|
|
|
|
| LEADER |
02941nmm a2200325 u 4500 |
| 001 |
EB000375911 |
| 003 |
EBX01000000000000000228963 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
130626 ||| ger |
| 020 |
|
|
|a 9783540335719
|
| 100 |
1 |
|
|a Kreiß, Jens-Peter
|
| 245 |
0 |
0 |
|a Einführung in die Zeitreihenanalyse
|h Elektronische Ressource
|c von Jens-Peter Kreiß, Georg Neuhaus
|
| 250 |
|
|
|a 1st ed. 2006
|
| 260 |
|
|
|a Berlin, Heidelberg
|b Springer Berlin Heidelberg
|c 2006, 2006
|
| 300 |
|
|
|a XIV, 388 S.
|b online resource
|
| 505 |
0 |
|
|a Einführung -- Stationarität und grundlegende Modelle der Zeitreihenanalyse -- Die Autokovarianz und die Autokorrelation -- Lineare Vorhersage bei endlicher Vergangenheit -- Der Spektralsatz für stationäre Zeitreihen -- Filterung stationärer Zeitreihen -- ARMA-Modelle -- Die Autokovarianz und Autokorrelation von ARMA-Reihen im reellen Fall -- Deterministische und rein nicht-deterministische Zeitreihen -- Asymptotische Eigenschaften von Schätzverfahren in linearen Zeitreihenmodellen -- Parameterschätzung in ARMA-Modellen -- Schätzen im Spektralbereich -- Modellierung mit ARMA-Zeitreihen -- Grundlagen finanzieller Zeitreihen -- Grundlagen multivariater Zeitreihen
|
| 653 |
|
|
|a Econometrics
|
| 653 |
|
|
|a Statistical Theory and Methods
|
| 653 |
|
|
|a Statistics
|
| 653 |
|
|
|a Econometrics
|
| 653 |
|
|
|a Probability Theory and Stochastic Processes
|
| 653 |
|
|
|a Probabilities
|
| 700 |
1 |
|
|a Neuhaus, Georg
|e [author]
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b Springer
|a Springer eBooks 2005-
|
| 490 |
0 |
|
|a Statistik und ihre Anwendungen
|
| 856 |
4 |
0 |
|u https://doi.org/10.1007/3-540-33571-4?nosfx=y
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 519.2
|
| 520 |
|
|
|a Das Buch führt in die grundlegenden Bereiche der klassischen Zeitreihenanalyse ein. Deshalb spielen in den ersten Kapiteln die Begriffe Stationarität und Autokovarianz- bzw. Autokorrelationsstruktur eine wesentliche Rolle. Ergänzend zu den grundlegenden Modellen werden aber auch schon zu Beginn eine Reihe von Beispielen diskutiert. Mit Hilfe des Spektralsatzes und der Filterung stationärer Zeitreihen kann die wichtige Klasse der ARMA-Modelle sehr effizient und erschöpfend behandelt werden. Die asymptotischen Resultate des Textes beruhen auf einem zentralen Grenzwertresultat für sog. schwach abhängige Zufallsvariable. Es zeigt sich, dass dieses Resultat sowohl die Behandlung linearer Zeitreihenmodelle wie gewisser nichtlinearer und für den Bereich der Finanzzeitreihen wichtiger Zeitreihen erlaubt. Im Weiteren werden dann Schätzmethoden im Spektralbereich von Zeitreihen diskutiert. Neben dem Periodogram werden ebenso auch sog. geglättete Spektraldichteschätzer vollständig behandelt. Kapitel über Modellwahlverfahren und die wesentlichen Grundlagen multivariater Zeitreihen sowie einiger Anhänge, die den Text weitestgehend autark lesbar machen sollen, schließen das Buch ab
|