Speciální přístupy k modelování nelineárních časových řad
Special aspects of non-linear time series modelling
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/94823Identifikátory
SIS: 181713
Kolekce
- Kvalifikační práce [10690]
Autor
Vedoucí práce
Oponent práce
Hudecová, Šárka
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční a pojistná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
31. 1. 2018
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
Časové řady, ARMA modely, bilineární modelyKlíčová slova (anglicky)
Time series, ARMA models, bilinear modelsV analýze finančních časových řad se používají především modely ARMA a GARCH. V této práci představíme alternativu ke zmíněným modelům, a to bilineární modely. Nejprve jsou popsány základy teorie časových řad, dále je podrobně rozebrána teorie pro jednoduchý bilineární model a následně je představena teorie pro obecné bilineární modely. Poslední kapitola je prak- tická, obsahuje simulační studii pro posouzení vlastností odhadů dle předlo- žené teorie a v závěrečné části jsou pro zvolená finanční data porovnány kvalitativní vlastnosti modelů ARMA a bilineárních modelů. 1
Various models, such as ARMA and GARCH, are used in the financial time series framework. The purpose of this thesis is to present an alternative for these models which are bilinear time series models. First chapter is theore- tical, there is a short introduction to the theory of time series and ARMA models. Second chapter focuses on theoretical aspects of the simple bilinear model, third chapter presents the theory for general bilinear model in the similiar fashion as for simple model. Last chapter is focused on practical aspects, it contains simulations and examines the properties of estimates based on the presented theory, final part is devoted to the comparison of properties of ARMA models and bilinear models for selected financial data. 1