Nichtparametrische Ansätze in der Zeitreihen- und Bildanalyse
|
|
- Gertrud Brandt
- vor 5 Jahren
- Abrufe
Transkript
1 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Nichparamerische Ansäze in der Zeireihen- und Bildanalyse AG Angewande Mahemaische Saisik Prof. Dr. Jürgen Franke, Dr. Jean-Pierre Sockis, Dr. Joseph Tadjuidje (FB Mahemaik) Dr. Gerald Kroisand, Dr. Alex Sarishvili (ITWM) Dr. Siana Halim (Pera Universiy), Dr. Peer Mwia (Jomo Kenyaa Universiy of Technology) 1
2 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 1. Allgemeine Regressions- und Zeireihenmodelle Regressionsmodell: Y = m( X ) + ε, = 1, K, N Y d R, X R, =1,...,N, unabhängig Residuen ε, =1,...,N, unabhängig, idenisch vereil, Eε = 0 Auoregressionsmodell der Ordnung p: Y = m( Y 1, K, Y p ) + ε, = 1, K, N X = ( Y 1, K, Y p ) Modell für verrausches Bild: Y z = m( z) + ε, z I Z sochasischer Prozess auf ganzzahligem Gier Z z n 2 2 2
3 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Regressionsmodell: Y = m( X ) + ε Ziel I: Schäze Funkion m(x) ( = E{ Y X = x} ) aus den Daen ohne spezielle Annahmen an die Form von m (außer allgemeinen Regulariäsannahmen, z.b. 2 2 m C, L ( µ ), K ) Uner dieses allgemeine Schäzproblem fäll: Vorhersage von Zeireihen aus den vergangenen Beobachungen Enrauschen von Bildern Risikomanagemen von Zeireihen Verallgemeinerungen: 1) Y = m( X ) + σ ( X ) ε Heeroskedasiziä 2) Residuen ε saionärer sochasischer Prozess 3) ARMA oder Feedback: Y = m Y, ε ) + ε ( 1 1 3
4 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Regressionsmodell: Y = m( X ) + ε, Ziel II: Tese, ob m=m* auf der Grundlage nichparamerischer Schäzer Y * * * = m *( X ) + ε Anwendungen: Veränderungen in Bildern incl. Lokalisaion Srukurbrüche in Zeireihen Klassifikaion anhand von unabhängigen Zeireihenbeobachungen Beispiel: Deekion und Lokalisaion von Defeken in exilen Geweben 4
5 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 5
6 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 2. Lokale Gläungsverfahren Regressionsmodell: Y = m( X ) + ε, = 1, K N, X äquidisanes Gier auf Inervall [0,1]: m ˆ ( x, h) = 1 K ( x X ) Y, K ( u) = 1 N h lokales gewichees Miel der Daen: K ( x X ) 0 für x X > h h h h K( u h ) Inuiion: m gla m( u) m( x) für alle u x EY m(x) für alle mi X x mˆ ( x, h) m( x) für N, h 0 (Gesez der großen Zahlen) 6
7 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 7
8 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 8
9 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 9
10 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Allgemein Korrekur für variierende lokale Diche der X nöig. Nadaraya-Wason Kernschäzer: = h h X x K Y X x K h x m ) ( ) ( ), ( ˆ Lokal-konsaner Kleinser-Quadrae-Schäzer: ( ) = h m X x K m Y h x m ) ( arg min ), ˆ ( 2 Lokal-linearer Schäzer ( ) h m m X x K X x m m Y ) ( ) ( min , 1 ) '( ), ( ), ( ˆ 1 0 x m m x m h x m m = 10
11 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse ( Y m) m ˆ ( x, h) = arg minm Kh ( x X ) Kleinse-Quadrae: Schäzer für bedingen Erwarungswer, opimal (da lokal Maximum Likelihood für normalvereile Residuen) 2 Alernaive Verlusfunkionen: Y m α Lösung schäz bedinges α -Quanil q α (x), i.e. pr( Y qα ( x) X = x) = α Beispiel: Y + 1 m( Y ) + σ ( Y ) ε + 1 (AR-ARCH) = ( r c) 2 2 m( r) = a + br + exp( ), σ ( r = ω + φr 2 N=1000, ε N(0,1)-vereil 1 2π d ) d 2 11
12 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 12
13 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Lokale Maximum-Likelihood Schäzer m ˆ ( x, h) = arg maxm l ( Y, m) Kh ( x X ) l ( Y, m) bedinge log-likelihood von Y gegeben X, Funkion von Parameer m Theorie: Asympoische Vereilung von mˆ ( x, h) für N, h 0 Alernaive: Boosrap-Approximaion der Vereilung von mˆ ( x, h) Konfidenzbänder für m(x): pr( m ˆ ( x, h) m( x) mˆ + ( x, h) für alle x [ a, b]) γ auomaische Wahl des Gläungsparameers: Kreuzvalidierung, Plug-inoder Boosrap-Approximaion von e ( h) = E d( mˆ (., h), m) und Minimierung 13
14 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse auomaische lokale Wahl des Gläungsparameers h=h(x), so dass z.b. 2 e( x, h) = E ( mˆ ( x, h), m( x)) = min! Tess von H 0 : m=m*, ypischerweise von der Form ablehnen d( mˆ, mˆ*) c Tess paramerischer Modelle: H 0 : m ( x) = g( x; θ ) für ein θ Θ α Beziehung zu anderen lokalen Verfahren: Spline-Gläer, nichlineare Diffusionsfiler, Regularisierungsverfahren,... (mi J. Weicker, Saarbrücken) 14
15 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 3. Globale nichparamerische Funkionsschäzer Regressionsmodell: Y = m( X ) + ε, = 1, K N, Paramerisiere Funkionsklassen F N, deren Dimension mi N wächs, mi universeller Approximaionseigenschaf, z.b. F 1 F K dich in L 2 (µ ) 2 N Siebschäzer ( ) 2 mˆ N = arg min f F = N 1 Y f ( X ) Wenn die Parameerdimension von F N mi der richigen Rae wächs (abhängig von N, der Größe der Funkionsklassen und den sochasischen Eigenschafen von ( X, ε ), = 1, K, N ) : 2 mˆ N m 2 = ( mˆ N ( x) m( x)) µ ( dx) 0 fas sicher 2 15
16 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Regressionsmodell: Y = m( X ) + ε, = 1, K N, Unerschied zu lokalen Gläungsverfahren: mˆ ( x, h) häng im wesenlichen nur von den Daen ( Y, ) mi X x ab mˆ N ( x) häng von allen Daen ab X Beispiele: Orhogonalreihen- (z.b. Fourier-) Enwicklungen mi M=M(N): M k= M ikx F N = { f ( x) = ake ; a0, K, am R, a k = ak} 16
17 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Neuronale Neze, z.b. Feedforward mi einer verborgenen Schich aus H=H(N) u 1 Neuronen und logisisch-sigmoider Akivierungsfunkion ψ ( u) = (1 + e ) : f, falls ( x; θ ) = v + v ψ ( w + w x), F N f H (0) T H 0 h= 1 h h h h= 0 vh = N mi N wachsende Schranke an die Oupu-Gewiche, (d + 1)H+ H+ 1 θ R Parameervekor aus allen Gewichen v h, w (0) h R, w h R d Alernaive Verlusfunkionen: Quanilsschäzer, Varianzschäzer ec. 17
18 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Beispiel: Y+ σ ( X ) ε (ARCHX) Y +1 Rendie der BASF-Akie ( ) X = 1 = 1 Y X 2 Rendie des DAX X 3 30 Tage-Miel der DAX-Rendien X 4 exponeniell gewichee 30 Tage Sichprobensandardabweichung (Volailiä) von BASF Vergleiche Value-a-Risk ( α = 5% -Quanil) geschäz über GARCH(1,1)-Modell nezbasierer Schäzer für σ (x) mi sandard-normalvereilen Innovaionen 18
19 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 19
20 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 4. Mischungen saionärer Zeireihen Deekion von Srukuränderungen Beobachee Zeireihe Z µ + Y E Y = 0 = Saionariä: µ µ, Y saionär Verschiedene Phasen: zeiabhängiges Miel (Sprünge, beginnende Trends) Änderungen in der sochasischen Srukur von Y (Modellparameer, Spekralzerlegung, Kovarianzsrukur) Anzeichen: mulimodale Diche, verschiedene Cluser im Scaerplo Z, ) ( Z
21 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 21
22 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 22
23 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 23
24 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Der Phasen- oder Zusandsprozess: K Phasen oder Zusände, fesgeleg durch verborgenen Zusandsprozess Q, z.b. Markowkee mi Zusandsraum { 1, K, K}. Alernaive Darsellung: Zusandsindikaor S { e 1, K, e }, e Basisvekoren des R, mi K j K 1 if Q = k S, k =, k = 1, K, K. 0 else Modell (Mischung auoregressiver Prozesse): Ordnung 1: Z K = k = 1 S, k { mk ( Z 1) + σkε } Residuen ε N(0,1), Residuenvarianzen σ k > 0, m k ( z) auoregressive Funkionen 2 24
25 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse Allgemein: CHARME (condiional heeroscedasic auoregressive mixures of expers): Z { m Z, K, Z ) σ ( Z,, Z ) ε } K k= 1 S, k k ( 1 p + k 1 p = K pr( S S + 1 ) p << 1, so dass Zusandsänderungen nich zu of aufreen Ziel: Simulane nichparamerische Schäzung (z.b. mi Nadaraya-Wason- 2 Kernschäzer oder neuronalen Nezen) der m ( z), σ ( z), k = 1, K, K. Schäzen der Zusandsindikaoren Zusandsänderungen Expecaion-Maximizaion- (EM) Algorihmen k S und dami auch von k 25
26 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 26
27 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 27
28 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 28
29 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 29
30 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 30
31 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 31
32 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 32
33 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 33
34 Dagsuhl, November 2005 Nichparamerische Zeireihen- und Bildanalyse 34
Zeitreihenökonometrie
Zeireihenökonomerie Kapiel 4 Schäzung univariaer Zeireihenmodelle Y = c+ α Y + + α Y + ε + βε + + β ε p p q q Problem: Direke Schäzung der Parameer α,, αp und β,, βq über OLS nich möglich, da die Residuen
MehrZeitreihenökonometrie
ifo Insiu für Wirschafsforschung an der Universiä München Zeireihenökonomerie Kapiel 6 Nichsaionäre univariae Zeireihenmodelle ifo Insiu für Wirschafsforschung an der Universiä München Nichsaionäre Prozesse
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sequenzanalyse
Universiä Posdam Insiu für Informaik Lehrsuhl Maschinelles Lernen Sequenzanalyse Michael Brückner (Verreung) Chrisoph Sawade/Niels Landwehr Paul Prasse Tobias Scheffer Lieraur Klaus Neusser: Zeireihenanalyse
MehrProf. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeitreihenanalyse Sommer 2003
Prof. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeireihenanalyse Sommer 2003 I.) Klassische Zeireihenanalyse Komponenen einer Zeireihe: Trend- (u. Zyklus), Saison- und Residualkomponene Addiive und muliplikaive
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Sequenzanalyse
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Lieraur Klaus Neusser: Zeireihenanalyse in den Wirschafswissenschafen. Mike Hüfle: Sochasische Prozesse in der Zeireihenanalyse. hp://www.ivh.uni-hannover.de/opiv/mehoden/sochme/sochme.pdf
