Skip to main content
main-content

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Erschienen in:
Buchtitelbild

2022 | OriginalPaper | Buchkapitel

1. Einführung und grundlegende theoretische Konzepte

verfasst von: Klaus Neusser, Martin Wagner

Erschienen in: Zeitreihenanalyse in den Wirtschaftswissenschaften

Verlag: Springer Berlin Heidelberg

share
TEILEN

Auszug

Die Zeitreihenanalyse beschäftigt sich mit der Beschreibung und Modellierung der zeitlichen Entwicklung einer Kennzahl bzw. einer Menge von Kennzahlen. Typische Kennzahlen aus dem Bereich der Wirtschaftswissenschaften sind etwa die Inflationsrate, das Bruttoinlandsprodukt, Zinssätze, Aktienkurse, usw., aber auch Umsätze, Gewinne oder Beschäftigte einer Unternehmung. Die Zeitreihenanalyse ist daher integraler Bestandteil jeder angewandten ökonomischen Theorie, die darauf abzielt, ein grundlegendes Verständnis dieser Kennzahlen zu entwickeln. Obwohl die Zeitreihenanalyse inzwischen in alle Teilgebiete der Wirtschaftswissenschaften vorgedrungen ist, hat sie insbesondere in der Makroökonomie und der Finanzmarktökonomie einen besonderen Stellenwert erlangt. Dies hat vor allem historische Ursachen, da in diesen Gebieten bereits früh damit begonnen wurde, systematisch Daten zu erheben und zu analysieren. …
Fußnoten
1
Die Logarithmierung von Zeitreihen ist insbesondere bei Wachstumsprozessen angebracht. Da \(\ln {(1+\varepsilon )}\approx \varepsilon \) für kleine ε ist, können die Veränderungen der logarithmierten Daten als prozentuelle Änderungen interpretiert werden.
 
2
In der theoretisch ausgerichteten Zeitreihenanalyse spielt das Konzept der Ergodizität eine wichtige Rolle. Dabei geht es um die Bedingungen, unter denen das Gesetz der großen Zahlen auch für eine Folge abhängiger Zufallsvariablen (stochastischer Prozess) gilt. Insbesondere wird die Frage untersucht, ob und unter welchen Voraussetzungen das empirische Mittel \(\frac {1}{T} \sum _{t=1}^T X_t\) gegen den konstanten Erwartungswert \(\mathbb {E}X_t\), \(t\in \mathcal {T}\) beliebig, konvergiert. Auf diese Frage wird in Kap. 3 näher eingegangen.
 
3
Gebräuchliche Bezeichnungen für strenge Stationarität sind strikte oder starke Stationarität.
 
4
Bei den Eigenschaften Weißes Rauschen, IID und IID N handelt es sich um Eigenschaften von stochastischen Prozessen. Mathematisch korrekt wäre daher die Notation {Zt}∼WN(0, σ2), {Zt}∼IID(0, σ2) und {Zt}∼IID N(0, σ2). Zur Vereinfachung verzichten wir in diesem Zusammenhang auf die geschwungenen Klammern.
 
Literatur
43.
Zurück zum Zitat Brockwell, P.J., Davis, R.A.: Time Series: Theory and Methods, 2. Aufl. Springer, New York (1991) CrossRef Brockwell, P.J., Davis, R.A.: Time Series: Theory and Methods, 2. Aufl. Springer, New York (1991) CrossRef
49.
Zurück zum Zitat Campbell, J.Y., Lo, A.W., MacKinlay, A.C.: The Econometrics of Financial Markets. Princeton University Press, Princeton (1997) CrossRef Campbell, J.Y., Lo, A.W., MacKinlay, A.C.: The Econometrics of Financial Markets. Princeton University Press, Princeton (1997) CrossRef
134.
Zurück zum Zitat Hall, R.E.: Stochastic implications of the life cycle-permanent income hypothesis: Theory and evidence. J. Polit. Econ. 86, 971–987 (1978) CrossRef Hall, R.E.: Stochastic implications of the life cycle-permanent income hypothesis: Theory and evidence. J. Polit. Econ. 86, 971–987 (1978) CrossRef
244.
Zurück zum Zitat Samuelson, P.A.: Proof that properly anticipated prices fluctuate randomly. Ind. Manag. Rev. 6, 41–49 (1965) Samuelson, P.A.: Proof that properly anticipated prices fluctuate randomly. Ind. Manag. Rev. 6, 41–49 (1965)
Metadaten
Titel
Einführung und grundlegende theoretische Konzepte
verfasst von
Klaus Neusser
Martin Wagner
Copyright-Jahr
2022
Verlag
Springer Berlin Heidelberg
DOI
https://doi.org/10.1007/978-3-662-64650-2_1

Premium Partner