Badanie wpływu wyboru współczynnika zależności na grupowanie szeregów czasowych

• Autorzy: Anna Czapkiewicz , Beata Basiura

Warianty tytułu

Simulation Study of the Selection of Coefficient Depending on the Clustering Time Series

• Języki publikacji: PL

Abstrakty

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)

EN

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)

Słowa kluczowe

PL

Szeregi czasowe; Taksonomia

EN

Time-series; Taxonomy

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2013
• Tom: 21
• Numer: nr 279 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 146--153

Twórcy

autor

Anna Czapkiewicz

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Beata Basiura

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Bibliografia

• Bonanno G., Lillo F., Mantegna R., Level of complexity in financial markets, Physica A, 299, 2001, pp. 16-27.
• Breymann W., Dias A., Embbrechts P., Dependence structures for multivariate high-frequency data in finance, Quantitative Finance 3(1) 2003, s. 1-16.
• 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.
• 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.
• 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.
• Mantegna R.N., Hierarchical structure in financial markets, "The European Physical Journal B", vol. 11, 1999, pp. 193-197.
• Mashal R., Zeevi A., Beyond Correlation: Extreme Co-movements Between Financial Assets, Mimeo, Columbia Graduate School of Business, 2002.
• Otranto E., Classifying the Markets Volatility with ARMA Distance Measures, Quaderni di Statistica, 6, 2004, pp. 1-19.
• 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.
• Piccolo D., A distance measure for classifying ARIMA models, "Journal of Time Series Analysis" vol. 11, 1990, pp. 153-164.
• 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.