ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Dynamic Models for Volatility and Heavy Tails: With Applications to Financial and Economic Time Series

دانلود کتاب مدل‌های پویا برای نوسانات و دم‌های سنگین: با کاربرد در سری‌های زمانی مالی و اقتصادی

Dynamic Models for Volatility and Heavy Tails: With Applications to Financial and Economic Time Series

مشخصات کتاب

Dynamic Models for Volatility and Heavy Tails: With Applications to Financial and Economic Time Series

ویرایش: [Illustrated] 
نویسندگان:   
سری: Econometric Society Monographs, Series Number 52 
ISBN (شابک) : 1107034728, 2012036508 
ناشر: Cambridge University Press 
سال نشر: 2013 
تعداد صفحات: 282 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 Mb 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Dynamic Models for Volatility and Heavy Tails: With Applications to Financial and Economic Time Series به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مدل‌های پویا برای نوسانات و دم‌های سنگین: با کاربرد در سری‌های زمانی مالی و اقتصادی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مدل‌های پویا برای نوسانات و دم‌های سنگین: با کاربرد در سری‌های زمانی مالی و اقتصادی

نوسانات بازده مالی در طول زمان تغییر می‌کند و در سی سال گذشته، مدل‌های ناهمسانی شرطی خودبازگشتی تعمیم‌یافته (GARCH) ابزار اصلی تحلیل، مدل‌سازی و نظارت بر چنین تغییراتی را فراهم کرده‌اند. با در نظر گرفتن اینکه بازده مالی معمولاً دنباله‌های سنگینی را نشان می‌دهد - یعنی مقادیر شدید ممکن است هر از گاهی رخ دهد - کتاب جدید اندرو هاروی نشان می‌دهد که چگونه یک تغییر کوچک اما اساسی در نحوه فرمول‌بندی مدل‌های GARCH منجر به حل بسیاری از موارد نظری می‌شود. مشکلات ذاتی در نظریه آماری این رویکرد همچنین می‌تواند برای سایر جنبه‌های نوسانات، مانند مواردی که از داده‌های محدوده بازده و زمان بین معاملات ناشی می‌شوند، اعمال شود. علاوه بر این، کلاس کلی‌تر مدل‌های امتیاز مشروط پویا به مدل‌سازی قوی نقاط پرت در سطوح سری‌های زمانی و به درمان روابط متغیر با زمان گسترش می‌یابد. به این ترتیب، نه تنها برای داده های مالی، بلکه برای سری های زمانی کلان اقتصادی و سری های زمانی در سایر رشته ها نیز کاربرد دارد. تئوری آماری از اصول اولیه تخمین حداکثر احتمال استفاده می‌کند و با انجام این کار، منجر به یک درمان زیبا و یکپارچه از مدل‌سازی سری‌های زمانی غیرخطی می‌شود. ارزش عملی مدل‌های پیشنهادی با برازش آنها با مجموعه‌های داده واقعی نشان داده می‌شود.


توضیحاتی درمورد کتاب به خارجی

The volatility of financial returns changes over time and, for the last thirty years, Generalized Autoregressive Conditional Heteroscedasticity (GARCH) models have provided the principal means of analyzing, modeling, and monitoring such changes. Taking into account that financial returns typically exhibit heavy tails – that is, extreme values can occur from time to time – Andrew Harvey's new book shows how a small but radical change in the way GARCH models are formulated leads to a resolution of many of the theoretical problems inherent in the statistical theory. The approach can also be applied to other aspects of volatility, such as those arising from data on the range of returns and the time between trades. Furthermore, the more general class of Dynamic Conditional Score models extends to robust modeling of outliers in the levels of time series and to the treatment of time-varying relationships. As such, there are applications not only to financial data but also to macroeconomic time series and to time series in other disciplines. The statistical theory draws on basic principles of maximum likelihood estimation and, by doing so, leads to an elegant and unified treatment of nonlinear time-series modeling. The practical value of the proposed models is illustrated by fitting them to real data sets.





نظرات کاربران