Bewegende gemiddelde modelle vir wisselvalligheid en korrelasie, en kovariansiematrikse Citations Citations 5 Verwysings 4 quotSuch n tyd ontwikkel kovariansie model toegepas kan word om baie meerveranderlike tydreekse, insluitend wisselvalligheid analise in finansies 4 en EEG-aktiwiteit in neurologie 5. Popular benaderings vir die beraming glad wisselende kovariansiematrikse sluit die eksponensieel geweeg bewegende gemiddelde (EWMA) model 25 en meerveranderlike veralgemeen outoregressiewe voorwaardelike heteroskedastisiteit (GARCH) modelle 26. die voormalige vang die vlot wisselende tendense, maar versuim om te hanteer ontbreek data, en vereis 'n lang reeks van hoë skatting akkuraatheid te bereik 27. quot Wys abstrakte versteek abstrakte oPSOMMING: dimensionaliteit vermindering in meerveranderlike tydreeksanalise het 'n groot programme, wat wissel van finansiële data-analise te biomediese navorsing. Maar 'n hoë vlakke van die omgewing lawaai en verskeie steuringe lei tot nie-stationaire seine, wat kan lei tot ondoeltreffende prestasie van konvensionele metodes. In hierdie vraestel, stel ons 'n nie-lineêre raamwerk dimensionaliteit vermindering behulp diffusie kaarte op 'n geleer statistiese manifold, wat aanleiding gegee het tot die bou van 'n lae-dimensionele voorstelling van die hoë-dimensionele stationaire tyd reeks gee. Ons wys dat diffusie kaarte, met affiniteit pitte gebaseer op die Kullback-Leibler divergensie tussen die plaaslike statistieke van monsters, voorsiening te maak vir doeltreffende aanpassing van paarsgewyse geodesiese afstande. Om die statistiese manifold bou, skat ons tyd ontwikkel parametriese uitkerings deur die ontwerp van 'n gesin van Bayes generatiewe modelle. Die voorgestelde raamwerk aangewend kan word om probleme waarin die tyd ontwikkel uitkerings (van tydelik gelokaliseerde data), eerder as om die monsters self, word gedryf deur 'n lae-dimensionele onderliggende proses. Ons bied doeltreffende parameter beraming en dimensionaliteit vermindering metodologieë, en toe te pas op twee programme: musiek analise en epileptiese-aanval voorspelling. Full-text artikel April 2015 quotin om EWMA korrelasie te bereken die kovariansie word gedeel deur die vierkantswortel van die produk van die twee EWMA variansie skattings (Alexander, 2008). Dit is: quot Wys abstrakte versteek abstrakte OPSOMMING: Hierdie vraestel ontleed of aandelemarkte van Suid-Oos-Europa (SIEN) het tydens die 2000s meer geïntegreer met plaaslike en internasionale aandelemarkte word. Met behulp van 'n verskeidenheid van mede-integrasie metodes wys ons dat SIEN aandelemarkte het geen langtermyn verhouding met hul volwasse eweknieë. Dit beteken dat markte sien nie, mag geïmmuniseer word om eksterne skokke. Ons het ook model tyd wisselende korrelasies tussen hierdie markte met behulp van Meerveranderlike Algemene outoregressiewe voorwaardelike Heteroschedastic (MGARCH) modelle sowel as die eksponensiële Geweegde bewegende gemiddelde (EWMA) metode. Resultate toon dat die korrelasies van die Britse en Amerikaanse aandelemarkte met Suid-Oos-Europa mark verandering met verloop van tyd. Hierdie veranderinge in korrelasies tussen ons maatstaf markte en individuele SIEN mark pare is nie uniform hoewel bewyse van toenemende konvergensie tussen Suid-Oos-Europa en ontwikkel aandelemark is duidelik. Ook ondersoek in hierdie vraestel of die struktuur van korrelasies tussen opbrengste van indekse in verskillende markte verander in verskillende fases van die 2007-2009 globale finansiële krisis. Algehele ons resultate dui daarop dat diversifikasie voordele is steeds moontlik vir beleggers wat hul portefeulje te diversifiseer tussen ontwikkelde en ontluikende SIEN aandelemarkte. Full-text artikel Februarie 2013 Francesco Guidi Mehmet Ugur Wys abstrakte versteek abstrakte OPSOMMING: Vaste inkomste ontleders is gewoond aan die monitering van 'n paar maatstaf opbrengste op 'n deurlopende basis en die verskaffing van punt skattings vir hierdie opbrengste, of vir 'n kombinasie van hulle. Tog, die optimalisering van portefeuljes vaste inkomste vereis 'n akkurate voorspelling van nie net 'n paar maatstaf opbrengste, maar van 'n volledige opbrengs kurwes. Hierdie hoofstuk is afgelei 'n voorspelling van een of meer opbrengs kurwes wat in ooreenstemming is met ontleders uitsig. Die model is gebaseer op 'n roman toepassing van hoofkomponent-analise (PCA). Dit kan uitgebrei word na ander markte en het geen beperkings op die aantal voorspelling veranderlikes, of die aantal standpunte. Ons is van mening voorbeelde van vooruitskatting van die regering opbrengs band kurwes van die VSA, die Eurosone en die Verenigde Koninkryk, gelyktydig of nie. Hoofstuk Januarie 2010 SSRN Elektroniese Tydskrif Leonardo M. NogueiraThe bladsy kan nie gevind word nie Die bladsy wat jy soek kan verwyder, het sy naam verander, of is tydelik nie beskikbaar nie. Probeer asseblief die volgende: Maak seker dat die webwerf adres vertoon in die adres bar van jou browser is spelfoute bevat. As jy hierdie bladsy bereik deur op 'n skakel, kontak die webwerf administrateur om hulle te waarsku dat die skakel verkeerd geformatteer. Klik op die knoppie Terug na 'n ander skakel te probeer. HTTP-fout 404 - Lêer of gids nie gevind nie. Internet Information Services (IIS) Tegniese (vir ondersteuningspersoneel) Gaan na Microsoft Product Support Services en uit te voer 'n titel soeke na die woorde HTTP en 404. Open IIS Help. wat toeganklik is in IIS Manager (inetmgr), en soek vir onderwerpe met die titel Webwerf Setup. Gemeenskaplike administratiewe take. en oor Custom Fout. Encyclopedia van finansiële modelle, 3 Deel Stel Skat van daalrisiko met Fat stert en kom nie ooreen Models JAMES X Xiong, PhD, CFA Senior navorsingskonsultant, Ibbotson Associates, 'n Morningstar Company Abstract: Asset opbrengste is dikwels nie normaalverdeelde en stal verskeie gestileerde empiriese feite: vet sterte, skeefheid, eindige variansie, tyd skalering, en wisselvalligheid groepering. Modellering van die stert verspreiding van bate opgawes speel 'n noodsaaklike rol in die daalrisiko bestuur. Die linker stert van die verspreiding is waar die mark crashes of krisisse voorkom. Daalrisiko gemeet kan word in terme van voorwaardelike waarde-op-risiko en beraam deur vetstert en skewe modelle soos Lvy stabiel, kapt Lvy vlug, skeef