Methoden der Zeitreihenanalyse:
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Elektronisch E-Book |
| Sprache: | German |
| Veröffentlicht: |
Berlin, Heidelberg
Springer Berlin Heidelberg
2001
|
| Schriftenreihe: | Springer-Lehrbuch
|
| Schlagworte: | |
| Online-Zugang: | Volltext |
| Beschreibung: | Dieses Lehrbuch vermittelt einen umfassenden Überblick über die wichtigsten Methoden der Zeitreihenanalyse. Neben Grundkonzepten deskriptiver Zeitreihenanalyse werden einleitend einfache Saisonbereinigungs- und Prognoseverfahren dargestellt, anschließend werden univariate stochastische Prozesse, VAR-Prozesse, Parameterschätzung, Identifikation, Modelldiagnose, Ausreißeranalyse, univariate ARIMA-Prognosen, Transferfunktionen (ARMAX)-Modelle, ARMAX-Prognosen, Strukturelle Komponentenmodelle und Spektralanalyse behandelt. Ausführlich dargestellt werden ferner die praktisch wichtigsten Saisonbereinigungsverfahren, Design digitaler Filter (FIR- und IIR-Filter), Unit-root-Prozesse, Unit-root-Tests, Kointegration, Fehler-Korrektur-Modell, Kointegrationstest sowie nicht-lineare Zeitreihenmodelle (ARCH-GARCH-Prozesse, bilineare und Threshold-Prozesse) |
| Beschreibung: | 1 Online-Ressource (XI, 400S. 237 Abb) |
| ISBN: | 9783642567094 9783540417002 |
| DOI: | 10.1007/978-3-642-56709-4 |
Internformat
MARC
| LEADER | 00000nmm a2200000zc 4500 | ||
|---|---|---|---|
| 001 | BV041610865 | ||
| 003 | DE-604 | ||
| 005 | 00000000000000.0 | ||
| 007 | cr|uuu---uuuuu | ||
| 008 | 140130s2001 |||| o||u| ||||||ger d | ||
| 020 | |a 9783642567094 |c Online |9 978-3-642-56709-4 | ||
| 020 | |a 9783540417002 |c Print |9 978-3-540-41700-2 | ||
| 024 | 7 | |a 10.1007/978-3-642-56709-4 |2 doi | |
| 035 | |a (OCoLC)863693336 | ||
| 035 | |a (DE-599)BVBBV041610865 | ||
| 040 | |a DE-604 |b ger |e aacr | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-634 |a DE-91 |a DE-92 |a DE-573 |a DE-1102 |a DE-860 |a DE-824 |a DE-703 |a DE-706 | ||
| 082 | 0 | |a 330.015195 |2 23 | |
| 084 | |a WIR 000 |2 stub | ||
| 100 | 1 | |a Stier, Winfried |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Methoden der Zeitreihenanalyse |c von Winfried Stier |
| 264 | 1 | |a Berlin, Heidelberg |b Springer Berlin Heidelberg |c 2001 | |
| 300 | |a 1 Online-Ressource (XI, 400S. 237 Abb) | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b c |2 rdamedia | ||
| 338 | |b cr |2 rdacarrier | ||
| 490 | 0 | |a Springer-Lehrbuch | |
| 500 | |a Dieses Lehrbuch vermittelt einen umfassenden Überblick über die wichtigsten Methoden der Zeitreihenanalyse. Neben Grundkonzepten deskriptiver Zeitreihenanalyse werden einleitend einfache Saisonbereinigungs- und Prognoseverfahren dargestellt, anschließend werden univariate stochastische Prozesse, VAR-Prozesse, Parameterschätzung, Identifikation, Modelldiagnose, Ausreißeranalyse, univariate ARIMA-Prognosen, Transferfunktionen (ARMAX)-Modelle, ARMAX-Prognosen, Strukturelle Komponentenmodelle und Spektralanalyse behandelt. Ausführlich dargestellt werden ferner die praktisch wichtigsten Saisonbereinigungsverfahren, Design digitaler Filter (FIR- und IIR-Filter), Unit-root-Prozesse, Unit-root-Tests, Kointegration, Fehler-Korrektur-Modell, Kointegrationstest sowie nicht-lineare Zeitreihenmodelle (ARCH-GARCH-Prozesse, bilineare und Threshold-Prozesse) | ||
