EBOOKI WYDAWCY
-25%
Autor:
Format:
pdf, ibuk
W rozdziale pierwszym wprowadzono podstawowe pojęcia związane z procesem stochastycznym i szeregiem czasowym. Wykorzystując wprowadzone definicje, przeprowadzono wstępne analizy wybranych z rynku szeregów czasowych. Przedstawiono wybrane klasyfikacje szeregów czasowych oraz modeli szeregów czasowych. W rozdziale drugim zaprezentowano klasyczne metody analizy szeregów czasowych, modele z trendem liniowym, nieliniowym oraz okresowością. Wśród modeli z okresowością opisano model wskaźnikowy, model ze zmiennymi periodycznymi oraz model oparty na szeregu Fouriera. Przedstawione metody zilustrowano przykładami wyznaczania modeli dla wybranych empirycznych szeregów czasowych. Rozdział trzeci poświęcono liniowym modelom autoregresyjnym klasy ARIMA. W podziale na modele stacjonarne i niestacjonarne opisano podstawowe własności modeli. Prezentowane pojęcia i modele zilustrowano przykładowymi analizami empirycznych szeregów czasowych. W rozdziale czwartym zaprezentowano podstawowe modele klasy GARCH i ich zastosowanie do analizy empirycznych szeregów czasowych. W ostatnim rozdziale – piątym – zebrano informacje dotyczące weryfikacji hipotez w analizie i modelowaniu szeregów czasowych.
Rok wydania | 2014 |
---|---|
Liczba stron | 116 |
Kategoria | Inne |
Wydawca | Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach |
ISBN-13 | 978-83-7875-191-5 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
EBOOKI WYDAWCY
POLECAMY
Ciekawe propozycje
Spis treści
Wstęp | 7 |
Rozdział | 1 |
Proces stochastyczny a szereg czasowy | 9 |
1.1. Charakterystyki procesu stochastycznego | 11 |
1.2. Przykłady procesów stochastycznych | 13 |
1.3. Estymacja rozkładu procesów stochastycznych – wstępna analiza szeregów czasowych | 15 |
1.4. Klasyfikacja i przykłady szeregów czasowych | 20 |
1.5. Klasyfikacja modeli szeregów czasowych | 27 |
Rozdział | 2 |
Dekompozycja źródła zmienności wartości oczekiwanej w szeregach czasowych | 29 |
2.1. Modele trendu | 30 |
2.2. Modele trendu i sezonowości | 33 |
2.2.1. Metoda mechaniczna wyznaczania trendu | 34 |
2.2.2. Model wskaźnikowy | 35 |
2.2.3. Model Kleina | 41 |
2.2.4. Analiza harmoniczna | 45 |
Rozdział | 3 |
Wybrane liniowe modele autoregresyjne | 50 |
3.1. Modele procesów stacjonarnych | 50 |
3.1.1. Procesy autoregresji | 50 |
3.1.1.1. Własności procesu AR(p) | 51 |
3.1.1.2. Identyfikacja procesu AR(p) | 55 |
3.1.1.3. Prognozowanie na podstawie modelu AR(p) | 56 |
3.1.2. Procesy średniej ruchomej | 57 |
3.1.2.1. Własności procesu MA(q) | 58 |
3.1.2.2. Identyfikacja procesu MA(q) | 59 |
3.1.2.3. Prognozowanie na podstawie modelu MA(q) | 60 |
3.1.3. Dualność modeli autoregresji i średniej ruchomej | 60 |
3.1.4. Modele procesów autoregresji i średniej ruchomej | 62 |
3.1.4.1. Własności procesu ARMA(p,q) | 62 |
3.1.4.2. Identyfikacja procesu ARMA(p,q) | 63 |
3.1.4.3. Prognozowanie na podstawie modelu ARMA(p,q) | 63 |
3.1.5. Estymacja parametrów modeli procesów stacjonarnych | 64 |
3.1.5.1. Metoda równań Yule’a-Walkera | 64 |
3.1.5.2. Metoda Największej Wiarygodności (MNW) | 65 |
3.1.6. Zastosowanie kryteriów informacyjnych do identyfikacji liniowych procesów stacjonarnych | 66 |
3.2. Modele procesów niestacjonarnych | 68 |
3.3. Modele procesów z długą pamięcią | 72 |
Rozdział | 4 |
Wybrane nieliniowe modele autoregresyjne | 74 |
4.1. Przyczyny heteroskedastyczności procesów | 74 |
4.2. Nieliniowe modele procesów stacjonarnych | 78 |
4.3. Nieliniowe modele procesów niestacjonarnych | 81 |
4.4. Estymacja parametrów nieliniowych modeli autoregresyjnych | 83 |
4.5. Zastosowanie kryteriów informacyjnych do identyfikacji nieliniowych procesów stacjonarnych | 84 |
4.6. Ocena dopasowania modeli wariancji warunkowej do danych empirycznych | 84 |
4.7. Prognozowanie zmienności za pomocą modeli GARCH | 85 |
Rozdział | 5 |
Wybrane testy analizy jednowymiarowych szeregów czasowych | 96 |
5.1. Podstawowe metody weryfikacji modelu | 96 |
5.1.1. Mierniki jakości modelu | 96 |
5.1.2. Badanie istotności parametrów strukturalnych | 97 |
5.1.3. Badanie własności reszt modelu | 98 |
5.1.3.1. Losowość reszt | 98 |
5.1.3.2. Testy autokorelacji reszt | 99 |
5.1.3.3. Testy jednorodności wariancji | 101 |
5.1.3.4. Testy zgodności | 101 |
5.2. Testy obecności autokorelacji w wariancji procesu | 103 |
5.3. Testy stacjonarności | 104 |
5.3.1. Test DF | 106 |
5.3.2. Test ADF | 108 |
5.3.3. Test KPSS | 109 |
5.4. Testowanie długiej pamięci szeregów czasowych | 111 |
Literatura | 115 |