×
埃多瓦多·奥特兰托

通过基于模型的程序对异方差时间序列进行聚类。 （英语） Zbl 1452.62784号

计算。统计数据分析。 52，第10号，4685-4698（2008）.
摘要：金融时间序列的特点通常是具有类似的波动结构。检测表现出相似行为的序列簇对于理解估计过程中的差异非常重要，而无需研究和比较所有序列中的估计参数。这在处理许多系列时尤其重要，例如在金融应用程序中。时间序列的波动性可以用潜在的GARCH过程来表征。使用Wald检验和自回归度量来度量GARCH过程之间的距离，表明可以开发一种聚类算法，该算法可以基于时间序列的异方差模式提供三种分类（深度增加）。聚类数是自动检测的，并不是先验或后验确定的。该程序通过模拟进行评估，并应用于意大利市场的行业指数。

引用于29文件

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62H30型 分类和区分；聚类分析（统计方面）
2008年6月62日 统计问题的计算方法

软件：

其mr
PDF格式BibTeX公司 XML格式引用
\textit{E.Otranto}，计算。统计数据分析。52，第10号，4685--4698（2008；Zbl 1452.62784）
全文： 内政部 链接

参考文献：

[1] 阿格拉瓦尔，R。；Faloutsos，C。；Swami，A.，《序列数据库中的高效相似性搜索》，《计算机科学讲义》，69-84（1994）
[2] 阿诺特·R。；Fabozzi，F.J.，《资产配置：投资组合政策、策略和策略手册》（1988），Probus出版公司：Probus出版社，伊利诺伊州芝加哥
[3] 比利奥，M。；卡波林，M。；Gobbo，M.，资产配置的灵活动态条件相关多元GARCH模型，《应用金融经济学快报》，第2123-130页（2006年）
[4] Bollerslev，T.，广义自回归条件异方差，计量经济学杂志，31307-327（1986）·Zbl 0616.62119号
[5] Bollerslev，T。；恩格尔，R.F。；Nelson，D.，ARCH模型，（Engle，R.F.；McFadden，D.L.，计量经济学手册，第4卷（1994）），2959-3038·Zbl 0982.62503号
[6] 布罗克韦尔，P.J。；Davis，R.A.，《时间序列和预测导论》（1996），Springer-Verlag:Springer-Verlag New York·Zbl 0868.62067号
[7] 布鲁克斯，C。；伯克，S.P。；Persand，G.，《基准与GARCH模型估计的准确性》，《国际预测杂志》，第17期，第45-56页（2001年）
[8] Caiado，J。；北卡罗来纳州克雷托。；Peña，D.，基于周期图的时间序列分类度量，计算统计与数据分析，502668-2684（2006）·Zbl 1445.62222号
[9] Chenoweth，T。；胡巴塔，R。；St Louis，R.，等价ARMA模型的测试能力：对从业者的影响，实证经济学，29281-292（2004）
[10] 科尔多瓦，M。；Piccolo，D.，《自回归度量的时间序列聚类和分类》，计算统计和数据分析，521860-1872（2008）·Zbl 1452.62624号
[11] Dalla Valle，L。；Giudici，P.，《操作风险管理中估算边际损失分布的贝叶斯方法》，计算统计与数据分析，52，3107-3127（2008）·Zbl 1452.62788号
[12] 戴维斯，D。；Bouldin，D.，集群分离度量，IEEE事务模式识别机器智能，1224-227（1979）
[13] Dunn，J.，《分离良好的簇和最优模糊划分》，《控制论杂志》，495-104（1974）·Zbl 0304.68093号
[14] Engle，R.，英国通货膨胀方差估计的自回归条件异方差，《计量经济学》，50987-1008（1982）·Zbl 0491.62099号
[15] Engle，R.，《动态条件相关：一类简单的多元广义自回归条件异方差模型》，《商业与经济统计杂志》，20339-350（2002）
[16] 《福布斯》，K.J。；Rigobon，R.，《没有传染，只有相互依存：衡量股票市场的共同运动》，《金融杂志》，第67期，第2223-2261页（2002年）
[17] 加洛，G.M。；Otranto，E.，《市场间波动性传递：多链马尔可夫转换模型》，《应用金融经济学》，第17期，第659-670页（2007年）
[18] 加洛，G.M。；Otranto，E.，《波动溢出、相互依存和共同运动：马尔可夫转换方法》，计算统计和数据分析，583011-3026（2008）·Zbl 1452.62766号
[19] 格雷，A。；Markel，J.，语音处理的距离测量，IEEE声学、语音和信号处理汇刊，ASSP-24，380-391（1976）
[20] 休伯特，L。；Schultz，J.，作为一般数据分析策略的二次分配，英国数学、统计和心理学杂志，29190-241（1976）·Zbl 0356.92027号
[21] Jain，A。；Murty，M。；Flynn，P.，《数据聚类：综述》，ACM计算调查，31264-323（1999）
[22] Liao，T.，聚类时间序列数据：一项调查，模式识别，381857-1874（2005）·Zbl 1077.68803号
[23] Luenberger，D.G.，线性和非线性规划（1984），Addison-Wesley:Addison-Whesley Reading，MA·兹比尔0571.90051
[24] Maharaj，E.A.，《ARMA模型分类的显著性检验》，《统计计算与模拟杂志》，54，305-331（1996）·Zbl 0899.62116号
[25] Maharaj，E.A.，平稳多元时间序列的比较和分类，模式识别，321129-1138（1999）
[26] Maharaj，E.A.，时间序列聚类，分类杂志，17，297-314（2000）·Zbl 1017.62079号
[27] Otranto，E.，用ARMA距离测度对市场波动性进行分类，Quaderni di Statistica，6，1-19（2004）
[28] Otranto，E。；Triacca，U.，平稳ARMA过程的同等可预测性测试，应用统计杂志，341091-1108（2007）·Zbl 1516.62522号
[29] Pattarin，F。；帕特里尼，S。；Minerva，T.，《聚类金融时间序列：共同基金风格分析的应用》，计算统计学和数据分析，47353-372（2004）·Zbl 1429.62476号
[30] Piccolo，D.，ARIMA模型分类的距离度量，时间序列分析杂志，11，153-164（1990）·Zbl 0691.62083号
[31] Piccolo，D.，《时间序列分析中AR度量的统计问题》。SIS 2007年中期会议记录“风险与预测”，2007年，第221-232页；Piccolo，D.，《时间序列分析中AR度量的统计问题》。SIS 2007年中期会议记录“风险与预测”，2007年，第221-232页
[32] 斯蒂斯，B。；Wood，S.，k ARMA模型等价性检验，实证经济学，10，1-11（1985）
[33] 西奥多里迪斯，S。；Koutroumbas，K.K.，《模式识别》（1998），学术出版社·Zbl 0954.68131号
[34] Xiong，Y.，Yeung，D.-Y.，基于模型的时间序列聚类ARMA模型的混合。摘自：IEEE国际数据挖掘会议论文集，2002；Xiong，Y.，Yeung，D.-Y.，基于模型的时间序列聚类ARMA模型的混合。摘自：IEEE国际数据挖掘会议论文集，2002年
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。