Studente t. mengsel van normaalverdelings, en GARCH modelle. Hierdie vet stert en skewe modelle het verskillende eienskappe in die beskrywing van die stert verspreiding van bate opgawes. Die doel is om toepaslike dié wat akkuraat kan modelleer die daalrisiko te kies. Die finansiële krisis van 2008 het daartoe gelei dat baie praktisyns en akademici om die geskiktheid van die opbrengs verspreiding modelle, in die besonder, die linker stert herevalueer. Hierdie inskrywing fokus op die modellering van die links vet sterte omdat hulle dink mark crashes of krisisse en 'n noodsaaklike rol in die daalrisiko bestuur speel. Die mees algemene model van bate opgawes word aangeneem dat dit gewoonlik of Gauss versprei (sien Bachelier, 1900). Met ander woorde, die opbrengste volg 'n ewekansige loop of Brown se beweging. Hierdie model is natuurlik as 'n mens aanvaar die opbrengs oor. Die beste inhoud vir jou loopbaan. Vind onbeperkte leer oor die vraag na sowat 1 / dag. Market Models: 'n Gids tot Finansiële Data-analise Market Models bied 'n gesaghebbende en up-to-date behandeling van die gebruik van mark data modelle te ontwikkel vir finansiële ontleding. Geskryf deur 'n leidende figuur in die gebied van finansiële data-analise, hierdie boek is die eerste van sy soort op die belangrike tegnieke wat nodig is vir model seleksie en ontwikkeling aan te spreek. Model ontwikkelaars gekonfronteer word met baie besluite, oor die pryse, die data, die statistiese metode en die kalibrasie en toetsing van die model voor implementering. Dit is belangrik om die regte keuses te maak en Carol Alexanders duidelike uiteensetting bied waardevolle insigte in elke stadium. In elk van die 13 hoofstukke, Mark Models bied werklike wêreld illustrasies om teoretiese ontwikkelings motiveer. Die meegaande CD bevat sigblaaie met data en programme hierdie in staat stel om te implementeer en baie van die voorbeelde aan te pas. Die pryse van opsies met behulp van normale mengsel digtheidsfunksies om opbrengste te modelleer die gebruik van Monte Carlo simulasie te var van 'n opsies portefeulje wysiging van die kovariansie VaR bereken om voorsiening te maak vir vetstert PampL uitkerings die berekening van geïmpliseer, EWMA en historiese volatiliteiten GARCH wisselvalligheid termyn struktuur voorspelling hoofkomponente-ontleding en nog vele meer is alles ingesluit. Carol Alexander bring baie nuwe insigte na die pryse en verskansing van opsies met haar begrip van wisselvalligheid en korrelasie, en die onsekerheid wat hierdie belangrike determinante van opsie portefeulje risiko omring. Modellering van die mark risiko van portefeuljes gedek waar die hooffokus is op 'n lineêre algebraïese benadering die kovariansiematriks en hoofkomponent-analise ontwikkel as sleutel gereedskap vir die ontleding van finansiële stelsels. Die tradisionele tydreekse ekonometriese benadering word ook verduidelik met dekking wat wissel van die aansoek cointe gratie lang kort aandele verskansingsfondse, hoë-frekwensie data voorspelling gebruik van neurale netwerke en naaste algoritmes. Dwarsdeur hierdie teks is die klem op die begrip van konsepte en implementering van oplossings. Dit