Geri Dön

Bayesian estimation of the parameters of the ARCH and GARCH models using lindley's approximation

Lindley yaklaşımı kullanılarak ARCH ve GARCH model parametlerinin bayes tahmini

PDF İndir

  1. Tez No: 438278
  2. Yazar: YAKUP ARI
  3. Danışmanlar: PROF. DR. ALEXANDROS PAPADOPOULOS
  4. Tez Türü: Doktora
  5. Konular: Ekonometri, Econometrics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Yeditepe Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Finansal İktisat Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 160

Özet

ARCH ve GARCH modeller ampirik finansal dataları modellemekte ve finansal dataların kendine özgü birçok özelliğini ortaya çıkarmakta kullanılmaktadır. ARCH ve GARCH modellerin bilinmeyen parametlerini bulmak için kullanılan genel yöntem ise maksimum olabilirlik tahmini (MLE) metodudur. Bu çalışmada ARCH ve GARCH modellerin bilinmeyen parametleri bilinen öncül dağılımlara sahip rassal değişkenler olarak kabul edilmiştir ve bu yüzden parametreler Bayesgil metodla tahmin edilmiştir. Bayesgil metodun kapalı bir formu olmadığı için Linley yaklaşımı kullanılacaktır. Bayes tahminleri karesel hata (SEL) fonksiyonu ve doğrusal üstel (LINEX) kayıp fonksiyonu altında yapılmıştır. Örnekler ile bulgular gösterilmiş ve Monte Carlo (MCMC) simulasyonları kullanılarak maksimum olabilirlik tahmini metodu ile Bayesgil metod karşılaştırılmıştır. Son olarak bulgular üzerine sonuçlar verilmiştir.

Özet (Çeviri)

Autoregressive conditionally heteroscedastic (ARCH) and Generalised ARCH (GARCH) models are used to analyze empirical financial data and capture various stylized facts in financial econometrics. The procedure that is most commonly used for estimating the unknown parameters of ARCH and GARCH model is the maximum likelihood estimation (MLE) method. In this study, it is assumed that the parameters of the ARCH and GARCH models are random variables having known prior probability density functions, and therefore they will be estimated using Bayesian methods. The Bayesian estimators are not in a closed form, and thus Lindley's approximation will be used to estimate them. The Bayesian estimators are derived under squared error loss (SEL) and linear exponential (LINEX) loss functions. Examples are given in order to illustrate the findings. Furthermore, Monte Carlo simulations are performed in order to compare the ML estimates to the Bayesian ones. Finally, conclusions on the findings are given.

Benzer Tezler

  1. Tez No

    778387

    Klasik ve bayesçi yaklaşımlara göre Madde Tepki Kuramı parametre kestirimlerinin farklı simülasyon koşullarında karşılaştırılması

    Comparison of Item Response Theory parameter estimations according to classical and bayesian approaches in different simulation conditions

    ERAY SELÇUK

    Doktora

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimAnkara Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ERGÜL DEMİR

  2. Tez No

    66873

    Jeoistatistiksel, statik ve kararsız basınç testi verilerine koşullandırılmış heterojen geçirgenlik ve gözeneklilik sahalarının türetilmesi

    Generation of porosity and permeability fields conditioned to geostatistical, and pressure transient data

    ADİL GÜRKAN CEYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDURRAHMAN SATMAN

  3. Tez No

    427844

    Balıklarda büyüme parametrelerinin Bayesyen istatistiksel yöntemle tahmini

    Bayesian estimation of growth parameters in fisheries sciences

    SEDAT GÜNDOĞDU

    Doktora

    Türkçe

    Türkçe

    2016

    BiyoistatistikÇukurova Üniversitesi

    Su Ürünleri Temel Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. MAKBULE BAYLAN

  4. Tez No

    155348

    Logaritmik doğrusal modellerde parametrelerin ve beklenen göze sıklıklarının Bayesci kestirimi

    Bayesian estimation of the parameters and expected cell counts in logarithmic linear models

    HAYDAR DEMİRHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    Y.DOÇ.DR. CANAN HAMURKAROĞLU

  5. Tez No

    548935

    Ters Weibull dağılım parametrelerinin Bayesci yöntemle tahmini

    Parameter estimation of the inverse Weibull distribution by Bayesian method

    İDİL BÜŞRA KUTLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ESİN KÖKSAL BABACAN

Geri Dön