权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Wavelet-Methoden zur Modellierung multivariater Finanzzeitreihen

用于建模多元金融时间序列的小波方法

基本信息

批准号：
5408934
负责人：
Professor Dr. Jan Beran
金额：
--
依托单位：
Arbeitsgruppe Prof. Dr. Beran
依托单位国家：
德国
项目类别：
Research Units
财政年份：
2003
资助国家：
德国
起止时间：
2002-12-31 至 2010-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/5408934?language=en
关键词：
Wavelet Methoden zur Modellierung multivariater

项目摘要

Im Zentrum dieses Teilprojekts steht die Entwicklung und Untersuchung verschiedener Wavelet-Methoden zur Modellierung von multivariaten Finanzzeitreihen. Wavelet Transformationen erlauben aufgrund ihrer lokalen Eigenschaften eine simultane Untersuchung des Verhaltens einer Zeitreihe auf unterschiedlichen Zeitfenstern. Sie sind deshalb geeignet, parallel die inhärenten kurz- sowie langfristigen Abhängigkeiten zu modellieren und gegenseitig in Verbindung zu setzen. Mit einer speziellen Anwendung auf Finanzdaten und deren Untersuchung auf unterschiedliche Skalenniveaus wird somit ein wirkungsvolles Hilfsmittel zur Analyse der Zeitreihen bereitgestellt. Insbesondere scheint die Wavelet Transformation anwendbar für die Analyse lokaler Nichtstationaritäten. Dieses Projekt teilt sich in die folgenden Aufgabengebiete auf: 1. Zentrales Thema wird die Analyse von Finanzzeitreihen darstellen. Hierarchische Modellentwicklungen werden dabei aufgrund der Struktur der Waveletfunktionen eine wesentliche Rolle spielen. 2. Die Koeffizienten der Waveletzerlegung werden zur Entwicklung eines Volatilitätsmaßes herangezogen. 3. Waveletzerlegungen werden es erlauben, empirische Dichteschätzungen mit nicht- bzw. semiparametrischen Ansätzen durchzuführen. 4. Neben der Modellanalyse kommt es insbesondere zu einer Anwendung der entwickelten Methoden für die Prognose unterschiedlicher Zeitreihen, die mit der Vorhersagequalität bereits etablierter Modelle verglichen werden. Insbesondere bei hochfrequenten Finanzdaten scheint es dabei von Interesse zu sein, ob die Aggregation der Daten auf ein geeignetes Niveau für die Anwendbarkeit der Modelle sowie deren Interpretation von Vorteil ist. Die geignete Wahl des Aggregationsniveaus kann dabei als ein Entscheidungskriterium für die optimale Prognose des langfristigen Verhaltens einer Zeitreihe herangezogen werden.

Im zentum dieses Teilprojekts steht die Entwickump and Untersusuung verschiedener Wavelet-Methoden zur Modellierung von Multiariten Finanzzeitreen.小波变换是一种新的小波变换方法，它的本征是不同的。这句话的意思是：在库尔茨和索威的两种语言中，平行的是一种特殊的方式，一种平行的方式。从今天起，我们的经济和社会发展就不再是这样了。基于小波变换的小波分析方法。1.中央分析了这一现象，并进行了分析。这是一种新的投资方式，是一种新的投资方式。2.挥发油是一种挥发性物质。3.WaveletzerLegungen是Es erlaben，Experiische Dichteschätzungen Mit Nicht-bzw.Semiparetetrischen ansätzzen duchzuführen。4.用模型分析方法和方法预测预后，而不是用它的模型。在这一点上，我们经常能找到一种新的方法来解释Vorteil的概念，它是一种数据的集合。本组病例预后最好，预后最好。