is ontwerp om toeganklik vir 'n baie wye gehoor te wees: die dekking is omvattend en volledig en die tegniese bylae maak die boek grootliks self-vervat. Mark Models: 'n Gids tot Finansiële Data-analise is die ideale verwysing vir almal wat betrokke is in markrisiko meting, kwantitatiewe handel en belegging analise. Deel I: wisselvalligheid en korrelasie-analise. Verstaan wisselvalligheid en korrelasie. Geïmpliseerde wisselvalligheid en korrelasie. Bewegende gemiddelde modelle. Vooruitskatting wisselvalligheid en korrelasie. DEEL II: MODELERING MARKRISIKO VAN portefeuljes. Hoofkomponent-analise. Risikometing in Factor Models. Modellering Nie-normale Opbrengste. DEEL III: statistiese modelle vir finansiële markte. Tydreeksmodelle. Vooruitskatting High-Frequency Data. A1 lineêre regressie. A2 Statistiese Inferensie. A3 residu-analise. A4 Probleme Data. A6 maksimum waarskynlikheid aanvaar. CAROL ALEXANDER is professor in Risikobestuur by die ISMA Centre, die Business School van die Universiteit Reading. Voor hierdie post, het sy gehou posisies in beide die akademie en finansiële instellings op: Gemente Universiteit in Amsterdam UBS Phillips en Drew Die Universiteit van Sussex Algoritmiek Inc. en Nikko Global Holdings. Meet en Modellering Finansiële Risikobestuur en nuwe markte en produkte (John Wiley, 1998) die verbeelding van Risk (FT-Prentice Hall, 2000) en bemeestering Risiko Deel 2 (FT-Prentice: Professor Alexander het talle boeke, mees onlangs Risikobestuur en Ontleding geredigeer Hall, 2001). Vir meer as 'n dekade Professor Alexander is konsultasie in risikobestuur en belegging analise, ontwikkeling van oplossings vir private en kommersiële kliënte. Sy is ook 'n skoolhoof van Pennoyer Capital Management, New York. Sy het 'n groot aantal artikels in internasionale akademiese en professionele tydskrifte en verdere besonderhede bekend gemaak is beskikbaar www. wiley. co. uk/marketmodels bevat inligting oor markmodelle Koop Beide en spaar 25 Market Models: 'n Gids tot Finansiële Data-analise (pound99. 99 / euro125.00) Totaal List Price: pound176.49 / euro220.70 afslagprys: pound132.36 / euro165.52 (Save: pound44.13 / euro55.18) kan nie gekombineer word met enige ander aanbiedings. Leer meer. Verwante titels van Moorad Choudhry, Carol Alexander (Voorwoord deur) deur Carol Alexander deur Carol Alexander deur Carol Alexander deur Carol Alexander deur Les Clewlow, Chris Strickland deur Eric Briys, Mondher Bellalah, Huu Minh Mai, Franois de Varenne deur Jessica James, Nick Webber deur Carol Alexander (Redakteur) deur Didier Cossin, Hugues Pirotte aankoop opsies Pryse is geldig vir die Oekraïne. Change om plaaslike pryse en beskikbaarheid te sien. Permissions Versoek toestemming om die inhoud van hierdie titel hergebruik Om aansoek te doen om toestemming stuur jou versoek om permissionswiley met spesifieke besonderhede van jou behoeftes. Dit moet die volgende insluit, die Wiley titel (s) en die spesifieke gedeelte van die inhoud wat jy wil hergebruik (bv figuur, tafel, teks uittreksel, hoofstuk, bladsynommers, ens), die manier waarop jy wil hergebruik dit is die sirkulasie / oplaag / aantal mense wat toegang