Long-term memory detection with bootstrapping techniques: empirical analysis
| Autor: | Bc. Branislav Albert |
|---|---|
| Rok: | 2012 - letní |
| Vedoucí: | prof. PhDr. Ladislav Krištoufek Ph.D. |
| Konzultant: | |
| Typ práce: | Bakalářská |
| Jazyk: | Anglicky |
| Stránky: | 62 |
| Ocenění: | Pochvala děkana Fakulty sociálních věd za vynikající bakalářskou práci. |
| Odkaz: | |
| Abstrakt: | Casová rada má dlhú pamät ak jej autokorelacná funkcia nie je absolútne konvergentná. Prítomnost dlhej pamäte v casovej rade má dôležité následky pre konzistentnost niekolkých estimátorov z oblasti casových rad a pre predpovedanie. V tejto práci prezentujeme ucelený prehlad modelov casových rad nevyhnutných pre štúdium dlhej pamäte a následne sa zameriavame na množstvo parametrických a semiparametrických estimátorov dlhej pamäte. V Monte Carlo štúdii porovnávame pravdepodobnost chyby prvého typu a silu štyroch estimátorov, menovite R/S, DFA, GPH a metóde založenej na Waveletoch, pre asymptoticky normálne rozdelenie estimátorov a rozdelenia získané pomocou metódy moving block bootstrap. Zistujeme, že moving block bootstrap dokáže zlepšit pravdepodobnost chyby prvého typu u estimátora R/S. Vo všeobecnosti však moving block bootstrap neprináša uspokojivé výsledky. Estimátory GPH a Wavelet ponúkajú najspolahlivejšie asymptotické intervaly spolahlivosti. |
| Ke stažení: | BP Albert |
