Benutzer: Gast  Login
Originaltitel:
Regression Models for Ordinal Valued Time Series 
Originaluntertitel:
Estimation and Applications in Finance 
Übersetzter Titel:
Regressionsmodelle für Ordinale Zeitreihen 
Übersetzter Untertitel:
Schätzung und Anwendungen auf Finanzdaten 
Jahr:
2004 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Czado, Claudia (Prof. Ph.D.) 
Gutachter:
Czado, Claudia (Prof. Ph.D.); Fahrmeir, Ludwig (Prof. Dr.) 
Format:
Text 
Sprache:
en 
Fachgebiet:
MAT Mathematik; WIR Wirtschaftswissenschaften 
Stichworte:
Bayes factor; Bayesian inference; grouped move step; high-frequency finance; Markov chain Monte Carlo; multigrid Monte Carlo; ordered probit; price change process; stochastic volatility 
Übersetzte Stichworte:
Bayes-Faktor; Bayes-Inferenz; Grouped-Move-Schritt; hochfrequente Finanzdaten; Markov chain Monte Carlo; multigrid Monte Carlo; Ordered Probit; Prozess der Preisveränderungen; stochastische Volatilität 
Schlagworte (SWD):
Finanzanalyse; Zeitreihenanalyse; Ordinale Datenanalyse; Regressionsmodell; Mehrgitterverfahren; Markov-Ketten-Monte-Carlo-Verfahren 
TU-Systematik:
MAT 634d; MAT 628d; MAT 629d; WIR 160d 
Kurzfassung:
Price changes arising in high-frequency financial data usually take on only values which are integer multiples of a certain amount, for example multiples of one sixteenth of a dollar. Therefore, the price changes represent an ordinal valued time series. Many of the common models cannot take this feature into account while also covering other features of such time series such as the dependency on covariates. Here two new models for ordinal valued time series with covariates are introduced. The fi...    »
 
Übersetzte Kurzfassung:
Preisveränderungen bei hochfrequenten Finanzdaten nehmen gewöhnlich nur Werte an, die ganzzahlige Vielfache von zum Beispiel einem 16tel Dollar sind. Daher stellen sie eine ordinale Zeitreihe dar. Viele der üblichen Modelle können diese Eigenschaft nicht gleichzeitig mit anderen Eigenschaften wie Abhängigkeiten von Kovariablen berücksichtigen. Hier werden zwei neue Modelle für ordinale Zeitreihen mit Kovariablen eingeführt. Das erste Modell ist ein autoregressives ordered probit Modell, das zwei...    »
 
Veröffentlichung:
Universitätsbibliothek der TU München 
Mündliche Prüfung:
16.07.2004 
Dateigröße:
1326722 bytes 
Seiten:
212 
Letzte Änderung:
18.07.2007