Vine based models for multivariate volatility time-series and time-to-event data
Translated title:
Vine basierte Modelle für multivariate Volatilitätszeitreihen und Überlebenszeitdaten
Author:
Barthel, Nicole
Year:
2019
Document type:
Dissertation
Faculty/School:
Fakultät für Mathematik
Advisor:
Czado, Claudia (Prof., Ph.D.)
Referee:
Czado, Claudia (Prof., Ph.D.); Janssen, Paul (Prof. Dr.); Joe, Harry (Prof., Ph.D.)
Language:
en
Subject group:
MAT Mathematik
TUM classification:
MAT 620d
Abstract:
When forecasting realized covariance matrices the requirement of positive definite predictions imposes restrictions on time-series models. To avoid this, regular vines are used to transform the original data relying on the one-to-one relationship between a positive definite correlation matrix and its set of partial correlations specified by any vine. Further, vine copula methodology is extended to multivariate right-censored event time data both in a balanced setting under independent censoring and for unbalanced recurrent events subject to induced dependent censoring.
«
When forecasting realized covariance matrices the requirement of positive definite predictions imposes restrictions on time-series models. To avoid this, regular vines are used to transform the original data relying on the one-to-one relationship between a positive definite correlation matrix and its set of partial correlations specified by any vine. Further, vine copula methodology is extended to multivariate right-censored event time data both in a balanced setting under independent censoring...
»
Translated abstract:
Zeitreihenmodelle zur Vorhersage von realisierten Kovarianzmatrizen unterliegen Restriktionen, da positive Definitheit der Prognosen gewährleistet sein muss. Um dies zu umgehen, werden die Daten mit regulären Vines transformiert, wobei der Zusammenhang zwischen einer positiv definiten Korrelationsmatrix und den durch einen regulären Vine spezifizierten partiellen Korrelationen genutzt wird. Des Weiteren wird Vine Copula Methodik für multivariate zensierte Überlebenszeitdaten und für wiederkehrende Ereignisse unter induzierter abhängiger Zensierung entwickelt.
«
Zeitreihenmodelle zur Vorhersage von realisierten Kovarianzmatrizen unterliegen Restriktionen, da positive Definitheit der Prognosen gewährleistet sein muss. Um dies zu umgehen, werden die Daten mit regulären Vines transformiert, wobei der Zusammenhang zwischen einer positiv definiten Korrelationsmatrix und den durch einen regulären Vine spezifizierten partiellen Korrelationen genutzt wird. Des Weiteren wird Vine Copula Methodik für multivariate zensierte Überlebenszeitdaten und für wiederkehren...
»