Analiza szeregów czasowych

• Druk: Katowice, 2014
• Autor: Alicja Ganczarek-Gamrot
• Wydawca: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach

W rozdziale pierwszym wprowadzono podstawowe pojęcia związane z procesem stochastycznym i szeregiem czasowym. Wykorzystując wprowadzone definicje, przeprowadzono wstępne analizy wybranych z rynku szeregów czasowych. Przedstawiono wybrane klasyfikacje szeregów czasowych oraz modeli szeregów czasowych. W rozdziale drugim zaprezentowano klasyczne metody analizy szeregów czasowych, modele z trendem liniowym, nieliniowym oraz okresowością. Wśród modeli z okresowością opisano model wskaźnikowy, model ze zmiennymi periodycznymi oraz model oparty na szeregu Fouriera. Przedstawione metody zilustrowano przykładami wyznaczania modeli dla wybranych empirycznych szeregów czasowych. Rozdział trzeci poświęcono liniowym modelom autoregresyjnym klasy ARIMA. W podziale na modele stacjonarne i niestacjonarne opisano podstawowe własności modeli. Prezentowane pojęcia i modele zilustrowano przykładowymi analizami empirycznych szeregów czasowych. W rozdziale czwartym zaprezentowano podstawowe modele klasy GARCH i ich zastosowanie do analizy empirycznych szeregów czasowych. W ostatnim rozdziale – piątym – zebrano informacje dotyczące weryfikacji hipotez w analizie i modelowaniu szeregów czasowych.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ekonomia, biznes
• Język wydania: polski
• ISBN: 978-83-7875-191-5
• ISBN druku: 978-83-7875-191-5
• Liczba stron: 116

Wstęp	7

Rozdział 1
Proces stochastyczny a szereg czasowy	9
1.1. Charakterystyki procesu stochastycznego	11
1.2. Przykłady procesów stochastycznych	13
1.3. Estymacja rozkładu procesów stochastycznych – wstępna analiza szeregów czasowych	15
1.4. Klasyfikacja i przykłady szeregów czasowych	20
1.5. Klasyfikacja modeli szeregów czasowych	27

Rozdział 2
Dekompozycja źródła zmienności wartości oczekiwanej w szeregach czasowych	29
2.1. Modele trendu	30
2.2. Modele trendu i sezonowości	33
2.2.1. Metoda mechaniczna wyznaczania trendu	34
2.2.2. Model wskaźnikowy	35
2.2.3. Model Kleina	41
2.2.4. Analiza harmoniczna	45

Rozdział 3
Wybrane liniowe modele autoregresyjne	50
3.1. Modele procesów stacjonarnych	50
3.1.1. Procesy autoregresji	50
3.1.1.1. Własności procesu AR(p)	51
3.1.1.2. Identyfikacja procesu AR(p)	55
3.1.1.3. Prognozowanie na podstawie modelu AR(p)	56
3.1.2. Procesy średniej ruchomej	57
3.1.2.1. Własności procesu MA(q)	58
3.1.2.2. Identyfikacja procesu MA(q)	59
3.1.2.3. Prognozowanie na podstawie modelu MA(q)	60
3.1.3. Dualność modeli autoregresji i średniej ruchomej	60
3.1.4. Modele procesów autoregresji i średniej ruchomej	62
3.1.4.1. Własności procesu ARMA(p,q)	62
3.1.4.2. Identyfikacja procesu ARMA(p,q)	63
3.1.4.3. Prognozowanie na podstawie modelu ARMA(p,q)	63
3.1.5. Estymacja parametrów modeli procesów stacjonarnych	64
3.1.5.1. Metoda równań Yule’a-Walkera	64
3.1.5.2. Metoda Największej Wiarygodności (MNW)	65
3.1.6. Zastosowanie kryteriów informacyjnych do identyfikacji liniowych procesów stacjonarnych	66
3.2. Modele procesów niestacjonarnych	68
3.3. Modele procesów z długą pamięcią	72

Rozdział 4
Wybrane nieliniowe modele autoregresyjne	74
4.1. Przyczyny heteroskedastyczności procesów	74
4.2. Nieliniowe modele procesów stacjonarnych	78
4.3. Nieliniowe modele procesów niestacjonarnych	81
4.4. Estymacja parametrów nieliniowych modeli autoregresyjnych	83
4.5. Zastosowanie kryteriów informacyjnych do identyfikacji nieliniowych procesów stacjonarnych	84
4.6. Ocena dopasowania modeli wariancji warunkowej do danych empirycznych	84
4.7. Prognozowanie zmienności za pomocą modeli GARCH	85

Rozdział 5
Wybrane testy analizy jednowymiarowych szeregów czasowych	96
5.1. Podstawowe metody weryfikacji modelu	96
5.1.1. Mierniki jakości modelu	96
5.1.2. Badanie istotności parametrów strukturalnych	97
5.1.3. Badanie własności reszt modelu	98
5.1.3.1. Losowość reszt	98
5.1.3.2. Testy autokorelacji reszt	99
5.1.3.3. Testy jednorodności wariancji	101
5.1.3.4. Testy zgodności	101
5.2. Testy obecności autokorelacji w wariancji procesu	103
5.3. Testy stacjonarności	104
5.3.1. Test DF	106
5.3.2. Test ADF	108
5.3.3. Test KPSS	109
5.4. Testowanie długiej pamięci szeregów czasowych	111

Literatura	115