In dieser Arbeit wenden wir eine Parameterschätzmethode basierend auf der charakteristischen Funktion und einem Kontinuum an Momentenbedingungen auf zwei stochastische Kovarianzmodelle, das Wishart Affine Stochastic Correlation (WASC) Modell und das Principal Components Stochastic Volatility (PCSV) Modell an. Wir erklären die Vorteile dieses Ansatzes gegenüber alternativen Schätzmethoden. Ein besonderer Schwerpunkt dieser Arbeit liegt auf mathematischen und numerischen Aspekten der Implementierung dieser Methode. Wir beschreiben im Detail die Simulation der Modelle, die effiziente Implementierung der charakteristischen Funktionen und die Wahl des Optimierungsalgorithmus. Um die resultierenden Schätzer zu bewerten, führen wir eine Monte Carlo Studie durch, mittels der die Schätzfehler quantifiziert werden können. Wir konnten feststellen, dass der Schätzfehler langsam mit der Anzahl der Datenpunkte abnimmt. Schließlich entwickeln wir eine Methode zur Bewertung der Fähigkeit der Modelle, Zeitreiheneigenschaften, die für Praktiker von Bedeutung sind abzubilden. Hier ergeben sich vergleichbare Ergebnisse für das PCSV und WASC Modell. Daraus schließen wir, dass das PCSV Modell als alternatives stochastisches Kovarianzmodell zum WASC Modell angesehen werden kann, das allerdings deutlich einfacher zu schätzen ist.     «

In dieser Arbeit wenden wir eine Parameterschätzmethode basierend auf der charakteristischen Funktion und einem Kontinuum an Momentenbedingungen auf zwei stochastische Kovarianzmodelle, das Wishart Affine Stochastic Correlation (WASC) Modell und das Principal Components Stochastic Volatility (PCSV) Modell an. Wir erklären die Vorteile dieses Ansatzes gegenüber alternativen Schätzmethoden. Ein besonderer Schwerpunkt dieser Arbeit liegt auf mathematischen und numerischen Aspekten der Implementieru...     »

In this thesis we apply an estimation method based on the characteristic function and a continuum of moment conditions to two stochastic covariance models, the Wishart Affine Stochastic Correlation (WASC) model and the Principal Components Stochastic Volatility (PCSV) model. We explain the advantages of this approach over alternative estimation methods. A particular focus of the thesis are mathematical and computational aspects of how this estimation method can be implemented. We will describe in detail the simulation of the models, the efficient implementation of their characteristic functions and the choice of optimization algorithm. In order to evaluate the resulting estimates, we perform a Monte Carlo study to quantify the estimation error. We find that the estimation error decreases slowly with sample size. Finally, we develop and perform a procedure that assesses the power of the models to capture time series features which are important to practitioners. Here, the results show that PCSV has a comparable power to WASC to capture such features. We conclude that PCSV can be considered an alternative stochastic covariance model to WASC which is much easier to estimate.     «

In this thesis we apply an estimation method based on the characteristic function and a continuum of moment conditions to two stochastic covariance models, the Wishart Affine Stochastic Correlation (WASC) model and the Principal Components Stochastic Volatility (PCSV) model. We explain the advantages of this approach over alternative estimation methods. A particular focus of the thesis are mathematical and computational aspects of how this estimation method can be implemented. We will describe i...     »