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 1 - Grundlagen Einführung in die Verfahren der Zeireihenanalyse (1) Typischerweise beginn man mi einer Beschreibung der jeweils zu unersuchenden Zeireihe (graphisch) Trendverhalen,
MehrÜbung zu Quantitative Methoden der Marktanalyse. Tests zu den Annahmen der OLS-Schätzung. 1. Annahmen zur OLS-Schätzung. 1. Annahmen zur OLS-Schätzung
Termin Übungsinhal Übung zu Quaniaive Mehoden der Markanalyse Annahmen derols-schäzung 9.06.009 9.06.009 Tess zu den Annahmen der OLS- Schäzung 06.07.009 Klausurvorbereiung.07.009 Klausurvorbereiung 0.07.009
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Zwischenklausur im WS 02/03
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Zwischenklausur im S 0/0 Aufgabe 1: [1] Mi den Daen von 177 Miewohnungen einer Schweizer Sad wurde
MehrGrenzwertsätze für Zeitreihen
KAPIEL 6 Grenzwersäze für Zeireihen In diesem Kapiel sellen wir wichige Grenzwersäze für saionäre Zeireihen {X n } in diskreer Zei zusammen. Sei µ = E(X ) und ρ(k) = E(X 1 µ)(x 1+k µ) = Cov (X 1, X 1+k
MehrEmpirische Wirtschaftsforschung
Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 9.6. Zeireihen und Zeireihenmodelle Prinzipielle
MehrStationarität/Ergodizität
Empirische Mehoden (MA) SS 011 Übungsbla 3 Willi Muschler willi.muschler@uni-muenser.de Saionariä/Ergodiziä 1. Beanworen Sie folgende Fragen: (a) Was verseh man uner einem sochasischen Prozess, was uner
MehrEinfache lineare Regression: Übung 2
3. Einfache lineare Regression Ökonomerie I - Peer Salder 1 Einfache lineare Regression: Übung Simulaionsexperimen mi künslich generieren Sichproben Wahres Modell (daengenerierender Prozess): y x u mi
MehrOptimierungsverfahren bei saisonalen/periodischen Prozessen für Prognosezwecke
Fakulä Informaik, Professur für Technische Informaionssyseme, Proseminar Technische Informaionssyseme Proseminar Opimierungsverfahren bei saisonalen/periodischen Prozessen für Prognosezwecke Gliederung
Mehrwerden in der Ökonometrie bei der Kleinst-Quadrate-Schätzung (OLS-Schätzung) für die Störvariable U die Standardannahmen
5. ARCH- und GARCH-Modelle ARCH-Modelle In dem muliplen Regressionsmodell () Y = β + βx +... + βkx k + U ' Y = x β + U ' mi x = ( x x3... x k ) und β = ( β β... βk ) werden in der Ökonomerie bei der Kleins-Quadrae-Schäzung
MehrAufgaben zur Zeitreihenanalyse (Kap. 4)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 4) Aufgabe 4. Warum folg die Dickey-Fuller-Tessaisik nich der bei einem Signifikanzes der Regressionskoeffizienen
MehrA. Multiple Choice Teil der Klausur (22 Punkte)
A. Muliple Choice Teil der Klausur ( Punke) Punk Homoskedasiziä bedeue dass a) Annahme B gil, d.h. dass die geschäzen Sörgrößen û über alle Zeipunke gerechne eine konsane Varianz haben, b) alle wahren
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goehe-Universiä Frankfur am Main Fachbereich Wirschafswissenschafen Professur für Saisik und Ökonomerie (Empirische Wirschafsforschung) Prof. Dr. Reinhard Hujer Meronsraße 7 Posfach 9 3
Mehr4.1 OLS a) OLS-Schätzung der Koeffizienten der Strukturform
4. Schäzmehoden 4. 4. OLS a) OLS-Schäzung der Koeffizienen der Srukurform OLS liefer verzerre und nich konsisene Schäzungen der Koeffizienen der Srukurform inerdependener Modelle, weil i.a. Sörvariable
MehrAufgaben zur Zeitreihenanalyse (Kap. 3)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. Aufgabe. Was verseh man uner einem sochasischen Prozess? Ein sochasischer Prozess is eine zeiliche Folge
MehrAufgaben zur Zeitreihenanalyse (Kap. 5)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 5) Aufgabe 5.1 Welches Phänomen läss sich mi ARCH-Prozessen modellieren und welche prognosische Relevanz
MehrTeil D: Einführung in die Kointegrationsmethodologie
Teil D: Einführung in die Koinegraionsmehodologie 1. Problem der Scheinregression Makroökonomische Zeireihen (z.b. Oupu, Invesiionen, Beschäfigung) sind ypischerweise rendbehafeee Zeireihen. Bruosozialproduk
MehrKlausur SS Teil A: entweder Multiple Choice (hier auf den Seiten 2 bis 6)
Prof. Dr. Peer von der Lippe Klausur SS 0 Die folgenden Seien enhalen die Klausur "Einführung in die ökonomerische Daenanalyse" (ohne Hinweise zur Muserlösung), so wie sie asächlich gesell wurde. Sie besand
Mehr3.2 Autoregressive Prozesse (AR-Modelle) AR(p)-Prozesse
3. Auoregressive Prozesse (AR-Modelle 3.. AR(-Prozesse Definiion: Ein sochasischer Prozess ( heiß auoregressiver Prozess der Ordnung [AR(-Prozess], wenn er der Beziehung (3.. genüg. ( is darin ein reiner
MehrLösungen zu den "Aufgaben in der Ökonometrieklausur in Duisburg" 1
ufgabe 4 1 F R 3 R 4 F 5 R 6 R 7 R 8 F 9 R 1 R Die erse Frage mag ewas missversändlich sein (in solchen Fällen ruhig verbal nmerkungen machen): im Modell der Korrelaionsanalyse is y und x eine Zufallsvariable.
