User: Guest  Login
Document type:
Masterarbeit 
Author(s):
Ligeng Zhong 
Title:
Empirical study of GAM vine copula models for S&P 100 data 
Abstract:
Vine copula is useful in modelling high dimensional distribution and dependence. Generalized additive models is a flexible method for doing regression. In this thesis, we first fit static R-vine copula models to the S&P; 100 data using different vine structure selection methods. Based on the analysis of the static R-vine copula, we estimate the dynamic vine copula models for the S&P; 100 data with the GAM vine copula models. We also explore the usefulness of GAM-HAR models for Kendall's τ forecastin...    »
 
Translated abstract:
Vine Copulas sind flexible Modelle zur Modellierung von hochdimensionalen Verteilungen und Abhängigkeit. Daneben sind generalisierte additive Modelle eine flexible Methode zur Regression. In dieser Arbeit wurden zunächst statische Vine Copula Modelle an hochdimensionale Daten aufbauend auf dem S&P100 Index angepasst, wobei verschiedene Methoden zur Auswahl der sogenannten Vine Strukturen verwendet werden. Basierend auf der Analyse der statischen Vine Copula Modelle schätzen wir dynamische Vine Copulas für die S&P100 Daten mit sogenannten GAM Vine Copula Modellen, welche generalisierte additive Modelle für Zeitabhängigkeit verwenden. Außerdem untersuchen wir die Verwendbarkeit von sogenannten GAM-HAR-Modellen für die Vorhersage von bivariaten Abhängigkeitsmaßen mit diversen Kovariablen auf unterschiedliche Zeitskalen. 
Subject:
MAT Mathematik 
DDC:
510 Mathematik 
Advisor:
Claudia Czado, Dominik Müller 
Year:
2017 
Quarter:
4. Quartal 
Year / month:
2017-12 
Pages:
123 
Language:
en 
University:
Technische Universität München 
Faculty:
Fakultät für Mathematik 
TUM Institution:
Lehrstuhl für Mathematische Statistik 
Format:
Text 
ingested:
20.12.2017