Ekonomické časové řady - Josef Arlt, Markéta Arltová

Obsah

Předmluva

1. EKONOMICKÉ ČASOVÉ ŘADY A JEJICH VLASTNOSTI
1.1 Trend
1.2 Sezonnost
1.3 Nelinearita
1.4 Podmíněná heteroskedasticita
1.5 Společné vlastnosti časových řad

2. LINEÁRNÍ MODELY
2.1 Modely stacionárních časových řad
2.1.1 Stochastický proces a jeho stacionarita
2.1.2 Lineární proces
2.1.3 Autoregresní procesy [AR]
2.1.4 Procesy klouzavých průměrů [MA]
2.1.5 Smíšené procesy [ARMA]
2.2 Modely nestacionárních časových řad
2.2.1 Proces náhodné procházky ("Random Walk Process")
2.2.2 Procesy ARIMA
2.3 Modely sezonních časových řad
2.3.1 Sezonní autoregresní procesy [SAR]
2.3.2 Sezonní procesy klouzavých průměrů [SMA]
2.3.3 Smíšené sezonní a nesezonní procesy [SARMA]
2.3.4 Modely sezonních integrovaných časových řad [SARIMA]
2.4 Modely časových řad s dlouhou pamětí
2.4.1 Frakcionálně integrované procesy (FI)
2.4.2 Procesy ARFIMA
2.5 Konstrukce předpovědí na základě modelů ARIMA a ARFIMA
2.5.1 Předpovědi s minimální střední čtvercovou chybou na základě modelů ARIMA
2.5.2 Předpovědi s minimální střední čtvercovou chybou na základě modelů ARFIMA
2.5.3 Výpočet předpovědí
2.6 Výstavba lineárních modelů
2.6.1 Odhad parametrů modelů ARIMA
2.6.2 Odhad parametrů modelů FI a ARFIMA
2.6.3 Konstrukce předpovědí na základě odhadnutého modelu ARIMA a ARFIMA
2.6.4 Určení a ověřování řádu diferencování
2.6.5 Určení řádu polynomů p(B) a q(B)
2.6.6 Diagnostická kontrola modelu
2.6.7 Kritéria pro volbu modelu
2.7 Praktické příklady
2.8 Shrnutí

3. MODELY S PROMĚNLIVÝMI REŽIMY
3.1 Modely s režimy určenými pozorovatelnými veličinami
3.1.1 Modely SETAR ("Self-Exciting Threshold Autoregressive")
3.1.2 Modely STAR ("Smooth Transition Autoregressive")
3.2 Modely s režimy určenými nepozorovatelnými veličinami
3.2.1 Model MSW ("Markov-Switching")
3.3 Konstrukce předpovědí na základě modelů s proměnlivými režimy
3.3.1 Bodové předpovědi
3.3.2 Intervalové předpovědi
3.3.3 Přesnost předpovědí konstruovaných na základě nelineárních modelů
3.4 Výstavba modelů s proměnlivými režimy
3.4.1 Odhady parametrů
3.4.2 Konstrukce předpovědí na základě odhadnutých modelů
3.4.3 Určení řádu zpoždění
3.4.4 Testování proměnlivosti režimů modelu a diagnostická kontrola
3.5 Praktické příklady
3.6 Shrnutí

4. MODELY VOLATILITY 125
4.1 Základní reprezentace
4.2 Lineární modely volatility
4.2.1 Modely ARCH ("Autoregressive Conditional Heteroscedasticity")
4.2.2 Modely GARCH ("Generalized ARCH")
4.2.3 Modely IGARCH ("Integrated GARCH")
4.2.4 Modely FIGARCH ("Fractionaly IGARCH")
4.2.5 Modely GARCH-M ("GARCH in mean")
4.3 Nelineární modely volatility
4.3.1 Modely EGARCH ("Exponential GARCH")
4.3.2 Modely IEGARCH ("Integrated EGARCH") a FIEGARCH ("Fractionaly IEGARCH")
4.3.3 Modely GJR-GARCH ("Glosten, Jagannathan, Runkle GARCH")
4.3.4 Modely STGARCH ("Smooth Transition GARCH")
4.4 Modely volatility a podmínka pravděpodobnostního rozdělení veličiny t
4.5 Konstrukce předpovědí na základě modelů volatility
4.5.1 Předpovědi na základě modelů ARIMA za předpokladu podmíněné heteroskedasticity
4.5.2 Výpočet předpovědí podmíněného rozptylu na základě lineárních modelů volatility
4.5.3 Výpočet předpovědí podmíněného rozptylu na základě nelineárních modelů volatility
4.6 Výstavba modelů volatility
4.6.1 Testování podmíněné heteroskedasticity v časových řadách
4.6.2 Odhad parametrů
4.6.3 Konstrukce předpovědí na základě odhadnutých modelů
4.6.4 Diagnostická kontrola
4.7 Praktické příklady
4.8 Shrnutí

5. LINEÁRNÍ MODELY VÍCEROZMĚRNÝCH STACIONÁRNÍCH ČASOVÝCH ŘAD
5.1 Modely vícerozměrných stacionárních časových řad
5.1.1 Vektorový stochastický proces a jeho stacionarita
5.1.2 Vícerozměrný lineární proces
5.1.3 Vektorové autoregresní procesy
5.1.4 Vektorové procesy klouzavých průměrů
5.1.5 Smíšené vektorové procesy
5.1.6 Problém identifikace
5.2 Kauzalita v časových řadách a analýza "Impuls-Reakce" (I-R)
5.2.1 Definice Grangerovy kauzality
5.2.2 Grangerova kauzalita a model VAR
5.2.3 Analýza "Impuls-Reakce"
5.2.4 Problémy spjaté s analýzou "Impuls-Reakce"
5.3 Systémy dynamických simultánních rovnic (SDSR)
5.3.1 Endogenita, striktní exogenita a predeterminovanost v modelu časových řad
5.3.2 Strukturní, redukovaný a konečný tvar
5.3.3 Exogenita slabá, silná a super
5.4 Konstrukce předpovědí na základě modelu VARMA a SDSR
5.4.1 Předpovědi s minimální střední čtvercovou chybou
5.4.2 Výpočet předpovědí na základě modelu VARMA
5.4.3 Výpočet předpovědí na základě redukované formy systému rovnic
5.5 Výstavba modelů VAR, VARMA a SDSR, testování kauzality a exogenity
5.5.1 Odhady parametrů modelu VAR a VARMA
5.5.2 Určení řádu modelu VAR a VARMA
5.5.3 Diagnostická kontrola modelu VAR a VARMA
5.5.4 Kritéria pro volbu řádu modelu VAR
5.5.5 Testování Grangerovy kauzality
5.5.6 Testování exogenity
5.5.7 Odhady parametrů systému dynamických simultánních rovnic
5.5.8 Specifikace a diagnostická kontrola systému dynamických simultánních rovnic
5.5.9 Konstrukce předpovědí na základě modelů s odhadnutými parametry
5.6 Praktické příklady
5.7 Shrnutí

Literatura
Rejstřík