Mehr3.3 Moving-Average-Prozesse (MA-Modelle)
. Moving-Average-Prozesse MA-Modelle Definiion: in sochasischer Prozess heiß Moving-Average-Prozess der Ordnng [MA-Prozess], wenn er die Form θ θ i i... θ i oder B mi ha. is dabei ein reiner Zfallsprozess
MehrKurzrepetition Ökonometrie I - Lösungen
. Einführung Ökonomerie II - Peer Salder Kurzrepeiion Ökonomerie I - Lösungen Aufgabe (Inerpreaion von Regressionsergebnissen) a) Der prozenuale Aneil der Varianz der abhängigen Variablen, der durch die
MehrBeispiele für Aufgaben in der Ökonometrieklausur in Duisburg
Beispiele für Aufgaben in der Ökonomerieklausur in Duisburg Die Aufgaben sind (z.. modifiziere) asächlich geselle Aufgaben unerschiedlichen Schwierigkeisgrads und daher auch mi unerschiedlicher Punkzahl
MehrSeminar Bewertungsmethoden in der Personenversicherungsmathematik
Seminar Bewerungsmehoden in der Personenversicherungsmahemaik Akuarielle und finanzmahmaische Bewerung I Xiaoying Xu Mahemaisches Insiu der Universiä zu Köln Sommersemeser 2010 Bereuung: Prof Schmidli,
MehrRegression, Tests und Problembereiche
Ökonomerie ufgabensammlung 4 Regression, Tess und Problembereiche ufgabe 7 Führen Sie eine Trendberechnung für die Variable y durch: Jahr 996 997 998 999 000 00 00 3 4 5 6 7 y 3 5 5 8 9 0 Berechnen Sie:
MehrWorkshop Monetäre Ökonometrie. zur Vorlesung Theorie der Geldpolitik von Prof. G. Illing
Julian von Landesberger 4.06.007 Workshop Moneäre Ökonomerie zur Vorlesung heorie der Geldpoliik von Prof. G. Illing Gliederung I Grundlagen Das OLS-Schäzverfahren Einige wichige Begriffe Saisische Prozesse
MehrAufgaben: Repetition Ökonometrie I - Lösungen
Ökonomerie I - Peer Salder Aufgaben: Repeiion Ökonomerie I - Lösungen Aufgabe (Radiowerbung für Kino): Die Schäzung der Regressionsgleichung U W u U : Wochenumsaz, W : Werbeausgaben ergib: 000, 07., SE
MehrEinführung in die Ökonometrie
Maerialien zur Vorlesung Einführung in die Ökonomerie Sommersemeser 5 Prof. Dr. Klaus Neusser Universiä Bern Einführung in die Ökonomerie Inhal Einführung 4. Einige Lehrbücher 6. Einige ökonomerische Programmpakee
MehrAnalyse zeitabhängiger Daten. Zeitreihenanalyse II
Analyse zeiabhängiger Daen Zeireihenanalyse II Warum geh es in den folgenden Sizungen? Zeireihen Daum 04.04.07 11.04.07 18.04.07 25.04.07 02.05.07 09.05.07 16.05.07 23.05.07 30.05.07 06.06.07 13.06.07
MehrFokker-Planck-Gleichung
Fokker-Planck-Gleichung Beschreibung sochasischer Prozesse David Kleinhans kleinhan@uni-muenser.de WWU Münser David Kleinhans, WWU Münser Fokker-Planck-Gleichung Beschreibung elemenarer sochasischer Prozesse
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Überblick Sh Schrie der Daenanalyse: Daenvorverarbeiung Problemanalyse Problemlösung Anwendung der Lösung Aggregaion und Selekion von Daen. Inegraion
MehrStatistische Analysen am Rechner: Eine Einführung
Saisische Analysen am Rechner: Eine Einführung Diese Rechnerübung soll einen ersen Einblick in das Programm EViews geben. Dafür werden der Akienmarkindex DAX und der Index des Renenmarkes REX für den Zeiraum
MehrDiplomvorprüfung im Fach Statistik II im SS Aufgabenteil
Lehrsuhl für Saisik und empirische Wirschafsforschung Prof. Regina T. Riphahn, Ph.D. Diplomvorprüfung im Fach Saisik II im SS 2006 - Aufgabeneil Name, Vorname Marikelnr. Sudiengang Semeser Daum 07.08.2006
MehrNo-Arbitrage Modelle
No-Arbirage Modelle Sefan Fremd 17. Januar 27 1 Einleiung No-Arbirage Modelle: Modelle, bei denen die beobacheen Preise der Anleihen Derivae am Mark P obs (, T ) genau mi denen des Modells ˆP (, T ) übereinsimmen,
MehrEmpirische Wirtschaftsforschung
Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 6.4. Mulikollineariä a) Das Problem und seine
MehrKapitel 7. Exponentialfamilien. 7.1 Wahrscheinlichkeitsverteilungen
