Modele binarnych szeregów czasowych z pamięcią : Zastosowanie do analizy wyników testu koniunktury w przemyśle

• Autorzy: Monika Dędys , Barbara Tarnowska
• Języki publikacji: PL

Abstrakty

W artykule zasygnalizowano możliwość wykorzystania nieklasycznych modeli markowowskich (modeli HMM oraz modeli MTD) do analizy binarnych szeregów czasowych z pamięcią. Pokazano, że modele te mogą być użyteczne w analizie wyników testu koniunktury Instytutu Rozwoju Gospodarczego SGH. Na potrzeby badania wprowadzono pewną modyfikację modelu HMM rzędu drugiego. (abstrakt oryginalny)

Słowa kluczowe

PL

Prognostyczne modele binarne; Procesy Markowa; Szeregi czasowe; Modelowanie ekonometryczne

EN

Predictive binary models; Markov process; Time-series; Econometric modeling

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2004
• Numer: nr 13 Metody badań procesów społeczno-ekonomicznych
• Strony: 185-198

Twórcy

autor

Monika Dędys

autor

Barbara Tarnowska

Bibliografia

• Bamdorff-Nielsen O.E., Cox D.R., Kliippelberg C. (2001), Complex Stochastic Systems, Chapman&Hall/CRC.
• Bather J. A. (1965), Invariant Conditional Distributions, AnnMath.Statist 36, str.829-846.
• Baum L. E, Petrie T. (1966), Statistical Inference for Probabilistic Functions of Finite State Markov Chains, Ann.Math.Statist., 37, str. 1554-1563.
• Berchtold A. (2001), Estimation in the Mixture Transition Distribution Model, J.Time Ser.Anal.22(4), str.379-395.
• Bickel P.J., RitovY. (1996), Inference in hidden Markov models I:Local asymptotic normality in the stationary case, Bernoulli 2(3), str. 199-228.
• Brockwell P. J., Davis R. A. (2002), Introduction to Time Series and forecasting 2nd.ed,Spxinger-Verlag, New York.
• Doob J.L. (1953), Stochastic processes, John Wiley & Sons, New York.
• Elliot R.J., Aggoun L., Moore J. B. (1995), Hidden Markov Models: Estimation and control Springer,New York.
• Engel Ch., Hamilton J.D. (1990), Long Swings in the Data and Do Markets Know It?, The American Econometric Review, 80 (4), str.689-712.
• Hamilton J. D., Raj. B. (2002), Advances in Markov -Switching Models, Springer-Verlag.
• Hamilton J.D. (1989), A New Approach to the Economic Analysis of Nonstationary Time Series and Business Cycle, Econometrica 57 (2), str.357-3 84.
• Hamilton J.D. (1988), Rational-Expectations EconometricAnalysis of Changes in Regime, An Investigation of the Term Structure of Interest Rates, Journal of Economic Dynamics and Control 12, str.384-423.
• Leroux B.G. (1992), Maximum-likelihood estimation for hidden Markov models, Stochastic Processes and Their Applications, 40, str.127-143.
• Levinson S., Rabiner L., Sondhi M. (1983), An Intoduction to the Application of the Theory of Probabilistic Functions of Markov Process to Automatic Speech Recognition, The Bell System Technical Journal, 62(4).
• MacDonald I. L., Zucchini W (2000), Hidden Markov and Other Models for Discrete - valued Time Series, Chapmann&Hall/CRC.
• MacKay R. J. (2002), Estinating the order of a hidden Markov model. The Canadian Journal of Statistics, 30(4), str.573-589.
• MacLachlan G.J., Thriyambakam K. (1996), The EM Algorithm and Extensions, Willey&Sons.
• Michalek S., Wagner M., Timmer J. (2001), Finite Sample Properties of the Maximum Likelihood Estimator and of likelihood Ratio Test in Hidden Markov Models, Biometrical Journal 43 (7), str.863-879.
• Petrie T. (1969), Probabilistic Functions of Finite State Markov Chains, The Ann. Math. Statist.40(1), str.97-115.
• Podgórska M., Decewicz A. (2001), Modele Markowa w analizie testów koniunktury, w Analiza tendencji rozwojowych w polskiej gospodarce na podstawie testu koniunktury,metody i wyniki, red. E. Adamowicz, Prace i materiały IRG, tom 70, Szkoła Główna Handlowa.
• Raftery A. (1985), A model for High-order Markov Chains, J.R.Soc.B, 47(3), str.528-539.
• Ryden T, Terasvirta T., Asbnrink S. (1996), Stylized Facts of Daily Return Series and Hidden Markov Model, Working Paper No. 117, Stockholm School of Economics, The Economic Research Institute.
• Schwarz G. (1978), Estimating the Dimension of a Model, The Annals of Statistics 6(2), str.461-464.