Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/32036 
Autor:innen: 
Erscheinungsjahr: 
2005
Schriftenreihe/Nr.: 
Arbeitspapier No. 32
Verlag: 
Johannes-Gutenberg-Universität Mainz, Institut für Statistik und Ökonometrie, Mainz
Zusammenfassung: 
Ein wichtiges Problem in der statistischen Analyse ist die Auswahl eines passenden Mo-dells. Im Kontext linearer ARIMA-Modelle kann gezeigt werden, dass - die Gültigkeit bestimmter Regularitätsbedingungen vorausgesetzt - die Minimierung des Schwarz-Kriteriums zu einer konsistenten Wahl der Anzahl der Parameter in einem Modell führt, wohingegen die Schätzung der Parameterzahl mit Hilfe des Akaike-Kriteriums tendenziell zu große Modelle liefert. Ziel dieser Analyse ist es, mit Hilfe von Monte-Carlo-Experimenten die Eigenschaften des Akaike- und des Schwarz-Informationskriteriums zu untersuchen, wenn der datengenerierende Prozess GARCH-Störungen aufweist.
Zusammenfassung (übersetzt): 
An important problem in statistical practise is the selection of a suitable statistical model. In the context of linear ARIMA-models it can be shown that - the validity of certain regu-larity conditions presupposed - the minimization from Black-criterion leads to a consistent choice of the parameters in a model whereas the estimation of the parameter number with the Akaike-criterion tendentious leads to too large models. Goal of this analysis is to examine with Monte Carlo experiments the characteristics of the Akaike- and of the Black-criterion if the data generating process exhibits GARCH-effects.
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
245.48 kB





Publikationen in EconStor sind urheberrechtlich geschützt.