Kapiel 7 Exponenialfamilien Exponenialfamilien sind dominiere saisische Räume, deren Likelihoodfunkion eine besonders einfache Srukur besiz, ihr Logarihmus is von affiner Gesal. Neben der daraus resulierenden
MehrStochastische Automaten und Quellen
KAPITEL 2 Sochasische Auomaen und Quellen Sei A ein Sysem allgemeiner Ar (z.b. ein physikalisches Sysem oder eine Nachrichenquelle), das wir zu diskreen Zeipunken = 0, 1,... beobachen. Wir nehmen an: (SA
MehrPrüfung Finanzmathematik und Investmentmanagement 2011
Prüfung Finanzmahemaik und Invesmenmanagemen 0 Aufgabe : (0 Minuen) a) Auf der Grundlage einer Lagrange-Opimierung ergib sich die folgende funkionale Form für die (, ) -Koordinaen der (rein riskanen) Randporfolios
MehrGewöhnliche Differentialgleichungen (DGL)
Gewöhnliche Differenialgleichungen (DGL) Einführende Beispiele und Definiion einer DGL Beispiel 1: 1. Die lineare Pendelbewegung eines Federschwingers führ uner Zuhilfenahme des Newonschen Krafgesezes
MehrDas Verhalten ausgewählter technischer Indikatoren bei simulierten Finanzzeitreihen
Das Verhalen ausgewähler echnischer Indikaoren bei simulieren Finanzzeireihen Diplomarbei Wirschafsmahemaik von Carsen Zimmer Prof. Dr. Jürgen Franke Fachbereich Mahemaik Universiä Kaiserslauern Dank An
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
MehrZeitreihenanalyse. Steffen Bickel
Zeireihenanalyse Seffen Bickel Zeireihen Zeireihen ensehen bei Messung eines Merkmals zu verschiedenen Zeipunken. z.b.: ägliche Messung der Temperaur an einem Or, monaliche Verkaufszahlen für ein Produk,
Mehr5. Heteroskedastizität
5. Heeroskedasiziä 5. Form und Auswirkung In dem muliplen Regressionsmodell is bisher unersell worden, dass die Sörgröße u homoskedasisch is, d.h. in allen Perioden bzw. für alle saisische Einheien die
MehrArbitragefreie Preise
Arbiragefreie Preise Maren Schmeck 24. Okober 2006 1 Einleiung P i () Preis von Anleihe i zur Zei, i = 1,..., n x i Anzahl an Einheien der Anleihe i V () = n i=1 x ip i () Wer eines Porfolios mi x i Einheien
Mehr2.2.3 Exponentielle Glättung
3 Exponenielle Gläung Mi Hilfe der exponeniellen Gläung kann wie beim Verfahren der gleienden Mielwere die glae Komponene einer Zeireihe herausgefiler werden Zum Zwecke der Gläung werden die Zeireihenwere
MehrThema 11: Signifikanz von Parametern
Thema 11: Signifikanz von Parameern Zweck Überprüfung, ob Zusammenhang (zwischen Y und X) wirklich gegeben. Y = b + m X, wenn m = 0 wäre, gil Y = b und Y wäre nich von X abhängig kein Zusammenhang Das
Mehr3. Signifikanztests und Konfidenzintervalle 3.1 Signifikanztests über einzelne Regressionskoeffizienten
3. Signifikanzess und Konfidenzinervalle 3.1 Signifikanzess über einzelne Regressionskoeffizienen Wenn das muliple Regressionsmodell mi der ökonomischen Theorie im Einklang seh, is zu erwaren, dass die
MehrZeit (in h) Ausflussrate (in l/h)
Aufgabe 6 (Enwicklung einer Populaion): (Anforderungen: Inerpreaion von Schaubildern; Inegralfunkion in der Praxis) Von einer Populaion wird - jeweils in Abhängigkei von der Zei - die Geburenrae (in Individuen
Mehr6. Vektorautoregressive Modelle
6. Vekorauoregressive Modelle 6. In bisherigen Modellen Feslegung von exogenen Variablen nowendig. Sreng genommen gib es keine vollsändig exogenen Variablen. Beisiel: Selbs die exogene Anhebung des Leizinssazes
MehrSchätzungen und Hypothesenprüfungen. Hypothesenprüfungen. t Tests. Gibt es eine Wirkung einer Behandlung? Typische Entscheidungsfragen in der Medizin
Hypoheenprüfungen. Te Schäzungen Wie gro i eine Gröe? Punkchäzungen Schäzungen und Hypoheenprüfungen ein Wer i gegeben und nich über die Sicherhei Parameer der Sichprobe Parameer der Populaion μ σ ( n
MehrAnalyse zeitabhängiger Daten. Zeitreihenanalyse I
Analyse zeiabhängiger Daen Zeireihenanalyse I Warum geh es in den folgenden Sizungen? Zeireihen Daum 04.04.07 11.04.07 18.04.07 25.04.07 02.05.07 09.05.07 16.05.07 23.05.07 30.05.07 06.06.07 13.06.07 20.06.07
MehrStetige Gleichverteilung auf [a, b]
2.2.2 Seige Vereilungen Seige Gleichvereilung auf [a, b] Bezeichnung: X U[a, b]. Dichefunkion: (a < b) f() = 1 b a : a b 0 : sons Vereilungsfunkion: 0 : < a a F () = : a b b a 1 : > b Median(X) = EX =
MehrKurs 9.3: Forschungsmethoden II
MSc Banking & Finance Kurs 9.3: Forschungsmehoden II Zeireihenanalyse Lernsequenz 04: Regression zwischen Zeireihen / ARMA-Modelle November 014 Prof. Dr. Jürg Schwarz Folie Inhal Ziele 5 Regression zwischen
Mehr1. Ökonometrie und empirische Wirtschaftsforschung
1. Ökonomerie und empirische Wirschafsforschung 1.1 Gegensand und Arbeisgebiee der Ökonomerie Ökonomerie: Schäz- und Tesmehoden zur Überprüfung und Anwendung ökonomischer Hypohesen und Modelle Empirische
MehrLebensdaueruntersuchungen an Energiesparlampen
Wilfrie Rohm Leensauerunersuchungen Seie von 6 Wilfrie Rohm wrohm@aon.a Leensauerunersuchungen an Energiesparlampen Link zur Beispielsüersich Mahemaische / Fachliche Inhale in Sichworen: Weiullvereilung,
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Abschlussklausur im WS 02/03
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Abschlussklausur im S 0/03 Aufgabe 1: [] Sie wollen die Skifahrgewohnheien von innen und Schweizern
MehrIII Wechselkursempirie
III Wechselkursempirie ) Daen /$ Wechselkurs (bzw. DM-Kurs in vor offiziellem Sar des ): monaliche Durchschniswere von Januar 96 bis November 22. 2.2 DM/$ Nominal Exchange Rae (monhly average ) 2..8.6.4.2..8.6
Mehr7. Gewöhnliche Differentialgleichungen
1 7. Gewöhnliche Differenialgleichungen DGL: Gewöhnliche DGL: Parielle DGL: Anfangs- oder Randbedingungen: Besimmungsgleichung für eine Funkion, in der die gesuchen Funkion und ihre Ableiungen vorkomm
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Abschlussklausur im WS 04/05
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Abschlussklausur im S 04/05 Aufgabe : Als wissenschaflicher Miarbeier eines Schlafinsius versuchen
MehrDifferentialgleichungen
Ein einfaches Modell (Domar) Im Domar Wachsumsmodell reffen wir die folgenden Annahmen: Kapiel Differenialgleichungen () Erhöhung der Invesiionsrae I() erhöh das Einkommen Y(): dy d = s di (s = konsan)
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebiesmanagemen o.univ.prof. DI Dr. H.P. Nachnebel Insiu für Wasserwirschaf, Hydrologie und konsrukiver Wasserbau Gliederung der Vorlesung Saisische Grundlagen Exremwersaisik Korrelaion
MehrAllgemeine lineare Modelle
262 Merkpunkte Allgemeine lineare Modelle Multiple lineare Regression mit nicht-normalen Zufallsabweichungen bilden eine harmlose" Verallgemeinerung der multiplen lin. Regr. Beispiele: Gumbel-Regression,
MehrVorlesung Geldpolitik 3. Implementierung der Geldpolitik. Enzo Rossi FS 2011
Vorlesung Geldpoliik 3. Implemenierung der Geldpoliik 1 3. Implemenierung der Geldpoliik Vorlesung Geldpoliik 3. Implemenierung der Geldpoliik Srukur der Vorlesung 1. Operaing Procedures. Die Insrumenenwahl
Mehr14.1 Neuronale Netze Neuronale Netze. 14 Neuronale Netze Neuronale Netze Neuronale Netze. Neuronale Netze
14 Neuronale Neze 14.1 Übersich 14.1 Neuronale Neze Neuronale Neze 14 Neuronale Neze Die Folien zu Neur(on)alen Nezen sind angelehn an zwei Lieraursellen: Cross, S.S., Harrison, R.F., Kennedy, R.L. (1995):
MehrFachhochschule Stralsund. Forschungsbericht
Fachhochschule Sralsund Forschungsberich Analyse und Kurzfrisprognose von Zeireihen für Energie- und Rohsoffmärke mi Hilfe sochasischer nichlinearer Mehrgleichungsmodelle Prof. Dr. Wolfgang Göze II Die
MehrV1 - Poisson-Statistik
V1 - Poisson-Saisik Michael Baron, Sven Pallus 03. Mai 2006 Inhalsverzeichnis 1 Aufgabensellung 1 2 Theoreischer Hinergrund 2 2.1 Geiger-Müller-Zählrohr...................... 2 2.2 Poisson-Vereilung........................
