|
|
Maximálně věrohodné odhady v časových řadách
Tritová, Hana ; Pawlas, Zbyněk (vedoucí práce) ; Zikmundová, Markéta (oponent)
Práce se zabývá maximálně věrohodnými odhady v časových řadách. Čtenář se seznámí se třemi základními modely časových řad: autoregresní posloupností (AR), posloupností klouzavých součtů (MA) a jejich kombinací (ARMA). Dále zjistí, jak vypadají jejich základní charakteristiky, např. střední hodnota nebo rozptyl. Pak zde nalezne odvození odhadů parametrů metodou maximální věrohodnosti - obecně a ve zmíněných modelech časových řad. Pro modely AR(1) a MA(1) jsou uvedeny ještě odhady metodou momentů a metodou nejmenších čtverců a závěr je věnován příkladům, které slouží ke srovnání všech tří metod.
|
|
|
Value-at-risk forecasting with the ARMA-GARCH family of models during the recent financial crisis
Jánský, Ivo ; Rippel, Milan (vedoucí práce) ; Seidler, Jakub (oponent)
Tato práce vyhodnocuje několik set modelů pro jednodenní předpověď VaR v období mezi roky 2004 až 2009 na datech ze šesti světových akciových indexů - DJI, GSPC, IXIC, FTSE, GDAXI a N225. Modely jsou založené na AR a MA procesech s maximálně dvěma předešlými pozorováními a zároveň modelují podmíněnou volatilitu pomocí jednoho z GARCH, EGARCH a TARCH procesů rovněž s maximálně dvěma předešlými pozorováními. Parametry modelů jsou odhadnuty na datech z prvního období a jejich odhadovací přesnost je otestována na datech z druhého období, které vykazuje podstatně větší volatilitu. Hlavním cílem práce je otestovat, zda modely s parametry odhadnutými v období menší volatility mohou být použity i v období s větší volatilitou. Vyhodnocení je založeno na conditional coverage testu a je provedeno pro každý index zvlášť. Na rozdíl od jiných prací zabývajících se tímto tématem, tato práce nepředpokládá normální rozdělení logaritmovaných výnosů a neomezuje se na jeden předem vybraný proces pro modelování podmíněně volatility. Tato práce navíc využívá měně známý aparát, tzv. conditional coverage, pro vyhodnocení přesnosti odhadu modelů, který oproti standardním metodám nabízí několik výhod.
|
|
|
Value-at-risk forecasting with the ARMA-GARCH family of models during the recent financial crisis
Jánský, Ivo ; Rippel, Milan (vedoucí práce) ; Seidler, Jakub (oponent)
Diplomová práce vyhodnocuje několik set modelů pro jednodenní předpověď VaR v období mezi roky 2004 až 2009 na datech ze šesti světových akciových indexů - DJI, GSPC, IXIC, FTSE, GDAXI a N225. Modely jsou založené na AR a MA procesech s maximálně dvěma předešlými pozorováními a zároveň modelují podmíněnou volatilitu pomocí jednoho z GARCH, EGARCH a TARCH procesů rovněž s maximálně dvěma předešlými pozorováními. Parametry modelů jsou odhadnuty na datech z prvního období a jejich odhadovací přesnost je otestována na datech z druhého období, které vykazuje podstatně větší volatilitu. Hlavním cílem práce je otestovat, zda modely s parametry odhadnutými v období menší volatility mohou být použity i v období s větší volatilitou. Vyhodnocení je založeno na conditional coverage testu a je provedeno pro každý index zvlášť. Na rozdíl od jiných prací zabývajících se tímto tématem, tato práce nepředpokládá normální rozdělení logaritmovaných výnosů a neomezuje se na jeden předem vybraný proces pro modelování podmíněné volatility. Tato práce navíc využívá méně známý aparát, tzv. conditional coverage, pro vyhodnocení přesnosti odhadu modelů, který oproti standardním metodám nabízí několik výhod.
|
|
|
Vybrané testy jednotkových kořenů v časových řadách
Fedorová, Darina ; Arltová, Markéta (vedoucí práce) ; Hindls, Richard (oponent)
V diplomové práci je kladen důraz na ověřování stacionarity časových řad prostřednictvím testů jednotkových kořenů, jejichž nejčastější podoby a modifikace jsou popsány v teoretické části této práce. Jedná se především o testy Dickeyho a Fullera, Phillipse a Perrona a KPSS test, dále pak jejich modifikace v podobě ERS, Ng a Perronova a Leybournova a McCabova testu. Současně je uveden HEGY test pro případ sezonních časových řad, Perronův test pro časové řady obsahující strukturální změnu a postup testování stacionarity v případě vícenásobných jednotkových kořenů. V praktické části jsou pomocí softwaru R simulovány umělé časové řady procesem AR(1) a na nich provedeny vybrané testy, srovnána jejich síla a uvedena doporučení, které testy a za jakých podmínek je vhodné použít pro testování časových řad na přítomnost jednotkového kořene.
|
|
|
Highly Robust Estimation of the Autocorrelation Coefficient
Kalina, Jan ; Vlčková, Katarína
The classical autocorrelation coefficient estimator in the time series context is very sensitive to the presence of outlying measurements in the data. This paper proposes several new robust estimators of the autocorrelation coefficient. First, we consider an autoregressive process of the first order AR(1) to be observed. Robust estimators of the autocorrelation coefficient are proposed in a straightforward way based on robust regression. Further, we consider the task of robust estimation of the autocorrelation coefficient of residuals of linear regression. The task is connected to verifying the assumption of independence of residuals and robust estimators of the autocorrelation coefficient are defined based on the Durbin-Watson test statistic for robust regression. The main result is obtained for the implicitly weighted autocorrelation coefficient with small weights assigned to outlying measurements. This estimator is based on the least weighted squares regression and we exploit its asymptotic properties to derive an asymptotic test that the autocorrelation coefficient is equal to 0. Finally, we illustrate different estimators on real economic data, which reveal the advantage of the approach based on the least weighted squares regression. The estimator turns out to be resistant against the presence of outlying measurements.
|
host ::
RSS.