Show simple item record

Models of changes in econometric time sequences
dc.creatorStrejc, Petr
dc.date.accessioned2021-05-24T10:50:34Z
dc.date.available2021-05-24T10:50:34Z
dc.date.issued2013
dc.identifier.urihttp://hdl.handle.net/20.500.11956/58261
dc.description.abstractTato práce se zabývá detekcí změn parametrů v ekonometrických regresních modelech v situaci, kdy existuje stabilní trénovací množina pro počáteční odhad parametrů. Podrobně jsou prezentovány dva známé sekvenční testy - CUSUM test pro lineární regresní model a test založený na vážených reziduích pro autoregresní časovou řadu - včetně asymptotických vlastností za daných předpokladů. Pro malý počet pozorování jsou Monte Carlo simulacemi porovnány dva asymptoticky ekvivalentní odhady rozptylu a dále jsou prezentovány výsledky aproximací kritických hodnot bootstrapovými metodami pro oba zmiňované odhady rozptylu. Na závěr je test založený na vážených reziduích aplikován na historická data indexu S&P 500.cs_CZ
dc.description.abstractThis paper is concerned with change-point detection in parameters of econometric regression models when a training set of data without any change is available. There are presented two well- known sequential tests - CUSUM test for linear regression model and a test based on weighted residuals for an autoregressive time series - including their asymptotical properties under certain conditions. Two asymptotically equivalent variance estimators are compared in a finite sample situation using Monte Carlo simulations. There are also presented and compared critical value approximations using different bootstrapping methods and variance estimators. Finally, the weighted residual test is applied on S&P 500 historical data.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectStructural breaken_US
dc.subjectregression modelen_US
dc.subjectsequential testsen_US
dc.subjectStrukturální změnycs_CZ
dc.subjectregresní modelcs_CZ
dc.subjectsekvenční testycs_CZ
dc.titleModely změn v ekonometrických časových řadáchcs_CZ
dc.typerigorózní prácecs_CZ
dcterms.created2013
dcterms.dateAccepted2013-01-23
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId128181
dc.title.translatedModels of changes in econometric time sequencesen_US
dc.identifier.aleph001558675
thesis.degree.nameRNDr.
thesis.degree.levelrigorózní řízenícs_CZ
thesis.degree.disciplinePravděpodobnost, matematická statistika a ekonometriecs_CZ
thesis.degree.disciplineProbability, mathematical statistics and econometricsen_US
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.thesis.typerigorózní prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csPravděpodobnost, matematická statistika a ekonometriecs_CZ
uk.degree-discipline.enProbability, mathematical statistics and econometricsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csUznánocs_CZ
thesis.grade.enRecognizeden_US
uk.abstract.csTato práce se zabývá detekcí změn parametrů v ekonometrických regresních modelech v situaci, kdy existuje stabilní trénovací množina pro počáteční odhad parametrů. Podrobně jsou prezentovány dva známé sekvenční testy - CUSUM test pro lineární regresní model a test založený na vážených reziduích pro autoregresní časovou řadu - včetně asymptotických vlastností za daných předpokladů. Pro malý počet pozorování jsou Monte Carlo simulacemi porovnány dva asymptoticky ekvivalentní odhady rozptylu a dále jsou prezentovány výsledky aproximací kritických hodnot bootstrapovými metodami pro oba zmiňované odhady rozptylu. Na závěr je test založený na vážených reziduích aplikován na historická data indexu S&P 500.cs_CZ
uk.abstract.enThis paper is concerned with change-point detection in parameters of econometric regression models when a training set of data without any change is available. There are presented two well- known sequential tests - CUSUM test for linear regression model and a test based on weighted residuals for an autoregressive time series - including their asymptotical properties under certain conditions. Two asymptotically equivalent variance estimators are compared in a finite sample situation using Monte Carlo simulations. There are also presented and compared critical value approximations using different bootstrapping methods and variance estimators. Finally, the weighted residual test is applied on S&P 500 historical data.en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.codeU
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusU
dc.identifier.lisID990015586750106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV