Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen Möglichkeiten und Grenzen des Verfahrens bei der Bestimmung der Verteilungs- und Intervallprognose der Renditen und Renditevolatilität sowie bei der Berechnung von Value-at-Risk
-
- Taschenbuch
- eBook ausgewählt
-
Form:Einzelkauf Download
-
Sprache:Deutsch
13,00 €
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
Kopierschutz
Nein
Family Sharing
Ja
Text-to-Speech
Nein
Erscheinungsdatum
01.01.2010
Verlag
Bedey & Thoms Media eBookSeitenzahl
76 (Printausgabe)
Dateigröße
555 KB
Auflage
1. Auflage
Sprache
Deutsch
EAN
9783836634786
In dieser Studie wurde untersucht, wie das Bootstrapping bei der Prognoseberechnung mit Hilfe von GARCH- und ARMA-GARCH-Modellen eingesetzt werden kann. Das Augenmerk der Studie gilt der Anwendung der (G)ARCH-Modelle zur Vorhersage der Renditen der auf den Finanzmärkten notierten Vermögenswerte.
Die Untersuchung ist wie folgt aufgebaut:
Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden.
In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen.
In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden.
In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt
1) Verteilungsprognosen zu berechnen,
2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und
3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden.
Die Untersuchung ist wie folgt aufgebaut:
Der Einleitung, in der die Motivation der Anwendung und die praktische Relevanz des oben genannten Ansatzes bei der Prognoseerstellung dargestellt werden, folgt das Kapitel 2, wo einige theoretische Grundlagen der Zeitreihenmodellierung dargestellt werden.
In Kapitel 3 werden zunächst einige empirische Merkmale der Renditezeitreihen beschrieben. Anschließend werden die Eigenschaften der Grundmodelle der (G)ARCH-Familie erläutert und gezeigt, dass diese Eigenschaften (G)ARCH-Modelle weitgehend zur Abbildung von Renditezeitreihen geeignet machen. Es wird auch auf die Erstellung der Prognosen in (G)ARCH-Modellen eingegangen und auf die Problematik der unbekannten Verteilung der prognostizierten Werte hingewiesen.
In Kapitel 4 wird das Bootstrap-Verfahren dargestellt. Die wichtigste Voraussetzung für die Daten, auf welche dieses Verfahrens angewendet wird, ist, dass sie unabhängig und identisch verteilt sein sollen. Allerdings lässt sich das Verfahren durch bestimmte Modifikationen und Erweiterungen auch auf die Daten anwenden, welche nicht unabhängig sind wie z. B. die Zeitreihen. Die für das Thema dieser Untersuchung relevante Erweiterung des Bootstrap-Verfahrens ist der modellbasierte Bootstrap. Dabei wird ein Modell, das unabhängig und identisch verteilte Residuen generiert, an eine Zeitreihe angepasst. Die Residuen werden dann simuliert und wieder in das Modell eingesetzt. In (G)ARCH-Modellen sind die Größen nt unabhängig und identisch verteilt, d. h. auf sie kann das Bootstrap-Verfahren angewendet werden.
In Kapitel 5 wird die Vorgehensweise bei der Berechung der Prognosen in GARCH- und ARMA-GARCH-Modellen in Kombination mit Bootstrapping beschrieben. Das Verfahren erlaubt
1) Verteilungsprognosen zu berechnen,
2) die Genauigkeit eines Prognosewertes durch die Bildung von Intervallen einzuschätzen und
3) kann auch zur Verzerrungs-Korrektur der prognostizierten Werte unter Annahme einer Normalverteilung eingesetzt werden.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice