Модель приведенной формы 196 Модель с авторегрессионной условной [c.378]
Были исследованы возможности применения отдельных моделей, с помощью которых устанавливались комбинации другой информации . При этом в расчетах предполагались полярные экстремальные значения для сои у. В конечном счете для анормальных доходов и другой информации расчетные значения сои убыли получены с помощью авторегрессионной модели. В дополнение были сделаны условные измерения сои у, которые позволили провести декомпозицию анормальных доходов. [c.395]
Модели, которые показывают авторегрессионную условную гетероскедастичность (AR H), стали популярны за прошедшие несколько лет по ряду причин [c.87]
Роберт Энгл (р. 1942, США) - за разработку метода анализа экономических временных рядов на основе математической модели с авторегрессионной условной гетероскедастичностью (AR H). [c.817]
Что касается собственно временных рядов, то в пособии не были затронуты проблемы, связанные с прогнозированием и спектральным анализом временных рядов, моделями дробно-интегрированных рядов (ARFIMA) и рядов с авторегрессионной условной гетероскедастичностью (AR H, GAR H и т.п.), моделями с переключениями, широко используемыми при анализе высокочастотных финансовых временных рядов. [c.241]
Определение характеристик AR H в рядах динамики начнем с моделирования условной средней величины. Для этого определим авторегрессионную модель доходности. Модель AR(p) предполагает, что требуется р временных лагов независимой переменной. Покажем это на примере модели AR(1), предполагая, что текущий уровень доходности зависит только от одного предыдущего значения доходности, например [c.355]
В ходе анализа финансовых данных любой ряд динамики, будь то процентные ставки или цены на финансовые активы, можно разбить на две компоненты, одна из которых изменяется случайным образом, а другая подчиняется определенному закону. Колебания финансовых переменных значительно изменяются во времени бурные периоды с высокой волатильностью переменных сменяют спокойные периоды и наоборот. В некоторых случаях вола-тильность играет ключевую роль в ценообразовании на финансовые активы. В частности, курсы акций напрямую зависят от ожидаемой волатильности доходов корпораций. Все финансовые учреждения без исключения стремятся адекватно оценить волатильность в целях успешного управления рисками. В свое время Трюгве Хаавельмо, нобелевский лауреат по экономике 1989 г., предложил рассматривать изменение экономических переменных как однородный стохастический (случайный) процесс. Вплоть до 1980-х гг. экономисты для анализа финансовых рынков применяли статистические методы, предполагавшие постоянную волатильность во времени. В 1982 г. Роберт Ингл развил новую эконометрическую концепцию, позволяющую анализировать периоды с разной волатильностью. Он ввел кластеризацию данных и условную дисперсию ошибок, которая завесит от времени. Свою разработку Ингл назвал авторегрессионной гетероскедастической моделью , с ее помощью можно точно описать множество временных рядов, встречающихся в экономике. Метод Ингла сегодня применяется финансовыми аналитиками в целях оценки финансовых активов и портфельных рисков. [c.197]
Авторегрессионная модель условной неоднородности AR H (p). Снова предполагаем, что последовательность = ( n)n i является (единственным) источником случайности, "п = r( i, , n)i [c.132]
Обобщенная авторегрессионная модель условной неоднородности GAR H(p, q). Успех применения модели AR H[p) привел к появлению различных ее обобщений, уточнений, модификаций и т. п. [c.134]