Nestandardní přístupy v analýze finančních časových řad

Abstract

Štandardné metódy pre odhad parametrov lineárneho autoregresné- ho modelu finančných časových rád používajú metódu maximálnej vierohodnosti založenú na predpoklade normality náhodných chýb. Práca je však zameraná na neštandardné postupy pre odhad parametrov v nezáporných časových radách s predpokladom exponenciálneho rozdelenia chýb. Tieto klasické aj neštandardné, jednorozmerné i mnohorozmerné modely sú ďalej podliehané testovaniu na forexových dátach ECB a zistenia zhrnuté v závere.

Standard procedures for parameter estimation in autoregressive models use maximum likelihood method based on normal random error distribution assumption. However, this thesis is focused on non-standard approaches for parameter estimation in non-negative time series based on the assumption of exponential probability distribution. Both standard and non-standard approaches were tested on forex time series and the results summarized in the thesis.