tot die inhoud sal hê en of dit vir kommersiële of akademiese doeleindes. As dit is 'n herdruk versoek sluit asseblief besonderhede van die nuwe werk waarin die Wiley inhoud appear. A Praktisyns Guide to Finansiële Data-analise Deel 1: Volatiliteit en korrelasie-analise Hoofstuk 1: Die verstaan van wisselvalligheid en Korrelasie 1.1 Die statistiese aard van wisselvalligheid en Korrelasie 1.2 wisselvalligheid en korrelasie in Finansiële markte 1.3 Voortdurende en Tyd Wisselende Volatiliteit Models 1.4 Voortdurende en Tyd Wisselende Korrelasie Models 1.5 opmerkings oor die implementering van wisselvalligheid en Korrelasie Models 1.6 Opsomming Hoofstuk 2: geïmpliseerde wisselvalligheid en Korrelasie 2.1 Begrip geïmpliseerde Volatiliteit 2.1.1 wisselvalligheid in 'n Black-Scholes wêreld 2.1.2 Call en sit Geïmpliseerde volatiliteiten 2.1.3 Verskille tussen geïmpliseer en Statistiese volatiliteiten 2.2 Kenmerke van Geïmpliseerde Volatiliteit 2.2.1 Smiles en skews 2.2.2 Volatiliteit Termyn Strukture 2.2.3 Volatiliteit oppervlaktes 2.3 Die Verband tussen prys en geïmpliseerde wisselvalligheid 2.3.1 aandeelpryse en wisselvalligheid Regimes 2.3.2 Scenario analise van die prys en geïmpliseerde volatiliteiten 2.3.3 Implikasies vir Delta-Verskansing 2.4 Geïmpliseerde Hoofstuk Korrelasie 3: bewegende gemiddelde modelle 3.1 Historiese wisselvalligheid en Korrelasie 3.1.1 Definisie 3.1.2 Historiese wisselvalligheid in die finansiële markte 3.1.3 Historiese korrelasie in Energie Markte 3.1.4 Wanneer en hoe moet Historiese Beramings word 3.2 eksponensieel Geweegde Moving gemiddeldes 3.3 Voortdurende wisselvalligheid en die vierkantswortel van Tyd Reël Hoofstuk 4: GARCH Models 4.1 Die aard van Generalized outoregressiewe voorwaardelike Heteroskedastisiteit 4.1.1 Volatiliteit Groepering 4.1.2 Die hefboomeffek 4.1.3 Die voorwaardelike beteken en voorwaardelike Variansie Vergelykings 4.2 'n Opname van Eenveranderlike GARCH Models 4.2.1 ARCH 4.2.2 Vanilla GARCH 4.2.3 Geïntegreerde en komponente GARCH 4.2.4 Asimmetriese GARCH Models 4.2.5 GARCH Models vir High Frequency Data 4.3-spesifikasie en beraming van GARCH Models 4.3.1 Keuse van data, stabiliteit van GARCH Parameters en langtermyn Volatiliteit 4.3.2 parameter belasting Algoritmes 4.3.3 Beraming Probleme 4.3.4 die keuse van die beste GARCH model 4.4 toepassings van GARCH Models 4.4.1 GARCH Volatiliteit Termyn Strukture 4.4.2 Opsie Pryse en Verskansing 4.4.3 Smile Pas 4.5 Meerveranderlike GARCH 4.5.1 tydveranderlike Korrelasie 4.5.2 Meerveranderlike GARCH para 4.5.3 tydveranderlike kovariansiematrikse Based op Univarite GARCH Models Hoofstuk 5: Vooruitskatting wisselvalligheid en Korrelasie 5.1 Evaluering van die akkuraatheid van Point Forecasts 5.1.1 statistiese maatstawwe 5.1.2 Operasionele Kriteria 5.2 vertrouensintervalle vir Volatiliteit Forecasts 5.2.1 bewegende gemiddelde modelle 5.2.2 GARCH Models 5.2.3 vertrouensintervalle vir Gekombineerde Forecasts 5.3 Gevolge van onsekerheid in wisselvalligheid en Korrelasie 5.3.1 Aanpassing in Mark-tot-Model Waarde van 'n Opsie 5.3.2 onsekerheid in dinamiese Verskanste Portefeuljes Deel 2: Modellering van die markrisiko van die