Mehr14 Kurven in Parameterdarstellung, Tangentenvektor und Bogenlänge
Dr. Dirk Windelberg Leibniz Universiä Hannover Mahemaik für Ingenieure Mahemaik hp://www.windelberg.de/agq 14 Kurven in Parameerdarsellung, Tangenenvekor und Bogenlänge Aufgabe 14.1 (Tangenenvekor und
MehrARCH-Prozesse und ihre Erweiterungen - Eine empirische Untersuchung für Finanzmarktzeitreihen - Frank Jacobi. Arbeitspapier Nr.
ARCH-Prozesse und ihre Erweierungen - Eine empirische Unersuchung für Finanzmarkzeireihen - Frank Jacobi Arbeispapier Nr. 31 (April 005) 005 Insiu für Saisik und Ökonomerie, Johannes Guenberg-Universiä
MehrEin einfaches neu-keynesianisches Gleichgewichtsmodell
Zusammenfassung Ein einfaches neu-keynesianisches Modell Geldheorie und Geldpoliik Winersemeser, 20/2 Lieraurhinweise: Galí, Jordi, Moneary Policy, Inflaion and he Business Cycle, 2008, Princeon Universiy
MehrPHYSIK III. Serie 12, Musterlösung
Prof Dr Danilo Pescia Tel 044 633 50 pescia@solidphysehzch Winersemeser 06/07 wwwmicrosrucureehzch Serie, Muserlösung Niculin Saraz Tel 044 633 3 8 saraz@physehzch Reflexion Die Fresnel schen Formeln lauen:
MehrLösungen zu Übungsblatt 4
Fakulä für Mahemaik, Technische Universiä Dormund Vorlesung Geomerie für Lehram Gymnasium, Winersemeser 24/5 Dipl-Mah Aranç Kayaçelebi Lösungen zu Übungsbla 4 Aufgabe 2 Punke a Geben Sie eine Funkion f
MehrKoeffizienten(a) Modell Koeffizienten T Signifikanz
Lehrsuhl für Saisik und empirische Wirschafsforschung, Prof. Riphahn, Ph.D. Bachelorprüfung, Empirische Wirschafsforschung Fach: Prüfer: Bachelorprüfung Empirische Wirschafsforschung Prof. Regina T. Riphahn,
MehrBeurteilung von Wahrscheinlichkeitsprognosen durch explorative Diagnoseverfahren
Beureilung von Wahrscheinlichkeisprognosen durch exploraive Diagnoseverfahren 131 Beureilung von Wahrscheinlichkeisprognosen durch exploraive Diagnoseverfahren Pera Haferkorn und Gerhard Sahl Bundesaufsichsam
MehrLehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.
Lehrsuhl für Saisik und empirische Wirschafsforschung Prof. Regina T. Riphahn, Ph.D. Diplomvorprüfung in Saisik II Winersemeser 005/06 7.0.006 Aufgabe : [45 Punke] Eine Miarbeierin eines Nürnberger Saisik-Lehrsuhls
MehrKurs 9.3: Forschungsmethoden II
Mc Banking & Finance Kurs 9.3: Forschungsmehoden II Zeireihenanalyse Lernsequenz 06: Zeireihen mi sochasischer Volailiä November 04 Prof. Dr. Jürg chwarz Folie Inhal Ziele 5 Einführung 7 chäzung von ARCH(p)-Modellen
MehrHörsaalübung 3 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mahemaik der Universiä Hamburg WiSe 26/27 Dr. Hanna Peywand Kiani Hörsaalübung 3 Differenialgleichungen I für Sudierende der Ingenieurwissenschafen Lineare Differenialgleichungssyseme Die ins
Mehr9 Robuste Methoden. 9.1 Einfluss und Robustheit. i (x i x) 2 = i x iy i. c 1 = x 2 + i (x i x) 2. Einfache Regression: 9.1 Einfluss und Robustheit 205
9.1 Einfluss und Robustheit 205 9 Robuste Methoden 9.1 Einfluss und Robustheit a Sensitivität. Eine Beobachtung hinzufügen. Effekt? Einfache Regression: β = i(x i x)y i i (x i x) 2 = i x iy i β = β+ x,
MehrÖkonometrie - Eine Einführung
Ökonomerie - Eine Einführung 5. Auflage Ludwig von Auer 28. März 2011 Inhalsverzeichnis 1 1 Einleiung 1 1.1 BrauchmanÖkonomeriker?... 2 1.2 WasisÖkonomerie?... 2 1.3 DievierAufgabenderÖkonomerie... 3 1.3.1
MehrVorlesung 8: Zeitreihenanalyse
Vorlesung 8: Zeireihenanalyse 1. Was is besonders an Zeireihen? 2. Unabhängige Beobachungen bei Zeireihen? 3. Regressionsmodelle für Zeireihen 4. Zufall und Zeireihen 5. Schäzung von Regressionsmodellen
Mehr3.6 Prognosen mit ARMA-Modellen
3.6 Prognosen mi ARMA-Modellen Opimale Prognosen mi ARMA-Modellen im Sinne eines minimalen Mean Squared Error (MSE sind durc die bedingen Erwarungswere von +, =,,..., uner Verwendung der zur Zei vorandenen
MehrNachrichtentechnik 2 5 Zwei Zufallsvariablen, Folgen von Zufallsvar.
