Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM121327
035-os BibID:
(WOS)000786184000001
Első szerző:
Al-Momani, Marwan
Cím:
Model Selection and Post Selection to Improve the Estimation of the ARCH Model / Marwan Al-Momani, Abdaljbbar B. A. Dawod
Dátum:
2022
ISSN:
1911-8066 1911-8074
Megjegyzések:
The Autoregressive Conditionally Heteroscedastic (ARCH) model is useful for handling volatilities in economical time series phenomena that ARIMA models are unable to handle. The ARCHmodelhasbeenadopted in many applications that contain time series data such as financial market prices, options, commodity prices and the oil industry. In this paper, we propose an improved post-selection estimation strategy. We investigated and developed some asymptotic properties of the suggested strategies and compared with a benchmark estimator. Furthermore, we conducted a Monte Carlo simulation study to reappraise the relative characteristics of the listed estimators. Our numerical results corroborate with the analytical work of the study. We applied the proposed methods on the S&P500 stock market daily closing prices index to illustrate the usefulness of the developed methodologies.
Tárgyszavak:
Műszaki tudományok
Informatikai tudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
ARCH
heteroscedastic
financial markets
residuals bootstrapping
pretest
shrinkage
Megjelenés:
Journal of Risk and Financial Management. - 15 : 4 (2022), p. 1-17-. -
További szerzők:
Dawod, Abdaljbbar Babiker Abdaljbbar (1987-) (Ph.D. student)
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.