Long range dependence v časových řadách
Long range dependence in time series
Long range dependence v časových řadách
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/78476Identifikátory
SIS: 178235
Katalog UK: 990020924170106986
Kolekce
- Kvalifikační práce [11978]
Autor
Vedoucí práce
Konzultant práce
Pešta, Michal
Oponent práce
Hurt, Jan
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční a pojistná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
9. 6. 2016
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Slovenština
Známka
Dobře
Klíčová slova (česky)
long range dependence, frakcionální Gaussovský šum, silný mixing, druhé momentyKlíčová slova (anglicky)
long range dependence, fractional Gaussian noise, strong mixing, second order theoryNázev práce: Long range dependence v časových řadách Autor: Alexander Till Katedra/Ústav: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: RNDr. Michaela Prokešová, Ph.D. Abstrakt: Diplomová práce demonstruje potřebu studia long range depen- dence, představuje frakcionální Gaussovský šum a diskutuje možné definice dlouhé paměti, a to pomocí prostředků ergodické teorie a pomocí momen- tových charakteristik a spektrální hustoty. Tyto definice jsou konfrontované s modelem frakcionálního Gaussovského šumu a intuitivní představou o long range memory. Zkoumané jsou taky souvislosti a vztahy mezi jednotlivými určujícími kritériemi. Práce je omezena na studium procesů s diskrétním časem. Součástí práce je postup odhadu Hurstova indexu pro frakcionální Gaussovský šum a jeho aplikace na logaritmické výnosy akcií některých světových výrobců piva. 1
Title: Long range dependence in time series Author: Alexander Till Department: Department of Probability and Mathematical Statistics Supervisor: RNDr. Michaela Prokešová, Ph.D. Abstract: The diploma thesis demonstrates the necessity of a study of long range dependence, introduces fractional Gaussian noise and discusses possi- ble definitions of long memory. It is done by notions of ergodic theory and by second moment characteristics and spectral density. These definitions are confronted with the model of fractional Gaussian noise and with intuitive un- derstanding of long range memory. Relations and connections between these criteria are studied as well. The work is restricted to the study of discrete time processes. Method for Hurst index estimation for fractional Gaussian noise and it's application on logarithmic returns of shares of selected produ- cers of beer are included in this work. 1
