PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2007 | nr 5 | 577--589
Tytuł artykułu

Kurtoza w procesach generowanych przez model RCA GARCH

Autorzy
Warianty tytułu
The Kurtosis of the RCA GARCH Process
Języki publikacji
PL
Abstrakty
Przedstawiono teoretyczne wartości kurtozy procesu generowanego przez modele autoregresyjne z losowym parametrem (RCA), modele GARCH z innowacjami z rozkładu normalnego albo z rozkładu t-Studenta oraz modele GARCH z losowym parametrem (RCA GARCH). Podano również warunki konieczne istnienia kurtozy dla poszczególnych procesów. (fragment org. streszczenia)
EN
This paper considers moment properties as well as kurtosis of the RCA models, GARCH models and RCA GARCH models. An ARMA representation is used to derive the kurtosis of the GARCH models with independent, identically distributed random variables with zero mean and unit variance. (original abstract)
Rocznik
Numer
Strony
577--589
Opis fizyczny
Twórcy
Bibliografia
  • Appadoo S.S., Thavaneswaran A., Singh J., (2006), RCA models with correlated errors Applied Mathematics Letters 19, 824-829.
  • Aue A. (2004), Strong approximation for RCA(l) time series with applications, Statistics & Probability Letters 68, 369-382.
  • Bollerslev T. (1986), Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics, 31, 307-327.
  • Brzeszczyński J., R. Keim (2002),Ekonometryczne modele rynków finansowych. WIG-Press
  • Engle R. F. (1982), Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50, 987-1006.
  • Doman, M., Doman, R. (2004), Ekonometryczne modelowanie dynamiki polskiego rynku finansowego, Wyd. AE w Poznaniu, Poznań.
  • Ghysels E., Jasiak J., (l998), GARCH for Irregularly Spaced Financial Data: The ACD-GARCH Model, Studies in Nonlinear Dynamics and Econometrics, 2(4), 133-149.
  • Górka J., (2007), Modele autoregresyjne z losowymi parametrami, w Osińska M. (red.), Procesy STUR. Modelowanie i zastosowanie do finansowych szeregów czasowych, Wydawnictwo "Dom Organizatora", Toruń.
  • Hwang S.Y., Basawa I., Kim T.Y. (2006), Least squares estimation for critical random coefficient first-order autoregressive processes, Statistics & Probability Letters 76, 310-317.
  • Lee S. (1998), Coefficient constancy test in a random coefficient autoregressive model Journal of Statistical Planning and Inference 74, 93-101.
  • Nicholls D.F., Quinn B.C., (1982), Random Coefficient Autoregressive Models: An Introduction, in: Lecture Notes in Statistics, vol. 11, Springer, New York.
  • Thavaneswaran A., Appadoo S.S., Peiris S., (2005), Forecasting volatility, Statistics & Probability Letters 75, 1-10.
  • Thavaneswaran A., Appadoo S.S., Samanta M., (2005), Random coefficient GARCH models, Math. Comput. Modellingül, 723-733.
  • Tsay R.S., (1987), Conditional Heteroscedastic Time Series Models Journal of the American Statistical Association, Vol. 82, No. 398, 590-604.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000156721183

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.