Untersuchung zur Parameterschätzung in SETAR-Modellen

Inhaltsangabe:Einleitung:Viele Datenreihen (z.B. aus Ökonomie oder Medizin) weisen nichtlineares Verhalten wie natürliche Sättigungserscheinungen und Zykliken auf und lassen sich daher durch lineare AR-Modelle nicht hinreichend gut beschreiben. Das SETAR-Modell (self-exciting threshold autoregressive model) bildet diese Eigenschaften besonders gut ab.Die vorliegende Arbeit ist für den Praktiker geschrieben der SETAR-Modelle schätzen und mit ihnen Prognosen erstellen will. Die komplizierte Schätzung aller Modellparameter wird in Theorie und Praxis dargelegt kann aber anhand der beiliegenden Programme Prozeduren und Beispiele sofort umgesetzt werden. Dabei fließen auch unsere neuen Erkenntnisse auf dem Gebiet der Parameterschätzung ein.In einem abschließenden Kapitel wird die erarbeitete Identifizierungsprozedur für SETAR-Modelle an bekannten Lehrbuch- und Wirtschaftsreihen getestet.Inhaltsverzeichnis:Inhaltsverzeichnis:1.EINLEITUNG22.MODELLIDENTIFIKATION52.1BESTIMMUNG DER EINGANGSORDNUNG52.2SCHÄTZUNG DES DELAY-PARAMETERS72.3THRESHOLD-BESTIMMUNG102.3.1Eine visuelle Methode102.3.2Bayes’scher Ansatz112.3.2.1Bestimmung der marginalen a-posteriori-Dichte der Thresholds112.3.2.2Ein stochastischer Suchalgorithmus152.3.2.3Auftretende Effekte242.4FINETUNING DER ORDNUNG DES MODELLS252.4.1Lineare AR-Techniken252.4.2Verbesserte Ordnungsschätzung263.DAS PFE-GÜTEKRITERIUM293.1VERGLEICH VERSCHIEDENER GÜTEMAßE293.2DELAY-IDENTIFIZIERUNG DURCH DAS PFE-KRITERIUM303.3ANSATZ ZUR IDENTIFIZIERUNG DER REGIMEANZAHL323.4THRESHOLDBESTIMMUNG DURCH DAS PFE-KRITERIUM364.SIMULATIONEN384.1TECHNISCHE VORGEHENSWEISE384.2PARAMETERIDENTIFIKATION384.3PROBLEMBEREICH: THRESHOLD = 0485.BEISPIELE515.1PROGNOSE VON SETAR-MODELLEN515.2LEHRBUCHREIHEN535.2.1Sunspot-Daten535.2.2Log-Lynx-Daten555.3ÖKONOMISCHE REIHEN565.3.1Transformation565.3.2Deutscher Aktienindex575.3.3Standard & Poors 500 Index615.3.4US-Dollar in Yen626.ZUSAMMENF