edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Danilo Mercurio
Titel: Adaptive estimation for financial time series
Gutachter: V. Spokoiny; W. Härdle
Erscheinungsdatum: 06.08.2004
Volltext: pdf (urn:nbn:de:kobv:11-10033215)
Fachgebiet(e): Wirtschaft
Schlagwörter (ger): adaptive Schaetzung, lokale Homogenitaet, Finanzmarktdaten, Vorhersage
Schlagwörter (eng): adaptive estimation, local homogeneity, financial data, forecasting
Einrichtung: Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät
Zitationshinweis: Mercurio, Danilo: Adaptive estimation for financial time series; Dissertation, Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät , publiziert am 06.08.2004, urn:nbn:de:kobv:11-10033215
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (ger):
Diese Dissertation entwickelt neue lokal adaptive Methoden zur Schaetzung und Vorhersage von Zeitreihendaten. Diese Methoden sind fuer die Volatilitaetsschaetzung von Finanzmarktrenditen und fuer Regressions- und Autoregressionsprobleme konstruiert worden. Die vorgeschlagenen Ansaetze werden als lokal adaptiv bezeichnet, denn, anstatt einen globalen datenerzeugenden Prozess aufzuzwingen, welcher durch eine endliche Anzahl von Parametern beschrieben werden kann, nehmen sie nur an, dass Beobachtungen, welche chronologisch nah bei einander liegen, durch einen konstanten Prozess gut approximiert werden koennen. Diese Prozeduren sind adaptiv, weil sie fuer jede Beobachtung in einer datengesteuerten Art und Weise das Intervall der Zeithomogenitaet,d.h. die Anzahl der chronologisch benachbarten und homogen vergangenen Daten, aussuchen, fuer welchen die Hypothese einer konstanten Struktur nicht verworfen werden kann. Nichtasymptotische theoretische Ergebnisse werden hergeleitet, welche die Optimalitaet der betrachteten Algorithmen zeigen. Vergleiche mit Standardansaetzen verdeutlichen, dass die neuen Prozeduren sich kompetitiv verhalten und eine nuetzliche Alternative bieten, ausserdem liefern intensive Simulationsstudien und Anwendungen an reellen Daten gute Ergebnisse und bezeugen dabei ihre Effektivitaet und praktische Relevanz.
Abstract (eng):
This thesis develops new locally adaptive methods for estimation and forecasting of financial time series data. These methods are mainly tailored for volatility estimation of financial returns and for regression and autoregression problems. The proposed approaches are defined locally adaptive because instead of imposing a stationary data generating process which can be globally described by a finite number of parameters, they only assume that observations which are chronologically close to each other can be well approximated by a constant process. These procedures are adaptive in the sense that for each observation they choose in a data driven way the interval of time homogeneity, i.e. the number of chronologically close and homogeneous past data where the hypothesis of a constant structure can not be rejected. Nonasymptotic theoretical results are derived, which show the optimality of the suggested algorithms. Comparisons with standard approaches demonstrate that the new procedures behave competitively and offer a valuable alternative, furthermore, intensive simulation studies and applications to real data provide good results, confirming their effectiveness and practical relevance.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 4 Zugriffe PDF: 22 Zugriffe PDF: 11 Zugriffe Startseite: 4 Zugriffe PDF: 15 Zugriffe Startseite: 2 Zugriffe PDF: 17 Zugriffe Startseite: 3 Zugriffe PDF: 47 Zugriffe Startseite: 1 Zugriffe PDF: 35 Zugriffe PDF: 40 Zugriffe PDF: 57 Zugriffe PDF: 38 Zugriffe Startseite: 1 Zugriffe PDF: 24 Zugriffe Startseite: 3 Zugriffe PDF: 20 Zugriffe PDF: 29 Zugriffe PDF: 13 Zugriffe PDF: 23 Zugriffe PDF: 31 Zugriffe PDF: 15 Zugriffe Startseite: 3 Zugriffe PDF: 24 Zugriffe Startseite: 7 Zugriffe PDF: 40 Zugriffe Startseite: 1 Zugriffe PDF: 62 Zugriffe Startseite: 2 Zugriffe PDF: 37 Zugriffe Startseite: 2 Zugriffe PDF: 33 Zugriffe Startseite: 1 Zugriffe PDF: 18 Zugriffe PDF: 32 Zugriffe Startseite: 2 Zugriffe PDF: 17 Zugriffe Startseite: 1 Zugriffe PDF: 17 Zugriffe Startseite: 3 Zugriffe PDF: 18 Zugriffe Startseite: 1 Zugriffe PDF: 30 Zugriffe Startseite: 1 Zugriffe PDF: 36 Zugriffe Startseite: 4 Zugriffe PDF: 47 Zugriffe Startseite: 3 Zugriffe PDF: 44 Zugriffe Startseite: 3 Zugriffe PDF: 29 Zugriffe Startseite: 3 Zugriffe PDF: 27 Zugriffe Startseite: 1 Zugriffe PDF: 31 Zugriffe PDF: 30 Zugriffe Startseite: 2 Zugriffe PDF: 28 Zugriffe Startseite: 3 Zugriffe PDF: 53 Zugriffe
Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Monat Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Startseite 4   4 2 3 1       1 3           3 7 1 2 2 1   2 1 3 1 1 4 3 3 3 1   2 3
PDF 22 11 15 17 47 35 40 57 38 24 20 29 13 23 31 15 24 40 62 37 33 18 32 17 17 18 30 36 47 44 29 27 31 30 28 53

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 61 (1.69 pro Monat)
  • PDF – 1090 (30.28 pro Monat)
 
 
Generiert am 23.09.2014, 13:02:36