Αστάθεια (volatility)

Σχετικά έγγραφα
Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα

Εκτίμηση μη-γραμμικών χαρακτηριστικών

Χρονοσειρές - Μάθημα 7. Μη-γραμμική ανάλυση χρονοσειρών

min Προσαρμογή AR μοντέλου τάξη p, εκτίμηση παραμέτρων Προσδιορισμός τάξης AR μοντέλου συσχέτιση των χωρίς τη συσχέτιση με

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

Χρονοσειρές Μάθημα 6

Μάθημα 4: Πρόβλεψη χρονοσειρών Απλές τεχνικές πρόβλεψης Πρόβλεψη στάσιμων χρονοσειρών με γραμμικά μοντέλα Πρόβλεψη μη-στάσιμων χρονοσειρών Ασκήσεις

Πραγματικές χρονοσειρές

Χρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών

Μεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων»

Προσοµοίωση χαοτικών χρονοσειρών Μέρος Β - Μη-γραµµική ανάλυση χρονοσειρών

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Χρονοσειρές Μάθημα 2. Μη-στασιμότητα. Τάση? Εποχικότητα / περιοδικότητα? Ασταθή διασπορά? Αυτοσυσχέτιση?

Μάθημα 2: Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας

Χρονοσειρές - Μάθημα 5

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

3 Μη-γραμμική ανάλυση χρονοσειρών

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

Χρονοσειρές - Μάθημα 5

Προχωρημένα Θέματα Συστημάτων Ελέγχου

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

Χρονοσειρές Μάθημα 3. Γραμμικές στάσιμες διαδικασίες. Γραμμική χρονοσειρά (στοχαστική διαδικασία) Z Z ~ WN(0, ) είναι στάσιμη. Θεωρούμε μ=0 E[ X ] 0

Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

HMY 799 1: Αναγνώριση Συστημάτων

2 Ανάλυση Χρονοσειρών στο Πεδίο των Συχνοτήτων

Ανάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών

ibemo Kazakhstan Republic of Kazakhstan, West Kazakhstan Oblast, Aksai, Pramzone, BKKS office complex Phone: ; Fax:

Αυτοματοποιημένη χαρτογραφία

Αυτοματοποιημένη χαρτογραφία

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Χρονικές σειρές 9 Ο μάθημα: Μεικτά μοντέλα ARMA

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Μάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p))

Σύγχρονα συστήµατα προβλέψεων και µοντελοποίησης

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 12

Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 11

Στατιστική Συμπερασματολογία

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

Στατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές)

ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ

Τεχνικές Προβλέψεων. Προβλέψεις

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο

1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑΤΑ: ΜΑΘΗΜΑΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΜΑ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: ΑΝΑΛΥΣΗ ΜΟΝΤΕΛΩΝ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ

Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Διαφορική Παλµοκωδική Διαµόρφωση (DPCM)

Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής

HMY 799 1: Αναγνώριση Συστημάτων

Μάθημα 1: Εισαγωγή στην ανα λυση χρονοσειρω ν, στασιμο τητα και αυτοσυσχε τιση

Χρονοσειρές Μάθημα 1

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Στάσιμα στοχαστικά μοντέλα μιας μεταβλητής

Συνοπτικά περιεχόμενα

Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

HMY 799 1: Αναγνώριση Συστημάτων

Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής

Επανάληψη ελέγχων υποθέσεων

Στοχαστικά Σήματα και Τηλεπικοινωνιές

(p 1) (p m) (m 1) (p 1)

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

7. ΕΠΕΞΕΡΓΑΣΊΑ ΣΗΜΆΤΩΝ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Έλεγχος Τυχαιοποίησης για την Ταυτοποίηση του Συστήματος μη-γκαουσιανής Χρονοσειράς

Σύγχρονα συστήµατα προβλέψεων και µοντελοποίησης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΜΣ ΕΦΑΡΜΟΣΜΕΝΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΣΥΣΤΗΜΑΤΩΝ

website:

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ

Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)

ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΧΡΟΝΟΣΕΙΡΑΣ

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν

ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...

Επιχειρηματικές Προβλέψεις: Μέθοδοι & Τεχνικές Επιλογή Μεθόδου Συνδυασμός Μεθόδου Διάλεξη 10

Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή

y(k) + a 1 y(k 1) = b 1 u(k 1), (1) website:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Κουγιουμτζής Δημήτρης

ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ

Transcript:

Αστάθεια volly N Χρονοσειρά πρώτων διαφορών ή σχετικών μεταβολών { } Μεταβλητότητα ή αστάθεια σε κάθε χρονική στιγμή σ ή σ y y y y y Ηαστάθειαs δίνεται με αναφορά σε κάποια περίοδο T vol : - στιγμιαία T vol : ή s - σε περίοδο βδομάδας T vol 5, 6 ή 7 ή μήνα T vol 5 ή s 4 ASE Volly of dfferences for perod4. ASE Volly of reurns for perod4.5 volly 8 6 volly..5 4. 4 5 6 7 8 9.5 4 5 6 7 8 9

Παράδειγμα Αστάθεια ημερήσιου δείκτη ΧΑΑ από // //7, πρόβλεψη ως //7. ASE Volly of reurns for perod4 ASEreurnsvol4 Auocorrelon T vol 4 { s,, s } 47 volly.5..5 rτ.8.6.4.. Τάξη AR μοντέλου?.5 86 87 88 89 9 9 9 9.5.4. ASEreurnsvol4 Prl uocorrelon -. 4 6 8 τ ASEreurnsvol4 AIC -5.5-5. -5.5 φ p,p.. AICp -5. -5.5-5. -. -5.5 -. 4 p -5.4 4 p