portefeuljes Hoofstuk 6: Skoolhoof Component Analysis 6.1 Wiskundige agtergrond 6.2 Aansoeke om Termyn Strukture 6.2.1 Die Trend, kantel en konveksiteit komponente van 'n enkele opbrengskromme 6.2.2 Modellering meerdere Yield Curves met PCA 6.2.3 Termyn Strukture van Futures Pryse 6.3 Modellering Volatiliteit Smiles en skews 6.3.1 PCA afwykings uit OTM Volatiliteit 6.3.2 die Dinamika van Geïmpliseerde wisselings in verskillende Regimes Market 6.3.3 Parameterisatie van die wisselvalligheid Oppervlakte en kwantifisering van s / s 6.3.4 Opsomming 6.4 oorkom Data Probleme met behulp van PCA 6.4.1 Multikollineariteit 6.4.2 Missing Data Hoofstuk 7 : kovariansiematrikse 7.1 toepassings van kovariansiematrikse in Risikobestuur 7.1.1 die variansie van 'n lineêre Portefeulje 7.1.2 Simuleer Gekorreleer Risiko faktor beweging vir Afgeleides Portefeuljes 7.1.3 Die Behoefte aan Positiewe semi-Beslis kovariansiematrikse 7.1.4 Stres Toets Portefeuljes met behulp van die kovariansiematriks 7.2 toepassings van kovariansiematrikse in Beleggingsontleding 7.2.1 minimum variansie Portefeuljes 7.2.2 die verhouding tussen risiko en opbrengs 7.2.3 Capital Toekenning en risiko-aangepaste Prestasiemaatstawwe 7.2.4 Modellering houding teenoor 7.2.5 Doeltreffende Portefeuljes risiko Practice 7.3 Die RiskMetrics Data 7.4 Ortogonale metodes vir die opwekking van kovariansiematrikse 7.4.1 Die gebruik van PSO te bou kovariansiematrikse 7.4.2 Ortogonale EWMA 7.4.3 Ortogonale GARCH 7.4.4 Splicing metodes vir die opwekking van Groot kovariansiematrikse 7.4.5 Opsomming Hoofstuk 8: risikometing in faktor Models 8.1 Ontbindende Risiko in faktor Models 8.1.1 Die CAPM Model 8.1.2 Multi-faktor Fundamentele Models 8.1.3 Statistiese faktor Models 8.2 Klassieke Risiko Meettegniek 8.2.1 Die verskillende perspektiewe risikobestuurders en Asset Managers 8.2.2 Metodes Relevante vir konstante Parameter Aannames 8.2.3 Metodes Relevante vir tydvariërende Parameter Aannames 8.2.4 indeks stroping 8.3 Bayesiaanse metodes vir die beraming Factor Sensitivities 8.3.1 Bayes Reël 8.3.2 Bayes Beraming van Factor Models 8.3.3 Vertroue in Oortuigings en die effek op Bayes Beramings 8.4 Slotopmerkings oor Factor Model spesifikasie Prosedures Hoofstuk 9: Waarde-at-Risk 9.1 die beheer van die Risiko in die finansiële markte 9.1.1 die 1988 Basel Accord en die 1996 Wysigingswet 9.1.2 Interne Models vir die berekening van markrisiko Capital Vereistes 9.1.3 Basel 2 Voorstelle 9.2 voordele en beperkings van Value-at-Risk 9.2.1 Vergelyking met Tradisionele Risiko Maatreëls 9.2.2 VaR gebaseer handel Limits 9.2.3 Alternatiewe vir VaR 9.3 Kovariansie VAR-modelle 9.3.1 Basiese aannames 9.3.2 Eenvoudige aandeleportefeulje 9.3 0,3 Kovariansie VaR met Factor Models 9.3.4 Kovariansie VaR van kontantvloei 9.3.5 Aggregasie 9.3.6 voordele en beperkings 9.4 Simulasie VAR-modelle 9.4.1 Historiese Simulasie 9.4.2 Monte Carlo-simulasie 9.4.3 Delta-Gamma Benadering 9.5 Model validering 9.5.1 back testing Metodologie en Regulerende Klassifikasie 9.5.2 sensitiwiteitsanalise en Model Vergelyking 9.6 Scenario analise en stress toets 9.6.1 Scenario analise 9.6.2 Probabilistic Scenario analise 9.6.3 Stres Toets Portefeuljes Hoofstuk 10: Modellering Nie-normale Returns Deel 3 : statistiese modelle vir Finansiële Markte Hoofstuk 11: Tydreeksmodelle 11.1 basiese eienskappe van tydreekse 11.1.1 Tyd Reeks Operateurs 11.1.2 stasionêre prosesse en beteken-Reversion 11.1.3 Geïntegreerde prosesse en stogastiese wandelings 11.1.4 Detrending finansiële tydreekse 11.1. 