Estimation in Conditionally Heteroscedastic Time Series Models
Daniel Straumann
2006. jan. · Lecture Notes in Statistics 181. kötet · Springer Science & Business Media
E-könyv
228
Oldalak száma
reportAz értékelések és vélemények nincsenek ellenőrizve További információ
Információk az e-könyvről
In his seminal 1982 paper, Robert F. Engle described a time series model with a time-varying volatility. Engle showed that this model, which he called ARCH (autoregressive conditionally heteroscedastic), is well-suited for the description of economic and financial price. Nowadays ARCH has been replaced by more general and more sophisticated models, such as GARCH (generalized autoregressive heteroscedastic).
This monograph concentrates on mathematical statistical problems associated with fitting conditionally heteroscedastic time series models to data. This includes the classical statistical issues of consistency and limiting distribution of estimators. Particular attention is addressed to (quasi) maximum likelihood estimation and misspecified models, along to phenomena due to heavy-tailed innovations. The used methods are based on techniques applied to the analysis of stochastic recurrence equations. Proofs and arguments are given wherever possible in full mathematical rigour. Moreover, the theory is illustrated by examples and simulation studies.
E-könyv értékelése
Mondd el a véleményedet.
Olvasási információk
Okostelefonok és táblagépek
Telepítsd a Google Play Könyvek alkalmazást Android- vagy iPad/iPhone eszközre. Az alkalmazás automatikusan szinkronizálódik a fiókoddal, így bárhol olvashatsz online és offline állapotban is.
Laptopok és számítógépek
A Google Playen vásárolt hangoskönyveidet a számítógép böngészőjében is meghallgathatod.
E-olvasók és más eszközök
E-tinta alapú eszközökön (például Kobo e-könyv-olvasón) való olvasáshoz le kell tölteni egy fájlt, és átvinni azt a készülékre. A Súgó részletes utasításait követve lehet átvinni a fájlokat a támogatott e-könyv-olvasókra.