Αξιολόγηση πρόβλεψης, σύνολο ελέγχου //8 - //7.5 ASE reurns: NRMSE N 5 N N 49 nrmsep.5 T T T5 5 5 p Πρόβλεψη με αφετηρία //7 και ως //7 n 47 T,,, 49. AR AR AR5 ASE reurns: AR predcon horzon. ASE reurns: AR predcon horzon. ASE reurns: AR5 predcon horzon.5.5.5 reurns of nde..5 reurns of nde..5 generl nde y n T, AR reurns of nde..5 generl nde y n T, AR5. generl nde y n T, AR.5 6 7 7 4 9 6 dys..5 6 7 7 4 9 6 dys..5 6 7 7 4 9 6 dys

Μοντέλα Υποψήφια μοντέλα: Μοντέλο για πρώτες διαφορές ισοτιμίας συναλλάγματος?.8.6.4...4.6.8 frs dfferences of he monhly echnge res. 4 me nde Πλήρως στοχαστικό λευκός θόρυβος 4 me nde γραμμικό αιτιοκρατικό θόρυβο στοχαστικό 4 4 4 me nde.4 4 me nde μη-γραμμικό αιτιοκρατικό θόρυβο..8.6.4...4 4 me nde.5.5.5.5 4 me nde

Διερεύνηση μη-γραμμικού μοντέλου: διαγράμματα διασποράς σε και διαστάσεις.8 d d d frs dfferences of he monhly echnge res.8 echnge re dfferences echnge re dfferences.6.4.6.4....5..4.6.8. 4 me nde 4..4.6.8...5.5. AR.5... AR..5.5. 4 4 me nde choc Henon mp % nose 4 4 Henon mp % nose.5 4 4 5 5 4 Henon mp %nose 4.5.5.5.5 4 6 8 me nde.5.5.5.5.5.5.5

Ανακατασκευή χώρου κατάστασης εμβύθιση M αρχικός χώρος κατάστασης Θεωρούμε ότι το υπό μελέτη σύστημα είναι αιτιοκρατικό R παρατηρούμενο μέγεθος s s s f s Προβολή hs συνθήκη: m > d Εμβύθιση? h Φ Ανακατασκευή Ανακατασκευή F ανακατασκευασμένος χώρος κατάστασης R m Φs F [,,, ]' τ m τ Μέθοδος υστερήσεων [, -τ,, -m-τ ] Παράμετροι διάσταση εμβύθισης m χρόνος υστέρησης τ εύρος χρονικού παραθύρου τ w τ w m-τ

χρονοσειρά {,,..., n } Το πραγματικό σύστημα το αιτιοκρατικό σύστημα s f s hs s.4s s s απεικόνιση Henon,,,.s,, s, f s s s,,,, s f f s s s,,,

Το μοντέλο για τη χρονοσειρά το σύστημα που παράγει τη χρονοσειρά : s άγνωστο f s F το σύστημα ανακατασκευασμένο από τη χρονοσειρά: εκτίμηση του F? Το πρόβλημα μοντελοποίησης / πρόβλεψης: Μέθοδος υστερήσεων δίνονται,, προέβλεψε [, -τ,, -m-τ ] Η συνάρτηση που πρέπει να εκτιμηθεί: F F : m m R R F m, τ F : R m R F,

Πρόβλεψη χρησιμοποιώντας όμοια τμήματα δίνεται,, προέβλεψε ή T Προέβλεψε για χρόνο T χρησιμοποιώντας τις εικόνες Τ χρονικά βήματα μπροστά των τμημάτων από το παρελθόν, τα οποία είναι όμοια με το επικείμενο τμήμα Henon 5% nose: Anlogue mehod Lorenz 5% nose: Anlogue mehod 4 4 4 5 me nde 5 5 5

Henon 5% nose: Se spce predcon Τοπικά μοντέλα Πρόβλεψης Εφαρμόζοντας την ιδέα των όμοιων τμημάτων : τμήματα χρονοσειρών ανακατασκευασμένα σημεία κοντινότερα σημεία στο : {,,..., K } Πρόβλεψη του T από τις εικόνες των γειτονικών σημείων,,..., } Πρόβλεψη με το κοντινότερο γείτονα: Πρόβλεψη μέσου όρου εικόνων κοντινότερων γειτόνων ˆ T T T,, m, m, [,, ] R m { T T K T K T Locl Averge Mp LAM j T K j Lorenz 5% nose: Se spce predcon m.5.5 5.5.5

Τοπικό γραμμικό μοντέλο locl lner model, LLM Υποθέτουμε πως για κάθε σημείο το υπό μελέτη σύστημα μπορεί να προσεγγιστεί τοπικά με γραμμικό μοντέλο: m m m ' F F,,, τ τ τ τ K j j j m,,, mn Εκτίμηση παραμέτρων μέθοδος ελαχίστων τετραγώνων m,,, Το μοντέλο ισχύει για:,...,, K K T K T

Παράδειγμα Αστάθεια ημερήσιου δείκτη ΧΑΑ από // //7, πρόβλεψη ως //7 Αξιολόγηση πρόβλεψης, σύνολο ελέγχου //8 - //7.5 AR ASE reurns: NRMSE N 5 K.5 N N 49 Τοπικά μοντέλα τ LAM ASE reurns: NRMSE nrmsep.5 T T T5 5 5 p.5 ASE reurns: NRMSE LLM nrmsep.5 T T T5 5 5 p nrmsep.5 T T T5 5 5 p