BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kosiorowski Daniel (Cracow University of Economics, Poland / Wydział Zarządzania)
Tytuł
Depth Based Strategies to Robust Estimation of ARIMA Parameters
Strategie odpornej estymacji parametrów modelu ARIMA
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2011, t. 255, s. 27-34, rys., tab., bibliogr. 9 poz.
Tytuł własny numeru
Methodological Aspects of Multivariate Statistical Analysis : Statistical Models and Applications
Słowa kluczowe
Odporne metody statystyczne, Model GARCH, Modele ARIMA, Metody estymacji
Robust statistical methods, GARCH model, Autoregressive integrated moving average (ARIMA) models, Estimation methods
Uwagi
summ., streszcz.
Abstrakt
W pracy badamy kilka strategii odpornej estymacji parametrów modeli ARIMA i GARCH. Porównujemy między innymi podejścia wykorzystujące statystyczne funkcje głębi: wykorzystujące koncepcję głębi odnoszącą się do funkcji a zaproponowaną przez Lopez-Pintado i Romo (2005) oraz własne propozycje wykorzystujące głębie regresyjną. (abstrakt oryginalny)

In this paper we propose two strategies for robust estimation of ARMA and GARCH models. The propositions are based on two statistical depth functions namely famous regression depth introduced by Rousseeuw and Hubert (1998) and general band depth function introduced by Lopez-Pintado and Romo (2006). We study a performance of the propositions on various time series simulated from ARMA (1.1) and GARCH (1.1) models containing additive outliers. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Kosiorowski D. (2007). Nonparametric Equity of Two Shapes Test Based on Multivariate Ouantile Functional. Bulletin of the ISI 56th Session.
  2. Kosiorowski D. (2008), Robust Classification and Clustering Based on the Projection Depth Function, fin:] Brito P. (Eds.), Proceedings in Computational Statistics 2008 (COMPSTAT 2008). vol. II. p. 209-216. Physica-Verlag.
  3. Lopez-Pintado S. and Romo J. (2006), Depth-based classification for functional data, [in:] Liu R.Y., Serfling R., Souvaine D. L. (Eds.), Series in Discrete Mathematics and Theoretical Computer Science. AMS, vol. 72, 103-119.
  4. Marona R. A.. Martin R. D.. Yohai V. J. (2006). Robust Statistics - Theory and Methods. John Wiley & Sons, Chichester.
  5. Muler N., Pena D. and Yohai V. J. (2009), Robust estimation for ARMA models. Annals of Statistics 37 (2).816-840.
  6. Muler N., Yohai V. J. (2007), Robust estimates for GARCH models. Technical Report Instituto de Calculo Facultaded de Cinecias Exactas y Naturales Universidad de Buenos Aires.
  7. Rousseeuw P. J., Hubert M. (1998). Regression Depth, Journal of the American Statistical Association. 94, 388-433.
  8. Serfling R. (2006). Depth Functions in Nonparametric Multivariate Inference, [in:] Liu R.Y., Serfling R., Souvaine D. L. (Eds.). Series in Discrete Mathematics and Theoretical Computer Science. AMS. vol. 72, 1-15.
  9. Van Aelst S., Rousseeuw P. J. (2000). Robustness Properties of Deepest Regression, J. Multiv. Analvsis. 73. 82-106.
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
URI / DOI
http://hdl.handle.net/11089/684
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu