Estimation in Conditionally Heteroscedastic Time Series Models

Estimation in Conditionally Heteroscedastic Time Series Models

Gebrauchte Bücher kaufen

Information
Das Buch befindet sich in einem sehr guten, unbenutzten Zustand.
Information
Das Buch befindet sich in einem sehr guten, gelesenen Zustand. Die Seiten und der Einband sind intakt. Buchrücken/Ecken/Kanten können leichte Gebrauchsspuren aufweisen.
Information
Das Buch befindet sich in einem guten, gelesenen Zustand. Die Seiten und der Einband sind intakt. Buchrücken/Ecken/Kanten können Knicke/Gebrauchsspuren aufweisen.
Information
Das Buch befindet sich in einem lesbaren Zustand. Die Seiten und der Einband sind intakt, jedoch weisen Buchrücken/Ecken/Kanten starke Knicke/Gebrauchsspuren auf.

Neues Buch oder eBook (pdf) kaufen

Information
Neuware - verlagsfrische aktuelle Buchausgabe.
Dieser Artikel steht derzeit nicht zur Verfügung!
Zustand : Gut
24,35 €

inkl. MwSt. zzgl. Versandkosten

Artikel zZt. nicht lieferbar

9783540211358.3

Die Studibuch Philosophie

Wissen zu fairen Preisen, nachhaltig weitergeben.
Produktdetails mehr
Einband: Taschenbuch
Seitenzahl: 248 Seiten
Erschienen: 2020-01-18
Sprache: Englisch
EAN: 9783540211358
ISBN: 9783540211358
Reihe:
Verlag: Springer
Gewicht: 399 g
Auflage:
In his seminal 1982 paper, Robert F. Engle described a time series model with a time-varying... mehr
Produktinformationen "Estimation in Conditionally Heteroscedastic Time Series Models"
In his seminal 1982 paper, Robert F. Engle described a time series model with a time-varying volatility. Engle showed that this model, which he called ARCH (autoregressive conditionally heteroscedastic), is well-suited for the description of economic and financial price. Nowadays ARCH has been replaced by more general and more sophisticated models, such as GARCH (generalized autoregressive heteroscedastic). This monograph concentrates on mathematical statistical problems associated with fitting conditionally heteroscedastic time series models to data. This includes the classical statistical issues of consistency and limiting distribution of estimators. Particular attention is addressed to (quasi) maximum likelihood estimation and misspecified models, along to phenomena due to heavy-tailed innovations. The used methods are based on techniques applied to the analysis of stochastic recurrence equations. Proofs and arguments are given wherever possible in full mathematical rigour. Moreover, the theory is illustrated by examples and simulation studies.
Weiterführende Links zu "Estimation in Conditionally Heteroscedastic Time Series Models"
Bewertungen lesen, schreiben und diskutieren... mehr
Kundenbewertungen für "Estimation in Conditionally Heteroscedastic Time Series Models"
Bewertung schreiben
Bewertungen werden nach Überprüfung freigeschaltet.

Die mit einem * markierten Felder sind Pflichtfelder.

Ich habe die Datenschutzbestimmungen zur Kenntnis genommen.

Zuletzt angesehen