Dynamische Faktormodelle für die Volatilität von Aktienrenditen und ihre statistische Inferenz basierend auf der Likelihoodfunktion

在方程式中，方程式是最重要的，也是最重要的。只有拉曼的动态师才会这么做，因为他们的行为也是一样的，所以他们的自律性也很强。我的模型，在Anlehnung an die套利定价理论和资本-资产定价模型的基础上，提出了一种解释和预测的方法。这是一种潜在的动态变化，它像是一种整体的整体，它是一种方法，是一种方法。Lassen Sich Diese Modelle Nicht MIT Hilfe derüblichen Maximum-LikelihoodMethode Schätzen.重要的是抽样的重要性，以及统计分析的重要性。

Das Forschungsziel besteht zum einen in der Formulierung von Multivariaten Modellen für das gemeinsame Zeitreihenverhalten von Volatilitäten mehrerer Aktienrenditen. Dies soll im Rahmen dynamischer Faktormodelle erfolgen, in denen sowohl die gemeinsamen Faktoren als auch die aktienspezifischen Komponenten als stochastische Volatilitätsprozesse modelliert werden, so daß für die dazugehörigen Volatilitäten ein autoregessives Verhalten zugelassen wird. Diese Modelle, in denen in Anlehnung an die Arbitrage-Pricing Theorie und das Capital-Asset-Pricing Modell zwischen dem Marktrisiko und dem Aktienspezifischen Risiko unterschieden wird, sollen dazu dienen, die unterschiedlichen Risiko bzw. Volatilitätskomponenten von Aktienrenditen zu identifizieren, entsprechend zu interpretieren und zu prognostizieren. Da die gemeinsamen und aktienspezifischen Komponenten latente dynamsiche Variablen sind, ist die Likelihoodfunktion ein hochdimensionales Integral, das mit herkömmlichen Methoden nicht berechnet werden kann. Folglich lassen sich diese Modelle nicht mit Hilfe der üblichen Maximum-LikelihoodMethode schätzen. Ein weiteres Ziel ist es daher, effiziente Schätz- und Testmethoden für diese Modellklasse des effizienten Importance-Samplings verwendet werden, die eine Berechnung der Likelihoodfunktion und eine entsprechende statistische Inferenz ermöglichen.