Umfassender Überblick über die wichtigsten und aktuellen Methoden der Zeitreihenanalyse.
Für das Selbststudium geeignet Erstes deutschsprachiges Lehrbuch über einen so breiten Text: Dieses Lehrbuch vermittelt einen umfassenden Überblick über die wichtigsten Methoden der Zeitreihenanalyse. Neben Grund- konzepten deskriptiver Zeitreihenanalyse werden einleitend einfache Saisonbereinigungs- und Prognoseverfahren dargestellt, anschließend werden univariate stochastische Prozesse, VAR-Prozesse, Parameterschätzung, Identifikation, Modelldiagnose, Ausreißeranalyse, univariate ARIMA-Prognosen, Transferfunktionen (ARMAX)-Modelle, ARMAX-Prognosen, Strukturelle Komponentenmodelle und Spektralanalyse behandelt. Ausführlich dargestellt werden ferner die praktisch wichtigsten Saisonbereinigungsverfahren, Design digitaler Filter (FIR- und IIR-Filter), Unit-root-Prozesse, Unit-root-Tests, Kointegration, Fehler-Korrektur-Modell, Kointegrationstest sowie nicht-linear Zeitreihenmodelle (ARCH-GA RCH-Prozesse, bilineare und Threshold-Prozesse).
Inhaltsverzeichnis
I. Elementare Zeitreihenanalyse. - I. 1. Definitionen, Grundkonzepte, Beispiele. - I. 2. Das traditionelle Zeitreihen-Komponentenmodell. - II. Einfache Saisonbereinigungsverfahren. - II. 1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur. - II. 2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur. - II. 3. Einige praktische Probleme der Saisonbereinigung. - III. Elementare Filter-Operationen. - IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen. - IV. 1. Vorbemerkungen. - IV. 2. Einfaches Exponential-Smoothing. - IV. 3. Exponential-Smoothing nach Holt. - IV. 4. Exponential-Smoothing nach Winters. - IV. 5. Ergänzende Bemerkungen zum Exponential-Smoothing. - V. Grundzüge der Theorie der stochastischen Prozesse. - V. 1. Zufallsvariable und Zufallsvektoren. - V. 2. Stochastische Prozesse. - V. 3. Stationäre Stochastische Prozesse. - V. 4. Spezielle stationäre Prozesse. - VI. Vektorielle stochastische Prozesse. - VI. 1. Grundlagen. - VI. 2. VAR-Prozesse. - VII. Schätzprobleme bei stochastischen Prozessen. - VII. 1 Schätzen von Parametern und Momentfunktionen univariater Prozesse. - VII. 2 Parameterschätzung vektorieller Prozesse. - VII. Identifikation stochastischer Prozesse. - VIII. 1. Identifikation univariater ARMA- und ARIMA-Prozesse. - VIII. 2. Identifikation vektorieller ARMA- und ARIMA-Prozesse. - IX. Modelldiagnose. - IX. 1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen. - IX. 2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen. - X. Ausrei? er-Analyse. - X. 1. Grundlagen und Beispiele. - X. 2. Additive und innovative Ausrei? er und ihre Bestimmung. - XI. Prognosen mit ARMA- und ARIMA-Modellen. - XI. 1. Prognosen mit univariaten ARMA- und ARIMA-Modellen. - XI. 2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen. - XII. Transferfunktionen (ARMAX)-Modelle. - XII. 1 Transferfunktionen-Modelle mit einer Input-Variablen. - XII. 2. Transferfunktionen mit mehreren Inputs. - XIII. Strukturelle Komponentenmodelle. - XIII. 1 Einleitung. - XIII. 2 Modellierung der Komponenten. - XIII. 3. Das ? Basic Structural Model? nach Harvey. - XIII. 4. Strukturelle Komponentenmodelle und ARIMA-Modelle. - XIII. 5. Parameterschätzung bei strukturellen Komponentenmodellen. - XIII. 6. Beispiel. - XIII. 7. Abschlie? ende Bemerkungen. - XIV. Grundzüge der Spektralanalyse. - XIV. 1. Vorbemerkungen. - XIV. 2. Spektren stationärer Prozesse. - XIV. 3 Schätzung eines Spektrums. - XIV. 4 Spektralanalyse und Saisonalität. - XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung. - XV. 1. Einleitung. - XV. 2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung. - XV. 3. Spezielle Saisonbereinigungsverfahren. - XV. 4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS. - XV. 5. Weitere Verfahren. - XV. 6. Saisonbereinigung als Filter-Design-Problem. - XV. 7. Zum Vergleich von Saisonbereinigungsverfahren. - XVI. Grundzüge der Theorie digitaler Filter. - XVI. 1. Grundlagen. - XVI. 2. Elemente der z-Transformation. - XVI. 3. Grundbegriffe der Filtertheorie. - XVII. Konstruktionsmethoden für digitale Filter. - XVII. 1 Konstruktionsmethoden für FIR-Filter. - XVII. 2. FIR-Fenster-Filter. - XVII. 3. Modifizierte FIR-Fenster-Filter. - XVII. 4. Optimale FIR-Filter. - XVII. 5. Konstruktion von IIR-Filtern. - XVII. 6. Filtern im Frequenzbereich. - XVIII. Unit-roots und Unit-root-Tests. - XVIII. 1. Vorbemerkungen. - XVIII. 2. Differenzen-Stationäre versus Trend-Stationäre Prozesse. - XVIII. 3. Trendbereinigung bei DS- und TS-Prozessen. - XVIII. 4. Unit-root-Test. - XIX. Kointegration. - XIX. 1. Grundlagen. - XIX. 2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme. - XX. Nicht-lineare Zeitreihenmodelle. - XX. 1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle. - XX. 2. Bilineare Prozesse. - XX. 3. Random Coefficient Autoregressive Modelle. - XX. 4. TARMA-Modelle. - XX. 5. CTARMA-Modelle. - Literatur. - Index:.
