TY  - THES
A3  - Wilfling, Bernd
A3  - Wilfling, B.
AB  - Diese Dissertation untersucht sowohl den methodischen als auch den empirischen Aspekt einiger Bayesscher nichtparametrischer Methoden, die auf univariate und multivariate zeitvariable finanzielle Volatilitätsmodelle angewendet werden. Die damit verbundenen Probleme bestehen nicht nur in dem Entwerfen einer geeigneten Modellstruktur, die die gewünschte Modellierungsflexibilität sicherstellt, sondern auch in dem Gestalten eines effizienten Sampling-Algorithmus. Der Dirichlet Process Mixture (DPM)-basierte Ansatz ermöglicht flexible In-Sample-Schätzungen und liefert Dichteprognosen für univariate und hochdimensionale Probleme. Der flexible Rahmen kann auf viele hochdimensionale Aspekte der Finanzmarktmodellierung angewendet werden, wie beispielsweise auf die Analyse von der gemeinsamen Bewegung von Volatilitäten, sowie von Strukturen der Volatilitätsübertragung.
AU  - Danielova Zaharieva, Martina
AU  - Zaharieva, Martina
AU  - Zaharieva, Martina Danielova
DA  - 2017
KW  - Bayessche Ökonometrie
KW  - MCMC
KW  - Bayessche Nicht-parametrik
KW  - Finanzökonometrie
KW  - Volatilitätsmodellierung
KW  - Bayesian econometrics
KW  - Bayesian nonparametrics
KW  - Financial Econometrics
KW  - Volatility modeling
LA  - eng
PY  - 2017
TI  - Bayesian nonparametrics for financial volatility modeling
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-89129361303
Y2  - 2024-11-22T01:34:15
ER  -