eBook53 Seiten53 Minuten
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
Bewertung: 0 von 5 Sternen
()
Über dieses E-Book
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.
Ähnlich wie Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen
Ähnliche E-Books
Optionspreisbasierte Kapitalkostenbestimmung als Alternative zum Capital Asset Pricing Model?: Eine empirische Studie unter deutschen Aktiengesellschaften Bewertung: 0 von 5 Sternen0 BewertungenMultiple lineare Regression & High Performance Computing: Methodik und Software-Implementation komplexer Analysemodelle Bewertung: 0 von 5 Sternen0 BewertungenEinführung in die numerische Strömungsmechanik Bewertung: 1 von 5 Sternen1/5Die Eignung Neuronaler Netze für die Mining-Funktionen Clustern und Vorhersage Bewertung: 0 von 5 Sternen0 BewertungenA++ und systemnahe Programmiersprachen: Funktional programmieren in C/C++ Bewertung: 0 von 5 Sternen0 BewertungenVerallgemeinerte Funktionen: Grundlagen und Anwendungsbeispiele Bewertung: 0 von 5 Sternen0 BewertungenZuverlässigkeit und Verfügbarkeit technischer Systeme: Eine Einführung in die Praxis Bewertung: 0 von 5 Sternen0 BewertungenMathematische Modellierung & Optimierung für das Stop Location Problem im ÖPNV - am Praxisbeispiel: Bahnstrecke Weimar-Jena Bewertung: 0 von 5 Sternen0 BewertungenRiccati-Messsysteme Bewertung: 0 von 5 Sternen0 BewertungenProgrammieren lernen mit A++: Funktional programmieren in Python und Java Bewertung: 0 von 5 Sternen0 BewertungenNumerische Grundlagen der Simulation: Kompendium Simulation und Regelung technischer Prozesse, Teil 5 Bewertung: 0 von 5 Sternen0 BewertungenProgrammieren in C: Programmieren lernen von Anfang an - Mit vielen Programmierbeispielen - Geeignet zum Selbststudium Bewertung: 0 von 5 Sternen0 BewertungenA++ Die kleinste Programmiersprache der Welt: Eine Programmiersprache zum Erlernen der Programmierung Bewertung: 0 von 5 Sternen0 BewertungenDie Dynamik von Principal-Agent-Modellen: Adverse Selektion und Moral Hazard Bewertung: 0 von 5 Sternen0 BewertungenAnlagestrategien auf Basis von Risikoprämien am deutschen Aktienmarkt Bewertung: 0 von 5 Sternen0 BewertungenClusterbasierte Datenanalyse auf Grundlage genetischer Algorithmen in SAP-BI: Ein Verfahren zur selbständigen Ermittlung der optimalen Anzahl Cluster Bewertung: 0 von 5 Sternen0 BewertungenJavaScript für .NET-Entwickler Bewertung: 0 von 5 Sternen0 BewertungenSensorlose Positionserfassung in linearen Synchronmotoren: Trägersignalbasierte Lageauswertung Bewertung: 0 von 5 Sternen0 BewertungenDatenvisualisierung mit Processing Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zum Funktionsstudium Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Numerischen Analysis Bewertung: 0 von 5 Sternen0 BewertungenWavelets und Anwendungen Bewertung: 0 von 5 Sternen0 BewertungenAbsicherung von Aktieninvestments: Optimierung des Rendite/Risiko-Profils mit Optionen Bewertung: 0 von 5 Sternen0 BewertungenLineare Basisübertragungsglieder: Kompendium Simulation und Regelung technischer Prozesse, Teil 8 Bewertung: 0 von 5 Sternen0 BewertungenDas Vulkan-API: Teil 3: Umgang mit 3-D-Daten Bewertung: 0 von 5 Sternen0 BewertungenMultivariate Analysemethoden: Multivariate Statistik und Datenanalyse mit SPSS einfach erklärt Bewertung: 0 von 5 Sternen0 BewertungenErklärungsansätze für Performance-Persistenz bei Investmentfonds: Ein Überblick Bewertung: 0 von 5 Sternen0 BewertungenQuantitatives Methoden-Brevier SPSS: Eine problemorientierte Referenz für Marktforscher Bewertung: 0 von 5 Sternen0 BewertungenCapital Asset Pricing Model: Statistische Inferenz Bewertung: 0 von 5 Sternen0 Bewertungen
