Warianty tytułu
Kernel Estimators of Conditional Variance
Języki publikacji
Abstrakty
W artykule zaprezentowano koncepcję estymatorów jądrowych jako narzędzia służącego do opisu warunkowej wariancji procesów ekonomicznych. Za pomocą symulacji Monte Carlo zbadano efektywność jądrowych estymatorów wariancji oraz porównano je z estymatorami według metody największej wiarygodności. Analiza symulacyjna została uzupełniona wynikami badań empirycznych. (abstrakt oryginalny)
In this paper a concept of kernel estimators was presented. Kernel estimators were used as a tool for analysis of conditional variance of economical time series. A Monte Carlo simulation was used to research the effectiveness of kernel estimators of conditional variance. Kernel estimators of conditional variance were compared with the estimators of maximum likelihood method. Simulation analysis was completed by the results of empirical investigations. (original abstract)
Rocznik
Strony
287--295
Opis fizyczny
Twórcy
autor
- Uniwersytet Mikołaja Kopernika w Toruniu
Bibliografia
- Bollerslev T. (1986), Generalized Autoregressive Conditional Heteroscedasticity, "Journal of Econometrics", 31, 307-327.
- Brzeszczyński J., Kelm R. (2002), Ekonometryczne modele rynków finansowych, WIG-Press, Warszawa.
- Engle R. F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation, "Econometrica", 50, 996-1000.
- Fan J., Yao Q. (1998), Efficient Estimation of Conditional Variance Functions in Stochastic Regression, "Biometrika", 85, 645-660.
- Mills T. C., Patterson K. (2006), Palgrave Handbook of Econometrics, Palgrave Macmillan, New York.
- Silverman B. W. (1986), Density Estimation for Statistics and Data Analysis, Chapman and Hall.
- Ziegelmann F. (2002), Nonparametric estimation of volatility functions: the local exponential estimator, "Econometric Reviews", 18, 985-991.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171611471