Эконометрика 2, Продвинутый курс с приложениями в финансах, Айвазян С.А., Фантаццини Д., 2014


Эконометрика 2, Продвинутый курс с приложениями в финансах, Айвазян С.А., Фантаццини Д., 2014.

  Продвинутый курс эконометрики охватывает ряд важнейших разделов дисциплины. В частности представлены методы и модели анализа многомерных временных рядов, последние достижения в области финансовой эконометрики (копула-функции, методы управления финансовыми рисками).
Для решения задач используется экономический инструментарий, включающий относительно недавно разработанные современные методы анализа многомерных временных рядов, байесовский подход в сочетании с приемами имитационного статистического моделирования, продвинутые численные методы оптимизации. Вычислительная реализация описываемых в учебнике примеров основана на использовании статистических и эконометрических пакетов R, Stata, Eviews, GAUSS.
Для студентов и аспирантов экономической и математической специализации, интересующихся продвинутыми эконометрическими методами и их приложениями в финансах, а также сотрудников аналитических служб банков и инвестиционных компаний.

Эконометрика 2, Продвинутый курс с приложениями в финансах, Айвазян С.А., Фантаццини Д., 2014


Формирование редуцированного (апостериорного) набора частных критериев.
При формировании исходного (априорного) набора статистических показателей для анализируемой латентной синтетической категории экспертам предлагается опираться на определенную структуризацию частных критериев и интегральных свойств этой СЛК (см., например, ниже, рис. 2.2) и учитывать при этом сформулированные выше общие требования (А), (Б) и (В).

Базовая идея, на которой строится методика формирования редуцированных (апостериорных) наборов частных критериев по каждой из анализируемых синтетических латентных категорий, заключается в следующем.

Из состава сформированного (из теоретических, содержательных соображений, на экспертном уровне) априорного набора частных критериев заданного интегрального свойства требуется выделить (оставить для дальнейшего анализа) сравнительно небольшое число показателей таким образом, чтобы, во-первых, они являлись бы наиболее существенно влияющими на анализируемую СЛК (т.е. были бы детерминантами последней), а во-вторых, чтобы в оставшемся наборе частных критериев (который мы будем называть апостериорным) было бы исключено явление мультиколлинеарности, при котором наблюдается дублирование информации относительно анализируемой СЛК, доставляемой тесно коррелированными частными критериями (заметим, что при описанном ниже способе устранения мультиколлинеарности значения исключенных из априорного набора частных критериев обычно поддаются достаточно точному восстановлению по значениям переменных, вошедших в апостериорный набор).

ОГЛАВЛЕНИЕ
Предисловие 7
Глава 1. Выбор общего вида модели и нелинейная регрессия 11
1.1.0 подходах к выбору общего вида модели 11
1.2. Нелинейные модели регрессии и линеаризация 16
1.3. Вычислительные вопросы нелинейного метода наименьших квадратов 31
Выводы 54
Глава 2. Построение интегральных измерителей для синтетических латентных категорий 57
2.1. Концептуальные основы подхода к измерению синтетических латентных категорий 58
2.2. Исходные данные 60
2.3. Методология построения интегральных индикаторов — измерителей синтетических латентных категорий и методы многокритериального рейтингования 68
2.4. Примеры построения интегральных индикаторов — измерителей качества анализируемых синтетических латентных категорий 89
Выводы 119
Глава 3. Байесовский подход в эконометрическом анализе 121
3.1. Философия и общая логическая схема байесовского подхода 121
3.2. Априорные распределения, сопряженные с наблюдаемой гене¬ральной совокупностью (определение и условие существования) 125
3.3. Генезис априорных сопряженных распределений 131
3.4. Пересчет значений параметров при переходе от априорного сопряженного распределения к апостериорному 143
3.5. Примеры задач на точечное и интервальное байесовское оценивание параметров модели 148
3.6. Байесовский прогноз зависимой переменной, основанный на нормальной классической линейной модели множественной регрессии 157
Выводы 161
Глава 4. Анализ многомерных временных рядов 163
4.1. Многомерные временные ряды: определения и основные понятия 163
4.2. Модели векторной авторегрессии (VAR-модели) 166
4.3. Структурные VAR-модели (SVAR-модели) 202
4.4. Системы одновременных уравнений (СОУ) 223
4.5. Коинтеграция 281
4.6. Регрессионные модели с распределенными лагами 360
Выводы 375
Глава 5. Анализ и моделирование волатильности 385
5.1. Одномерные модели авторегрессионной условной гетероскедастичности (ARCH- и GARCH-модели) 385
5.2. Многомерные GARCH-модели (MGARCH) 433
5.3. Реализованная волатильность 468
Выводы 502
Глава 6. Моделирование многомерных распределений с использованием копула-функций 507
6.1. Копула-функций 509
6.2. Эллиптические копула-функций 516
6.3. Архимедовы копула-функций 528
6.4. Парные копула-функций 545
6.5. Меры зависимости 557
6.6. Процедуры оценивания: параметрические методы 567
6.7. Процедуры оценивания: полупараметрические и непараметрические методы 572
6.8. Выбор копула-функций 583
6.9. Критерии согласия для копула-функций 590
Выводы 618
Глава 7. Анализ финансовых данных в задачах управления риском 625
7.1. Введение: имеющийся опыт и некоторые общие понятия 625
7.2. Управление рыночным риском 632
7.3. Управление операционным риском 678
7.4. Управление кредитным риском 718
Выводы 855
Приложение 1. Исходные данные и результаты межстранового и межрегионального анализа КЖН 865
Приложение 2. Некоторые сведения об одномерных и многомерных законах распределения вероятностей, используемые в байесовском подходе 885
Литература 891
Алфавитно-предметный указатель 935.



Бесплатно скачать электронную книгу в удобном формате и читать:

Скачать книгу Эконометрика 2, Продвинутый курс с приложениями в финансах, Айвазян С.А., Фантаццини Д., 2014 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать




Скачать - pdf - Яндекс.Диск.
Дата публикации:





Теги: :: :: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 


Книги, учебники, обучение по разделам




Не нашёл? Найди:





2016-12-09 23:15:22