Estimation in Conditionally Heteroscedastic Time Series Models
Daniel Straumann
មករា 2006 · Lecture Notes in Statistics សៀវភៅទី 181 · Springer Science & Business Media
សៀវភៅអេឡិចត្រូនិច
228
ទំព័រ
reportការវាយតម្លៃ និងមតិវាយតម្លៃមិនត្រូវបានផ្ទៀងផ្ទាត់ទេ ស្វែងយល់បន្ថែម
អំពីសៀវភៅអេឡិចត្រូនិកនេះ
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 Nowadays ARCH has been replaced by more general and more sophisticated models, such as GARCH (generalized autoregressive heteroscedastic).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.
វាយតម្លៃសៀវភៅអេឡិចត្រូនិកនេះ
ប្រាប់យើងអំពីការយល់ឃើញរបស់អ្នក។
អានព័ត៌មាន
ទូរសព្ទឆ្លាតវៃ និងថេប្លេត
ដំឡើងកម្មវិធី Google Play Books សម្រាប់ Android និង iPad/iPhone ។ វាធ្វើសមកាលកម្មដោយស្វ័យប្រវត្តិជាមួយគណនីរបស់អ្នក និងអនុញ្ញាតឱ្យអ្នកអានពេលមានអ៊ីនធឺណិត ឬគ្មានអ៊ីនធឺណិតនៅគ្រប់ទីកន្លែង។
កុំព្យូទ័រយួរដៃ និងកុំព្យូទ័រ
អ្នកអាចស្ដាប់សៀវភៅជាសំឡេងដែលបានទិញនៅក្នុង Google Play ដោយប្រើកម្មវិធីរុករកតាមអ៊ីនធឺណិតក្នុងកុំព្យូទ័ររបស់អ្នក។
eReaders និងឧបករណ៍ផ្សេងទៀត
ដើម្បីអាននៅលើឧបករណ៍ e-ink ដូចជាឧបករណ៍អានសៀវភៅអេឡិចត្រូនិក Kobo អ្នកនឹងត្រូវទាញយកឯកសារ ហើយផ្ទេរវាទៅឧបករណ៍របស់អ្នក។ សូមអនុវត្តតាមការណែនាំលម្អិតរបស់មជ្ឈមណ្ឌលជំនួយ ដើម្បីផ្ទេរឯកសារទៅឧបករណ៍អានសៀវភៅអេឡិចត្រូនិកដែលស្គាល់។
