TY  - THES
AB  - Diese Arbeit stellt eine semiparametrische Erweiterung des ACD-Modells von Engle und Russell (1998) vor. Der Vorschlag des Semi-ACD-Modells basiert auf der Zerlegung der Daten in einen deterministischen und einen stochastischen Teil, wobei der Erste als zeitvariabel angenommen wird. Um dies entsprechend zu berücksichtigen wird eine nicht-negative, zeitvariable, glatte Skalenfunktion in das Modell aufgenommen, die mit einer lokal polynomialen Regression geschätzt wird. Ein automatischer, iterativer Plug-In Bandbreitenwahl-Algorithmus wird entwickelt. Anhand verschiedener Kriterien aus einer Simulationsstudie wird das Semi-ACD Modell bewertet. Eine Erweiterung des Modells zur Anpassung an Log-Daten zeigt, dass die Schätzung der Skalenfunktion deutlich vereinfacht wird. Darüber hinaus werden entscheidende theoretische Eigenschaften für das Semi-Log-ACD-Modell abgeleitet und der Bandbreitenwahl-Algorithmus weiter automatisiert. Zur Prognose nicht-negativer Finanzdaten werden die oben genannten Modelle mit bekannten und neuen Prognosemethoden kombiniert. Bootstrap-Methoden werden als nichtparametrische Prognosemethoden gewählt. Im Vergleich zu modellbasierten Kalman-Filter-Vorhersagen liefern diese nicht die besten Vorhersagen, sind aber deutlich besser als die entsprechenden parametrischen Modellvorhersagen. Der Algorithmus wird zudem verwendet, um das Log-BIP von Entwicklungs- und Industrieländern zu prognostizieren. Random Walk Modelle mit konstantem, linearem und lokal linearem Drift werden verwendet. Die Kombination von Prognosemethoden verbessert die Vorhersage und insbesondere die Einbeziehung der lokal linearen Regressionsmethode stabilisiert sie. Zudem wird die Erkennung von für Entwicklungsländer typischen Schwankungen im Trendprozess ermöglicht. Forschungsfragen zur weiteren Verbesserung der Semi-(Log-)ACD-Modelle werden vorgestellt.
AU  - Forstinger, Sarah
AU  - Feng, Yuanhua
CY  - Paderborn
DA  - 2018
DO  - 10.17619/UNIPB/1-396
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 25.09.2018
N1  - Anhang Seite XXXIII - LVI
N1  - Universität Paderborn, Dissertation, 2018
PB  - Veröffentlichungen der Universität
PY  - 2018
SP  - 1 Online-Ressource (XII, 138 Seiten)
T2  - Department 4: Economics
TI  - Modelling and forecasting financial and economic time series using different semiparametric ACD models
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-31514
Y2  - 2026-01-18T04:47:13
ER  -