Nachrichenechnik 5 Zwei Zufallsvariablen, Folgen von Zufallsvar. Folgen von Zufallsvariablen Definiion 5.: Gemeinsame Wahrscheinlichkeisvereilung F x,x,x 3,...,x N (x,x,x 3,..., x N P({x x } {x x } {x
MehrStochastische Zusammenhänge zweier Zufallsvariablen
Sochasische Zusammenhänge zweier Zufallsvariablen Jürgen Grieser 0.07.1997 Inhalsverzeichnis 1 Einleiung 1 Was bedeue sochasische Unabhängigkei? 3 Wie erkenn man sochasische Abhängigkei? 4 4 Wie sark is
MehrEmpirische Wirtschaftsforschung
Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 9. Zeireihenanalse 9.. Das Unbeobachee-Komponenen-Modell
MehrMan nimmt einfach eine entsprechende Variable für den Trend in das Regressionsmodell auf (hier die Variable t).
1 Trendbereinigung Trends in den abhängigen und unabhängigen Variablen führen in Zeireihenanalysen aus zweierlei Gründen zu Problemen: (i) Hohe R-Quadra-Were suggerieren einen guen Modellfi und (ii) hohe
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Diplomvorprüfung Statistik II Einf. Ökonometrie im WS 07 / 08
Lehrsuhl für Saisik und emp. Wirschafsforschung, Prof. R. T. Riphahn, Ph.D. Diplomvorprüfung Saisik II Einf. Ökonomerie im WS 07 / 08 Aufgabe 1: (20 Punke) Sie sind am Konsumverhalen in Ihrem persönlichen
Mehr3.1 Grundlagen. Grundbegriffe (Forts.) Grundbegriffe
Beriebssyseme II - Analyse und Modellierung Sommersemeser 208 3. Grundlagen Moivaion 3. Grundlagen Beriebssyseme II - Analyse und Modellierung 3. Kapiel Grundlagen der Sochasik Prof. Mahias Werner Professur
MehrMotivation der Dierenzial- und Integralrechnung
Moivaion der Dierenzial- und Inegralrechnung Fakulä Grundlagen HS Esslingen SS 2016 Fakulä Grundlagen (HS Esslingen) SS 2016 1 / 12 Übersich 1 Vorberachungen zur Dierenzial- und Inegralrechnung Ableiungsbegri
MehrKurven in der Ebene und im Raum
Kapiel 9 Kurven in der Ebene und im Raum 9. Parameerdarsellung von Kurven Aufgabe 9. : Skizzieren Sie die folgenden Mengen und beureilen Sie jeweils, ob es sich um eine abgeschlossene oder offene Menge
MehrTyp A: Separierbare Differentialgleichungen I. Separierbare Differentialgleichungen II. Beispiel einer separierbaren Dgl
Typ A: Separierbare Differenialgleichungen I Gegeben sei die Differenialgleichung y () = f () g(y) in einem Bereich D der (, y) Ebene. Gil g(y) 0, so lassen sich die Variablen und y rennen: y () g(y) =
MehrMathematische Methoden der klassischen Physik Zusammenfassung Differentialgleichungen
Dr. G. Lechner Mahemaische Mehoden der klassischen Physik Zusammenfassung Differenialgleichungen In der Vorlesung wurden drei unerschiedliche Typen von Differenialgleichungen (DGL) besprochen, die jeweils
MehrKapitel : Exponentiell-beschränktes Wachstum
Wachsumsprozesse Kapiel : Exponeniell-beschränkes Wachsum Die Grundbegriffe aus wachsum.xmcd werden auch hier verwende! Wir verwenden nun eine Angabe aus der Biologie und in einem weieren Beispiel eines
MehrÜbung: Autokorrelation
5. Auokorrelaion und Heeroskedasiziä Ökonomerie I - Peer Salder 1 Übung: Auokorrelaion Analyse des Nahrungsmielkonsums in der Schweiz Wir unersuchen die Besimmungsgründe des Nahrungsmielkonsums in der
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Sysemheorie eil A - Zeikoninuierliche Signale und Syseme - Muserlösungen Manfred Srohrmann Urban Brunner Inhal 3 Muserlösungen - Zeikoninuierliche Syseme im Zeibereich 3 3. Nachweis der ineariä... 3 3.
MehrKapitel : Exponentielles Wachstum
Wachsumsprozesse Kapiel : Exponenielles Wachsum Die Grundbegriffe aus wachsum 1.xmcd werden auch hier verwende! Wir verwenden im Beispiel 2 auch fas die gleiche Angabe wie in Beispiel 1 - lediglich eine
MehrPrüfung Finanzmathematik und Investmentmanagement 2012
Prüfung inanzmahemaik und Invesmenmanagemen Aufgabe : (3 Minuen) a) Gegeben sei der Zwei-Werpapier-all sowie die Präferenzfunkion V(R) = E(R) avar(r) Besimmen Sie einen allgemeinen Ausdruck für die Invesmengewiche
Mehr7. Vorlesung Wintersemester
7. Vorlesung Winersemeser Der ungedämpfe Oszillaor mi komplexem Lösungsansaz Wie gezeig, wird die DGL des ungedämpfen Oszillaors mẍ() + kx() = 0 () im Komplexen von den Funkionen x () = e iω und x 2 ()
Mehr