Buch
On robust ESACF identification of mixed ARIMA models
Tilastoaineistossa on usein joitakin havaintoja, jotka poikkeavat merkittävästi aineiston muusta osasta.Nämä poikkeavat havainnot (outlierit) aiheuttavat huomattavia ongelmia tilastollisessa analyysissä ja päättelyssä.Valitettavasti monet klassisen tilastotieteen menetelmät, kuten tavallinen pienimmän neliösumman menetelmä, ovat hyvin herkkiä näiden poikkeavien havaintojen vaikutuksille, eli ne eivät ole robusteja.Lineaarisille regressiomalleille ja viime aikoina myös aikasarjamalleille on kuitenkin kehitetty useita robusteja estimointi- ja diagnostiikkamenetelmiä.Aikasarjamallien robustia täsmentämistä koskeva kirjallisuus ei ole vielä kovin laajaa, mutta kasvaa nopeasti.Mallien täsmentäminen on hankala juttu robustissa aikasarjaanalyysissä (Martin ja Yohai 1986).Jos aikasarjan tiedetään tai oletetaan sisältävän poikkeavia havaintoja, mallintamisen ensi vaihe pitäisi suorittaa robustein täsmentämismenetelmin. Robustin version kehittäminen niin sanotusta laajennetusta autokorrelaatiofunktiomenetelmästä (EACF-proseduuri), jonka alun perin kehittivät Tsay ja Tiao (1984) yhden muuttujan ARIMAmallien alustavaksi täsmentämiseksi, ja robustin menetelmän tulosten vertailu perinteisen menetelmän antamiin tuloksiin. 2.Laajennetun autokorrelaatiofunktion kertoimien (eli ESACF -matriisin elementtien) otosjakaumien simulointi klassisin ja robustein menetelmin sekä puhtaiden että outliereillä saastuneiden aikasarjojen tapauksissa. 3.Laajennetun autokorrelaatiofunktion kertoimille simuloitujen keskivirheiden vertaaminen teoreettisiin estimaatteihinsa. Robustointi koskee kahta ESACF-proseduurin vaihetta: iteratiivista autoregressiota, AR(p), ja autokorrelaatiofunktiota, jota käytetään vähemmän harhaisten estimaattien tuottamiseksi.Simulointikokeiden lisäksi robusteja versioita ESACF-proseduurista sovelletaan työssä eräisiin synteettisiin ja aitoihin aikasarjoihin, joista muutamia on kirjallisuudessa käytetty havainnollisina esimerkkeinä. Simulointikokeet osoittavat, että koska robusti MM-estimaattori on tehokas myös outliereitä sisältämättömien aikasarjojen tapauksissa, tätä robustia ESACF-proseduuria voidaan aina soveltaa. Menetelmästä saatava tuki robustiin yksikköjuuritestaukseen on ilmeinen, mutta vaatii lisää tutkimusta. Avainsanat: robusti täsmentäminen, robusti laajennettu autokorrelaatiofunktio, outlieri, robusti regressioestimointi, Monte Carlo -simulointi, aikasarjamallit
- ISBN
-
952-462-112-6
- Language
-
Englisch
- Bibliographic citation
-
Series: Bank of Finland Studies ; No. E:27
- Classification
-
Wirtschaft
- Event
-
Geistige Schöpfung
- (who)
-
Hella, Heikki
- Event
-
Veröffentlichung
- (who)
-
Bank of Finland
- (where)
-
Helsinki
- (when)
-
2003
- Handle
- Last update
-
10.03.2025, 11:43 AM CET
Data provider
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. If you have any questions about the object, please contact the data provider.
Object type
- Buch
Associated
- Hella, Heikki
- Bank of Finland
Time of origin
- 2003
Other Objects (12)
Robust expectations and uncertain models: a robust contol approach with application to the new Keynesian economy
The mixed oligopoly of cross-border payment systems
A Positive theory of monetary policy and robust control
Are adverse selection models of debt robust to changes in market structure?
Robust monetary policy in the New-Keynesian framework
Robust learning stability with operational monetary policy rules
Robust monetary policy in a small open economy
Toward robust early-warning models: A horse race, ensembles and model uncertainty
Assessing targeted longer-term refinancing operations: Identification through search intensity
Robust Taylor rules in an open economy with heterogeneous expectations and least squares learnig
The effects of conventional and unconventional monetary policy: Identification through the yield curve
Väestön vanheneminen, työmarkkinat ja julkisen talouden näkymät
Robust expectations and uncertain models: a robust contol approach with application to the new Keynesian economy
The mixed oligopoly of cross-border payment systems
A Positive theory of monetary policy and robust control
Are adverse selection models of debt robust to changes in market structure?
Robust monetary policy in the New-Keynesian framework
Robust learning stability with operational monetary policy rules
Robust monetary policy in a small open economy
Toward robust early-warning models: A horse race, ensembles and model uncertainty
Assessing targeted longer-term refinancing operations: Identification through search intensity
Robust Taylor rules in an open economy with heterogeneous expectations and least squares learnig
The effects of conventional and unconventional monetary policy: Identification through the yield curve
Väestön vanheneminen, työmarkkinat ja julkisen talouden näkymät
Robust expectations and uncertain models: a robust contol approach with application to the new Keynesian economy
The mixed oligopoly of cross-border payment systems
A Positive theory of monetary policy and robust control
Are adverse selection models of debt robust to changes in market structure?
Robust monetary policy in the New-Keynesian framework
Robust learning stability with operational monetary policy rules
Robust monetary policy in a small open economy
Toward robust early-warning models: A horse race, ensembles and model uncertainty
Assessing targeted longer-term refinancing operations: Identification through search intensity
Robust Taylor rules in an open economy with heterogeneous expectations and least squares learnig
The effects of conventional and unconventional monetary policy: Identification through the yield curve