Bewegungs Durchschnitt Stochastische Volatilität Modelle Mit Anwendung Zu Inflation Prognose

Bewegliche durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflationsprognose Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende durchschnittliche Fehler haben, wobei das bedingte Mittel eine Zustandsraumdarstellung hat. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit U. S.-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere Eignung und Out-of-Probe-Prognose-Performance bieten als die Standardvarianten mit nur stochastischer Volatilität. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte sei geduldig, da die Dateien groß sein können. Papier, das vom Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die australische National University in ihrer Serie CAMA Working Papers mit der Nummer 2013-31 zur Verfügung gestellt. Andere Versionen dieses Artikels: Finden Sie ähnliche Papiere von JEL Klassifizierung: C11 - Mathematische und quantitative Methoden - - Ökonometrische und statistische Methoden und Methodik: Allgemein - - - Bayesische Analyse: Allgemeines C51 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Modell Bau und Schätzung C53 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Prognose - und Vorhersagemodelle Simulationsmethoden Referenzen auf IDEAS Bitte melden Sie Zitat oder Referenzfehler an. oder. Wenn Sie der registrierte Autor der zitierten Arbeit sind, melden Sie sich bei Ihrem RePEc Author Service-Profil an. Klicken Sie auf Zitate und passen Sie entsprechende Einstellungen vor. Korobilis, Dimitris, 2009. VAR-Prognose mit Bayes'sche Variablenauswahl, MPRA Paper 21124, Universitätsbibliothek München, Deutschland. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, MPRA Paper 39496, Universitätsbibliothek München, Deutschland. Joshua C C Chan Gary Koop Simon M Potter, 2012. Ein neues Modell der Trend-Inflation, CAMA Working Papers 2012-08, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, SIRE Diskussionspapiere 2012-12, Scottish Institute for Research in Economics (SIRE). Joshua Chan Gary Koop Simon Potter, 2012. Ein neues Modell der Trend-Inflation, Working Papers 1202, Universität der Strathclyde Business School, Department of Economics. Gary Koop Dimitris Korobilis, 2011. Prognose Inflation mit dynamischen Modell Mittelung, Working Papers 1119, Universität der Strathclyde Business School, Department of Economics. Gary Koop Dimitris Korobilis, 2012. Prognose-Inflation mit dynamischen Modell-Mittelung, International Economic Review. Fachbereich Wirtschaftswissenschaften, Universität Pennsylvania und Osaka University Institute of Social and Economic Research Association, Bd. 53 (3), Seiten 867-886, 08. Timothy Cogley Giorgio E. Primiceri Thomas J. Sargent, 2008. Inflation-Gap Persistenz in den USA, NBER Working Papers 13749, National Bureau of Economic Research, Inc. Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, Working Paper Serie 4410, Das Rimini Zentrum für Wirtschaftsanalyse. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, ANU Working Papers in Wirtschaftswissenschaften und Ökonometrie 2010-523, Australian National University, Hochschule für Wirtschaft und Wirtschaft, School of Economics. Joshua C C Chan Gary Koop Roberto Leon-Gonzales Rodney W Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, CAMA Working Papers 2011-28, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Joshua Chan Gary Koop Roberto Leon-Gonzalez Rodney Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, Working Papers 1116, Universität Strathclyde Business School, Department of Economics. Chan, Joshua CC Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2010. Time Varying Dimension Models, SIRE Diskussionspapiere 2012-33, Scottish Institute for Research in Economics (SIRE).Moving durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflation Prognose Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende Durchschnittsfehler aufweist, wobei das bedingte Mittel eine Zustandsraumdarstellung hat. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit US-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere In-Probe-Fitness - und Out-of-Probe-Prognoseleistung bieten als die Standardvarianten mit nur stochastischer Volatilität. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte sei geduldig, da die Dateien groß sein können. Da der Zugriff auf dieses Dokument eingeschränkt ist, können Sie nach einer anderen Version unter Related research (weiter unten) suchen oder nach einer anderen Version suchen. Artikel von Elsevier in seiner Zeitschrift Journal of Econometrics. Andere Versionen dieses Artikels: Finden Sie ähnliche Papiere von JEL Klassifizierung: C11 - Mathematische und quantitative Methoden - - Ökonometrische und statistische Methoden und Methodik: Allgemein - - - Bayesische Analyse: Allgemeines C51 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Modell Bau und Schätzung C53 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Prognose - und Vorhersagemodelle Simulationsmethoden Referenzen auf IDEAS Bitte melden Sie Zitat oder Referenzfehler an. oder. Wenn Sie der registrierte Autor der zitierten Arbeit sind, melden Sie sich bei Ihrem RePEc Author Service-Profil an. Klicken Sie auf Zitate und passen Sie entsprechende Einstellungen vor. McCausland, William J. Miller, Shirley Pelletier, Denis, 2011. Simulationsglättung für State-Space-Modelle: Eine rechnerische Effizienzanalyse, Computational Statistics Data Analysis. Elsevier, vol. 55 (1), Seiten 199-212, Januar. Gary Koop Dimitris Korobilis, 2012. Prognose-Inflation mit dynamischen Modell-Mittelung, International Economic Review. Fachbereich Wirtschaftswissenschaften, Universität Pennsylvania und Osaka University Institute of Social and Economic Research Association, Bd. 53 (3), Seiten 867-886, 08. Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, Working Paper Serie 4410, Das Rimini Zentrum für Wirtschaftsanalyse. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, ANU Working Papers in Wirtschaftswissenschaften und Ökonometrie 2010-523, Australian National University, Hochschule für Wirtschaft und Wirtschaft, School of Economics. Joshua C C Chan Gary Koop Roberto Leon-Gonzales Rodney W Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, CAMA Working Papers 2011-28, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Chan, Joshua C C Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2010. Zeit Unterschiedliche Dimension Modelle, SIRE Diskussionspapiere 2012-33, Scottish Institute for Research in Economics (SIRE). Joshua Chan Gary Koop Roberto Leon-Gonzalez Rodney Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, Working Papers 1116, Universität Strathclyde Business School, Department of Economics. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, SIRE Diskussionspapiere 2012-12, Scottish Institute for Research in Economics (SIRE). Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, MPRA Paper 39496, Universitätsbibliothek München, Deutschland. Joshua C C Chan Gary Koop Simon M Potter, 2012. Ein neues Modell der Trend-Inflation, CAMA Working Papers 2012-08, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Timothy Cogley Giorgio E. Primiceri Thomas J. Sargent, 2008. Inflation-Gap Persistenz in den USA, NBER Working Papers 13749, National Bureau of Economic Research, Inc. Bei der Beantwortung einer Korrektur, bitte erwähnen Sie diese Elemente Handle: RePEc: eee: econom : V: 176: y: 2013: i: 2: p: 162-172. Siehe allgemeine Informationen zur Korrektur von Material in RePEc. Für technische Fragen zu diesem Artikel, oder um seine Autoren, Titel, Abstract, bibliographischen oder Download-Informationen zu korrigieren, kontaktieren Sie: (Dana Niculescu) Wenn Sie diesen Artikel verfasst haben und noch nicht bei RePEc registriert sind, empfehlen wir Ihnen, dies zu tun. Dies ermöglicht es, Ihr Profil mit diesem Element zu verknüpfen. Es erlaubt Ihnen auch, potenzielle Zitate zu diesem Artikel zu akzeptieren, dass wir unsicher sind. Wenn Referenzen ganz fehlen, können Sie sie mit diesem Formular hinzufügen. Wenn die vollständigen Referenzen ein Element auflisten, das in RePEc vorhanden ist, aber das System nicht mit ihm verknüpft ist, können Sie mit diesem Formular helfen. Wenn Sie von fehlenden Gegenständen wissen, die dieses zitieren, können Sie uns helfen, diese Links zu erstellen, indem wir die relevanten Referenzen in der gleichen Weise wie oben für jedes verweisende Element hinzufügen. Wenn Sie ein registrierter Autor dieses Artikels sind, können Sie auch die Registerkarte Zitate in Ihrem Profil überprüfen, da es einige Zitate gibt, die auf Bestätigung warten. Bitte beachten Sie, dass Korrekturen einige Wochen dauern können, um durch die verschiedenen RePEc-Dienste zu filtern. Weitere Dienstleistungen Folge-Serie, Zeitschriften, Autoren amp mehr Neue Papiere per E-Mail Abonnieren Sie neue Ergänzungen zu RePEc Autorenregistrierung Öffentliche Profile für Wirtschaftsforscher Verschiedene Rankings der Forschung in der Wirtschaft amp verwandte Felder Wer war ein Student von wem, mit RePEc RePEc Biblio Kuratierte Artikel amp Papiere zu verschiedenen ökonomischen Themen Hochladen Sie Ihr Papier auf RePEc aufgeführt werden und IDEAS EconAcademics Blog Aggregator für Wirtschaftsforschung Plagiate Fälle von Plagiaten in Wirtschaftswissenschaften Job Market Papers RePEc Arbeitspapier Serie gewidmet, um den Job-Markt Fantasy League Vortäuschen Sie sind an der Spitze einer Wirtschaft Abteilung Dienstleistungen aus der StL Fed Daten, Forschung, apps amp mehr von der St. Louis FedMoving durchschnittliche stochastische Volatilität Modelle mit Anwendung auf Inflation Prognose Wir stellen eine neue Klasse von Modellen, die sowohl stochastische Volatilität und gleitende durchschnittliche Fehler, wo die bedingte Mittel hat Eine Zustandsraumdarstellung. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit US-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere In-Probe-Fitness - und Out-of-Probe-Prognoseleistung bieten als die Standardvarianten mit nur stochastischer Volatilität. JEL-Klassifikation Staatsplatz Unbeobachtete Komponenten Modell Präzision Spärlich Dichte Prognose Korrespondenz zu: Research School of Economics, ANU Hochschule für Wirtschaft und Wirtschaft, LF Crisp Building 26, Die Australian National University, Canberra ACT 0200, Australien. Tel. 61 2 612 57358 Fax: 61 2 612 50182. Copyright Kopie 2013 Elsevier BV Alle Rechte vorbehalten. Moving Durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflation Forecast Australian National University (ANU) Datum Geschrieben: Mai 2013 Wir stellen eine neue Klasse von Modellen vor, die hat Sowohl stochastische Volatilität als auch gleitende durchschnittliche Fehler, wobei das bedingte Mittel eine Zustandsraumdarstellung hat. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit U. S.-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere Eignung und Out-of-Probe-Prognose-Performance bieten als die Standardvarianten mit nur stochastischer Volatilität. Schlüsselwörter: Zustandsraum, unbemerktes Bauteilmodell, Präzision, spärlich, Dichteprognose JEL Klassifizierung: C11, C51, C53 Vorgeschlagenes Zitat: Vorgeschlagenes Zitat Chan, Joshua C. C. Bewegliche durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflationsprognose (Mai 2013). CAMA Working Paper 312013. Erhältlich bei SSRN: ssrnabstract2275688 oder dx. doi. org10.2139ssrn.2275688 Australian National University (ANU) (E-Mail)