5 unit root toets 11.1.6 toets vir die Trend in die finansiële markte 11.2 Eenveranderlike Models vir tydreekse 11.2.1 AR Models 11.2.2 MA Models 11.2.3 ARMA Models 11.3 modelidentifisering en vooruitskatting Aansoeke 11.3.1 Correlograms 11.3.2 Outokorrelasie toetse 11.3.3 toets Down 11.3.4 Vooruitskatting met ARMA Models 11.4 meerveranderlike tydreekse 11.4.1 Vector outoregressiemodelle 11.4.2 toets vir Gesamentlike Kovariansie Stasionariteit 11.4.3 Granger Oorsaaklikheid Hoofstuk 12: co-integrasie 12.1 Bekendstelling cointe gratie 12.1.1 cointe gratie vs Korrelasie 12.1 0,2 gemeenskaplike Ontwikkeling en langtermyn Equilibria 12.2 toets vir co-integrasie 12.2.1 Die Engle-Granger Metodologie 12.2.2 Die Johansen Metodologie 12.3 Error Correction en Oorsaaklikheid 12.4 cointe gratie in die finansiële markte 12.4.1 buitelandse valuta 12.4.2 Spot en Futures 12.4. 3 Commodities 12.4.4 uitbrei opsies 12.4.5 Termyn Strukture 12.4.6 mark integrasie 12.5 Aansoeke van co-integrasie te Beleggingsontleding 12.5.1 Seleksie en Toekenning 12.5.2 beperk Toekennings 12.5.3 Parameter Seleksie 12.5.4 Lang-Kort Strategieë 12.5.5 terug Toets 12.6 Algemene kenmerke 12.5.1 Algemene Outokorrelasie 12.5.2 Algemene Volatiliteit Hoofstuk 13: Vooruitskatting High-Frequency Data 13.1 High Frequency Data 13.1.1 Data en inligtingsbronne 13.1.2 gegee filters 13.1.3 Outokorrelasie Properties 13.1.4 Parametriese Models van High Frequency Data 13.2 Neurale netwerke 13.2.1 Architecture 13.2.2 Dataverwerking 13.2.3 Backpropagation 13.2.4 Prestasiemeting 13.2.5 Integrasie 13.3 prys voorspellingsmodelle op grond van Chaotiese Dynamics 13.3.1 toets vir chaos 13.3.2 Embedding Metodes 13.3.3 naaste Neighbour Algoritmes 13.3.4 Meerveranderlike Embedding Metodes A.1 lineêre regressie A.1.1 die eenvoudige lineêre model A.1.2 Meerveranderlike Models A.1.3 Properties van OLS beramers A.1.4 Beraming van die kovariansiematriks van die OLS beramers A.2 Statistiese Inferensie A .2.1 hipotesetoetsing en vertrouensintervalle A.2.2 t-toetse A.2.3 F-toets A.2.4 Die Variansieanalise A.2.5 Wald, Lagrange vermenigvuldiger en aanneemlikheidsverhouding toetse A.3 residu-analise A.3.1 toets vir Outokorrelasie A. 3.2 toets vir Heteroskedastisiteit A.3.3 algemene Least Squares A.4 Data Probleme A.4.1 Multikollineariteit A.4.2 gegee foute A.4.3 Missing Data A.4.4 skynveranderlikes A.5 Voorspelling A.5.1 Point voorspellings en vertrouensintervalle A.5.2 Terug toets A.5.3 Statistiese en Operasionele Evaluering Metodes A.6 maksimum waarskynlikheid aanvaar A.6.1 Die waarskynlikheid funksie, MLE en LR toetse A.6.2 Properties van maksimum aanneemlikheidsberamers A.6.3 MLEs vir 'n normale digtheidsfunksie A.6.4 MLEs vir Nie - normale digtheidsfunksies Kopiereg afskrif 2001 John Wiley amp Sons Ltd
No comments:
Post a Comment