BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Janiga-Ćmiel Anna (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Składowa γt modelu AARCH rozwoju gospodarczego
Component of Asymmetry γt of AARCH Model of Economic Development
Źródło
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach, 2014, nr 191, s. 24-36, bibliogr. 26 poz.
Tytuł własny numeru
Zastosowanie metod matematycznych w ekonomii i zarzadzaniu
Słowa kluczowe
Modele ekonometryczne, Rozwój gospodarczy, Rozwój gospodarczy państwa
Econometric models, Economic development, Economic development of the country
Uwagi
summ.
Abstrakt
W niniejszym artykule przedstawiono wartości teoretyczne składowej βt i γt modelu AARCH. Stwierdzono, że składowa γt zmienia znak w sposób naśladujący zmiany znaku składowej βt. Przejawia się to w tym, że zmiana znaku składowej βt każdorazowo poprzedza zmianę znaku składowej γt. Oznacza to skorelowanie dynamiki składowej γt z dynamiką składowej βt. Wykorzystując tę własność będzie można w przyszłości wywierać w pewnym stopniu wpływ na skuteczność szacowania prognoz ostrzegawczych. (fragment tekstu)

In the volatility of economic development as in any other phenomenon, a regular component and an incidental component can be distinguished. The former consolidates main factors while the latter is related to random factors. It can be achieved by constructing a precise model, where the random factor isn't statistically significant. The economic development was described by means of model ARMA(1,1). Subsequently, model AARCH(3,2) was used to characterize all kinds of variations. The components of this model were examined and attention was paid to any delays which occur in the creation of the trend and amplitude. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Demos A., Sentana E., Testing for GARCH Effects: A One-Sided Approach, "Journal of Econometrics" 1998, Vol. 86.
  2. Doman M., Doman R., Ekonometryczne modelowanie dynamiki polskiego rynku finansowego, Wydawnictwo Akademii Ekonomicznej, Poznań 2004.
  3. Doman M., Doman R., Modelowanie zmienności i ryzyka, Wolters Kluwer Polska, Kraków 2009.
  4. Engle R.F., Kraft D., Autoregressive Conditional Heteroskedasticity in Multiple Time Series Models, Disscusion Paper, University of California, San Diego 1982.
  5. Engle R.F., Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of the United Kingdom, "Econometrica" 1982.
  6. Fiszeder P., Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń 2009.
  7. Franco Ch., Zakoian J.M., GARCH Models. Structure, Statistical Inference and Financial Applications, John Wiley & Sons, New York 2009.
  8. Glosten L.R., Jagannathan R., Runkle D.E., On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, "Journal of Finance" 1993, Vol. 48.
  9. Hellwig Z., Ekspansja gospodarcza Polski końca XX wieku, Wydawnictwo Wyższej Szkoły Bankowej, Poznań1997.
  10. Hong Y., Shehadeh R.D., A New Test for ARCH Effects and Its Finite-Sample Performance, "Journal of Business and Economic Statistics" 1999, Vol. 17.
  11. Hosking J., The Multivariate Portmanteau Statistic, "Journal of American Statistical Association" 1980.
  12. Huerta de Soto J., Pieniądz, kredyt bankowy i cykle koniunkturalne, Instytut Ludwiga von Milesa, Warszawa 2009.
  13. Janiga-Ćmiel A., Trójliniowy model dynamiki procesu gospodarczego [w:] Polityka gospodarcza i finanse w teorii i praktyce, red. A. Poszewicki, G. Szczodrowski, Instytut Wiedzy i Innowacji, Warszawa 2011.
  14. Janiga-Ćmiel A., Dynamika gospodarki polskiej na tle wybranych krajów Unii Europejskiej - wielowymiarowa analiza porównawcza, Zarządzanie, Informatyka. Dylematy i kierunki rozwoju, IV Forum Uniwersytetu Ekonomicznego w Katowicach, Katowice 2010.
  15. Lee J.H.H., King M.L., A Locally Most Mean Powerful Based Score Test for ARCH and GARCH Regression Disturbance, "Journal of Business and Economic Statistics" 1993, Vol. 11.
  16. Li W.K., Mak T.K., On the Squared Residual Autocorelations in Non-Linear Time Series with Conditional Heteroscedasticity, "Journal of Time Series Analysis" 1994, Vol. 15.
  17. Ling S., Li W., Diagnostic Checking of Nonlinear Multivariate Time Series with Multivariate ARCH Errors, "Journal of Time Series Analysis" 1997, Vol. 18.
  18. Linton O.B., Steigerwald D.G., Adaptive Testing in ARCH Models, "Econometric Reviews" 2000, Vol. 19.
  19. Advanced Data Mining and Applications 6th International Conference, ADMA 2010 Chongqing, China, November 2010, eds. C. Longbing, F. Yong, Z. Jiang, Proceedings, Part II, Springer-Verlag, Berlin-Heidelberg 2010.
  20. McLeod A.I., Li W.K., Diagnostic Checking ARMA Time Series Models Using Squared-Residual Autocorrelations, "Journal of Time Series Analysis" 1983, Vol. 4.
  21. Osńska M., Ekonometria finansowa, PWE, Warszawa 2006.
  22. Terasvirta T., Tjøstheim D., Granger C.W.J., Modeling Nonlinear Economic Time Series, Oxford University, Oxford 2010.
  23. Wang P., Financial Econometrics. Methods and Models, Routledge Chapman & Hall, London 2003.
  24. Yamarone R., Wskaźniki ekonomiczne: przewodnik dla inwestora, Wydawnictwo Helion, Gliwice 2006.
  25. Myśli o..., "Forbes" 2009, nr 3.
  26. Bollerslev T., Engle R.F., Nelson D.B., ARCH Models. Handbook of Econometrics 4, Elsevier Science, Amsterdam 1994.
Cytowane przez
Pokaż
ISSN
2083-8611
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu