Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Einführung und grundlegende theoretische Konzepte Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

2. Stationäre ARMA-Prozesse

verfasst von : Klaus Neusser, Martin Wagner

Erschienen in: Zeitreihenanalyse in den Wirtschaftswissenschaften

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Auszug

Eine Grundidee der Zeitreihenanalyse besteht darin, allgemeinere Prozesse durch Bildung gleitender Durchschnitte von einfachen, insbesondere White-Noise-Prozessen, aufzubauen. Dieses Prinzip wurde im vorherigen Kapitel anhand des MA(1)-Prozesses illustriert und wird in Abschn. 6.​4 weiter verfolgt. In diesem Kapitel betrachten wir eine andere komplementäre Strategie, die stochastische Prozesse als Lösungen von Differenzengleichungen auffasst. Diese bietet zwei Vorteile. Zum einen sind dynamische ökonomische Theorien meist schon in Form von Differenzengleichungen dargestellt. Zum anderen bieten bereits lineare Differenzengleichungen einen ausreichend allgemeinen Rahmen zur Modellierung ökonomischer Zeitreihen. Diese Überlegungen führen zur Theorie der autoregressiven Moving-average-Prozesse oder kurz ARMA-Prozesse, welche die bei weitem wichtigste Modellklasse der Zeitreihenanalyse bilden. …

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Einführung und grundlegende theoretische Konzepte
Nächstes Kapitel Schätzung der ersten zwei Momente
Fußnoten
1
Eine mathematisch präzise Diskussion über den Lag-Operator und seine Eigenschaften siehe etwa Deistler und Scherrer [74].
 
2
An dieser Stelle zeigt sich u. a., dass es wichtig ist, stochastische Prozesse auf den ganzen Zahlen \(\mathbb {Z}\) zu definieren.
 
3
Genau genommen im quadratischen Mittel identisch.
 
4
Hierzu ist zu bemerken, dass in den letzten Jahren die Analyse derartiger stochastischer Prozesse an Bedeutung gewonnen hat, siehe etwa Lanne und Saikkonen [180] oder Gouri\(\acute {e}\)roux et al. [127].
 
5
Zwei Prozesse heißen beobachtungsäquivalent, wenn deren ersten beiden Momente, inklusive Autokovarianzfunktion, gleich sind.
 
6
Manchmal wird die Höhe des Impulses statt mit eins mit der Standardabweichnung σ festgelegt. Dies läuft allerdings nur auf eine Reskalierung der Impulsantwortfunktion hinaus.
 
7
Wenn mehrfache Nullstellen auftreten, muss die Form der Lösung entsprechend adaptiert werden (siehe Appendix B).
 
8
Die Verwendung des partiellen Ableitungszeichens ∂ ist hier nur als praktische Notation zu verstehen und nicht als Ableitung im eigentlichen Sinn.
 
9
Wenn mehrfache Nullstellen auftreten, muss die Form der Lösung entsprechend geändert werden (siehe Appendix B).
 
Literatur
43.
Brockwell, P.J., Davis, R.A.: Time Series: Theory and Methods, 2. Aufl. Springer, New York (1991)CrossRef
74.
Deistler, M., Scherrer, W.: Modelle der Zeitreihenanalyse. Birkhäuser, Basel (2018)CrossRef
127.
Gouriéroux, C., Monfort, A., Renne, J.P.: Identification and estimation in non-fundamental structural VARMA models. Rev. Econ. Stud. 87, 1915–1953 (2020)MathSciNetCrossRef
137.
Hannan, E.J., Deistler, M.: The Statistical Theory of Linear Systems. Wiley, New York (1988)MATH
180.
Metadaten
Titel
Stationäre ARMA-Prozesse
verfasst von
Klaus Neusser
Martin Wagner
Copyright-Jahr
2022
Verlag
Springer Berlin Heidelberg
Buch
Zeitreihenanalyse in den Wirtschaftswissenschaften

Print ISBN: 978-3-662-64649-6

Electronic ISBN: 978-3-662-64650-2

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-662-64650-2_2