbar.
2010, 71 Seiten, Deutsch, In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte.Die Untersuchung ist wie folgt aufgebaut:Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden. In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der pr.

Lieferung aus: Deutschland, Versandkostenfrei, Shipping in 3 days.
Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen ab 38 € als Taschenbuch: Möglichkeiten und Grenzen des Verfahrens bei der Bestimmung der Verteilungs- und Intervallprognose der Renditen und Renditevolatilität sowie bei der Berechnung von Value-at-Risk. Aus dem Bereich: Bücher, Wissenschaft, Wirtschaftswissenschaft,.

Lieferung aus: Vereinigtes Königreich Großbritannien und Nordirland, Versandkostenfrei.
Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen ab 13 € als pdf eBook: Möglichkeiten und Grenzen des Verfahrens bei der Bestimmung der Verteilungs- und Intervallprognose der Renditen und Renditevolatilität sowie bei der Berechnung von Value-at-Risk. Aus dem Bereich: eBooks, Belletristik, Erzählungen,.

Lieferung aus: Vereinigtes Königreich Großbritannien und Nordirland, Versandkostenfrei.
Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen ab 13 EURO Möglichkeiten und Grenzen des Verfahrens bei der Bestimmung der Verteilungs- und Intervallprognose der Renditen und Renditevolatilität sowie bei der Berechnung von Value-at-Risk.

Lieferung aus: Vereinigte Staaten von Amerika, Lagernd.
Bootstrap-verfahren Bei Der Berechnung Von Prognosen in (G)arch-modellen: Mglichkeiten Und Grenzen Des Verfahrens Bei Der Bestimmung Der Verteilungs- Und Intervallprognose Der Renditen Und Renditevolatilitt Sowie Bei Der B, 9783836684781N.

Lieferung aus: Deutschland, Versandfertig in 1 - 2 Werktagen.
Von Händler/Antiquariat, ausverkauf.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen