BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Czapkiewicz Anna (AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie), Basiura Beata (AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Tytuł
Badanie wpływu wyboru współczynnika zależności na grupowanie szeregów czasowych
Simulation Study of the Selection of Coefficient Depending on the Clustering Time Series
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (21), 2013, nr 279, s. 146-153, rys., tab., bibliogr. 11 poz.
Research Papers of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Szeregi czasowe, Taksonomia
Time-series, Taxonomy
Uwagi
streszcz., summ.
Abstrakt
Przeprowadzone badanie symulacyjne miało na celu zbadanie własności współczynnika korelacji Pearsona oraz współczynnika korelacji z modelu Copula-GARCH uzyskanego metodą dwukrokową IFM. Badaniu symulacyjnemu został również poddane to, w jaki sposób wybór metody wyznaczenia współczynnika korelacji wpływa na wynik grupowania metodą Warda. Badanie przeprowadzono metodą Monte Carlo.(abstrakt oryginalny)

Simulation study investigated the properties of the Pearson correlation coefficient and the Copula-GARCH model parameter obtained by IFM method. Simulation study was also subjected to search how the correlation coefficient determination affected the clustering results. The study was conducted by Monte Carlo method.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Bonanno G., Lillo F., Mantegna R., Level of complexity in financial markets, Physica A, 299, 2001, pp. 16-27.
  2. Breymann W., Dias A., Embbrechts P., Dependence structures for multivariate high-frequency data in finance, Quantitative Finance 3(1) 2003, s. 1-16.
  3. Caiado J., Crato N., A GARCH-based method for clustering of financial time series: International stock markets evidence, Forthcoming in: Proceedings of the XIIth Applied Stochastic Models and Data Analysis International Conference, 2007.
  4. Embrechts P., McNeil A.J., Straumann D., Correlation and Dependency in Risk Management: Properties and Pitfalls, [in:] M. Dempster, H. Moffant, Risk Management, Cambridge University Press, New York 2001, pp. 176-223.
  5. Joe H., Xu J.J., The estimation method of inference function for margins for multivariate models, Technical Report, Departaments of Statistics, University of British Columbia, 1996.
  6. Mantegna R.N., Hierarchical structure in financial markets, "The European Physical Journal B", vol. 11, 1999, pp. 193-197.
  7. Mashal R., Zeevi A., Beyond Correlation: Extreme Co-movements Between Financial Assets, Mimeo, Columbia Graduate School of Business, 2002.
  8. Otranto E., Classifying the Markets Volatility with ARMA Distance Measures, Quaderni di Statistica, 6, 2004, pp. 1-19.
  9. Patton A.J., Estimation of multivariate models for time series of possibly different lengths, "Journal of Applied Econometrics", John Wiley & Sons, Ltd., vol. 21(2), 2006, pp. 147-173.
  10. Piccolo D., A distance measure for classifying ARIMA models, "Journal of Time Series Analysis" vol. 11, 1990, pp. 153-164.
  11. Rodrigues P., Gama J., Pedroso J., Hierarchical clustering of time-series data stream, "IEEE Transaction on Knowledge and Data Engineering", vol. 20, no. 5, 2008, pp. 615-627.
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu