Benutzer: Gast  Login
Dokumenttyp:
Masterarbeit 
Autor(en):
Bao, Min 
Titel:
Bayesian Vector Autoregressive Models and their Applications 
Übersetzter Titel:
Bayessche Vectorautoregressive Modelle und ihre Anwendungen 
Abstract:
This master's thesis studies the Bayesian estimation of the vector autoregressive models and their applications. In particular, we begin with the autoregressive models, since they can be treated as one-dimensional vector autoregressive models. Then we discuss the vector autoregressive models and their traditional estimations, e.g. the maximum-likelihood estimation, as well as the forecasts. Afterwards, we focus on some Bayesian vector autoregressions under different competing priors such as the Minnesota prior, the Normal-Wishart prior and the Normal-Diffuse prior. With help of the R-Package MSBVAR the posterior with respect to the Normal-Wishart prior or the Normal-Flat prior for the parameters of the vector autoregressive models can be numerically efficiently computed. The R-Package MSBVAR also provides methods for generating the forecasts of the Bayesian vector autoregressive models based on the Normal-Wishart prior or the Normal-Flat prior. In the last part of the thesis, the monthly and the quarterly returns of three stock indices, i.e. the S&P 500, the DJIA, and the Nikkei 225, will be studied in the form of the vector autoregressive models with help of the R-Package MSBVAR, so that a report of the forecasts of the stock indices can be carried out. 
übersetzter Abstract:
Die vorliegende Masterarbeit befasst sich mit der Bayesschen Schätzung von Vektorautoregressiven Modellen und deren Anwendungen. Dabei werden zuerst die Autoregressiven Modelle, welche zu den eindimensionalen Analogien der Vektorautoregressiven Modelle zählen, als Basis für die Vektorautoregressiven Modelle betrachtet. Danach werden die Vektorautoregressiven Modelle und ihre traditionellen Schätzungsverfahren, wie die Maximum-Likelihood-Methode, sowie dazugehörige Vorhersagen diskutiert. Hauptsächlich werden verschiedene Bayessche Vektorautoregressive Modelle, bei denen die Bayessche Statistik zur Schätzung der Vektorautoregressiven Modelle verwendet wird, untersucht. Verschiedene A-priori-Verteilungen, z.B. der Minnesota Prior, der Normal-Wishart Prior und der Normal-Diffuse Prior, und dazugehörige A-posteriori-Verteilungen für die Parameter der Vektorautoregressiven Modelle werden analysiert. Mit Hilfe von dem R-Paket MSBVAR, das im Weiteren erläutert wird, lässt sich die Bayessche Schätzung für die Vektorautoregressiven Modelle unter dem Normal-Wishart Prior oder dem Normal-Flat Prior numerisch effizient erreichen. Das R-Paket MSBVAR bietet noch Verfahren zum Berechnen der Vorhersagen der daraus gebildeten Bayesschen Vektorautoregressiven Modelle an. Im letzten Teil der vorliegenden Arbeit werden die monatlichen Renditen bzw. die quartalsmäßigen Renditen von drei Aktienindizes, nämlich dem S&P 500, dem DJIA und dem Nikkei 225, mit Hilfe von dem R-Paket MSBVAR in der Form von Vektorautoregressiven Modellen untersucht, sodass die Vorhersagen für zukünftige Renditen der drei Aktienindizes berichtet werden. 
Betreuer:
Franz Ramsauer 
Gutachter:
PD Dr. Aleksey Min 
Jahr:
2013 
Hochschule / Universität:
Technische Universität München 
Fakultät:
Fakultät für Mathematik 
Format:
Text 
Annahmedatum:
30.11.2013