Industrien für Sie
Augmented und Mixed Reality: für Marketing, Medien und Public Relations Bewertung: 0 von 5 Sternen0 BewertungenMensch, Markt, Macht, Moral: Ein Beitrag zur kapitalistischen Synthese Bewertung: 0 von 5 Sternen0 BewertungenDAS PROJEKTERFOLG-HANDBUCH: Wie man mit neuer Baukultur erfolgreich bauen würde - Band 1 Basis Bewertung: 0 von 5 Sternen0 BewertungenJournalistisches Texten Bewertung: 0 von 5 Sternen0 BewertungenISO 21500 - Einführung in den Projektmanagement-Standard und seine Prozesse: Erfolgreiches Projektmanagement: klassisch - hybrid - agil Bewertung: 0 von 5 Sternen0 BewertungenDigital Storytelling: Spannende Geschichten für interne Kommunikation, Werbung und a Bewertung: 0 von 5 Sternen0 BewertungenErklärvideos einfach erfolgreich Bewertung: 0 von 5 Sternen0 BewertungenBook on Demand: Auswirkungen auf den deutschen Buchmarkt Bewertung: 0 von 5 Sternen0 BewertungenNachhaltig handeln im Hotel- und Gastgewerbe: Maßnahmen erfolgreich einführen und umsetzen Bewertung: 0 von 5 Sternen0 BewertungenIkigai: Die japanische Philosophie der Suche nach Ihrem Ziel. Entdecken Sie, was Ihr Leben lebenswert macht Bewertung: 0 von 5 Sternen0 BewertungenDas Leben im Cyberspace Bewertung: 0 von 5 Sternen0 BewertungenIT-Management: Strategie, Finanzen, Sicherheit Bewertung: 0 von 5 Sternen0 BewertungenExistenzgründung als Heilpraktiker: Entwicklung eines Businessplans für die Gründung einer Naturheilpraxis Bewertung: 0 von 5 Sternen0 BewertungenSchreiben fürs Hören: Trainingstexte, Regeln und Methoden Bewertung: 0 von 5 Sternen0 BewertungenBlockchain: Praktische Anwendungen, Praktisches Verständnis Bewertung: 0 von 5 Sternen0 BewertungenUnternehmensgründung: Der perfekte Start in Ihr Start-Up Bewertung: 0 von 5 Sternen0 BewertungenProduktivität Bewertung: 0 von 5 Sternen0 BewertungenGekaufte Forschung: Wissenschaft im Dienst der Konzerne Bewertung: 0 von 5 Sternen0 BewertungenPraxishandbuch Security Bewertung: 0 von 5 Sternen0 BewertungenDie neuesten Fortschritte der Zuschneidekunst.: Zur Formalisierung der Schnitttechnik im Schneidergewerbe im 19. Jahrhundert. Bewertung: 0 von 5 Sternen0 BewertungenVerbraucherjournalismus Bewertung: 0 von 5 Sternen0 BewertungenUtrata Fachwörterbuch: Straßenverkehr Englisch-Deutsch: Englisch-Deutsch / Deutsch-Englisch Bewertung: 0 von 5 Sternen0 BewertungenDas ultimative Gedächtnistraining Bewertung: 0 von 5 Sternen0 BewertungenDigital Fashion Marketing: 20 Fashion Cases für 2020 Bewertung: 0 von 5 Sternen0 BewertungenDie Reise nach Digitalien: Kurze Einführung zum Chief Digital Officer Bewertung: 0 von 5 Sternen0 BewertungenGreen Fashion: Ökologische Nachhaltigkeit in der Bekleidungsindustrie Bewertung: 0 von 5 Sternen0 BewertungenIndustrie 4.0: Entwicklungen und Herausforderungen Bewertung: 3 von 5 Sternen3/5Erfolgreich in der Gastronomie: Entwicklungen und Trends in der deutschen Esskultur Bewertung: 0 von 5 Sternen0 BewertungenDie Gebäudeanalyse in der Immobilienwertermittlung: Erfassen der Daten und Berücksichtigung der Ergebnisse Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen
Bewertung: 0 von 5 Sternen
0 Bewertungen
0 Bewertungen0 Rezensionen
Buchvorschau
Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen - Marianna Jaskewitz
Gefällt Ihnen die Vorschau?
Seite 1 von 1