| 505 | 0 | |a I. Elementare Zeitreihenanalyse -- I.1. Definitionen, Grundkonzepte, Beispiele -- I.2. Das traditionelle Zeitreihen-Komponentenmodell -- II. Einfache Saisonbereinigungsverfahren -- II.1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur -- II.2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur -- II.3. Einige praktische Probleme der Saisonbereinigung -- III. Elementare Filter-Operationen -- IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen -- IV.1. Vorbemerkungen -- IV.2. Einfaches Exponential-Smoothing -- IV.3. Exponential-Smoothing nach Holt -- IV.4. Exponential-Smoothing nach Winters -- IV.5. Ergänzende Bemerkungen zum Exponential-Smoothing -- V. Grundzüge der Theorie der stochastischen Prozesse -- V.1. Zufallsvariable und Zufallsvektoren -- V.2. Stochastische Prozesse -- V.3. Stationäre Stochastische Prozesse -- V.4. Spezielle stationäre Prozesse -- VI. Vektorielle stochastische Prozesse -- | |
| 505 | 0 | |a VI.1. Grundlagen -- VI.2. VAR-Prozesse -- VII. Schätzprobleme bei stochastischen Prozessen -- VII.1 Schätzen von Parametern und Momentfunktionen univariater Prozesse -- VII.2 Parameterschätzung vektorieller Prozesse -- VII. Identifikation stochastischer Prozesse -- VIII.1. Identifikation univariater ARMA- und ARIMA-Prozesse -- VIII.2. Identifikation vektorieller ARMA- und ARIMA-Prozesse -- IX. Modelldiagnose -- IX.1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen -- IX.2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen -- X. Ausrei?er-Analyse -- X.1. Grundlagen und Beispiele -- X.2. Additive und innovative Ausrei?er und ihre Bestimmung -- XI. Prognosen mit ARMA- und ARIMA-Modellen -- XI.1. Prognosen mit univariaten ARMA- und ARIMA-Modellen -- XI.2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen -- XII. Transferfunktionen (ARMAX)-Modelle -- XII.1 Transferfunktionen-Modelle mit einer Input-Variablen -- XII.2. Transferfunktionen mit mehreren Inputs -- | |
| 505 | 0 | |a XIII. Strukturelle Komponentenmodelle -- XIII.1 Einleitung -- XIII.2 Modellierung der Komponenten -- XIII.3. Das ?Basic Structural Model? nach Harvey -- XIII.4. Strukturelle Komponentenmodelle und ARIMA-Modelle -- XIII.5. Parameterschätzung bei strukturellen Komponentenmodellen -- XIII.6. Beispiel -- XIII.7. Abschlie?ende Bemerkungen -- XIV. Grundzüge der Spektralanalyse -- XIV.1. Vorbemerkungen -- XIV.2. Spektren stationärer Prozesse -- XIV.3 Schätzung eines Spektrums -- XIV.4 Spektralanalyse und Saisonalität -- XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung -- XV.1. Einleitung -- XV.2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung -- XV.3. Spezielle Saisonbereinigungsverfahren -- XV.4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS -- XV.5. Weitere Verfahren -- XV.6. Saisonbereinigung als Filter-Design-Problem -- XV.7. Zum Vergleich von Saisonbereinigungsverfahren -- | |
| 505 | 0 | |a XVI. Grundzüge der Theorie digitaler Filter -- XVI.1. Grundlagen -- XVI.2. Elemente der z-Transformation -- XVI.3. Grundbegriffe der Filtertheorie -- XVII. Konstruktionsmethoden für digitale Filter -- XVII.1 Konstruktionsmethoden für FIR-Filter -- XVII.2. FIR-Fenster-Filter -- XVII.3. Modifizierte FIR-Fenster-Filter -- XVII.4. Optimale FIR-Filter -- XVII.5. Konstruktion von IIR-Filtern -- XVII.6. Filtern im Frequenzbereich -- XVIII. Unit-roots und Unit-root-Tests -- XVIII.1. Vorbemerkungen -- XVIII.2. Differenzen-Stationäre versus Trend-Stationäre Prozesse -- XVIII.3. Trendbereinigung bei DS- und TS-Prozessen -- XVIII.4. Unit-root-Test -- XIX. Kointegration -- XIX.1. Grundlagen -- XIX.2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme -- XX. Nicht-lineare Zeitreihenmodelle -- XX.1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle -- XX.2. Bilineare Prozesse -- XX.3. Random Coefficient Autoregressive Modelle -- XX.4. TARMA-Modelle -- | |
| 505 | 0 | |a XX.5. CTARMA-Modelle -- Literatur -- Index: | |
| 650 | 4 | |a Economics | |
| 650 | 4 | |a Distribution (Probability theory) | |
| 650 | 4 | |a Economics / Statistics | |
| 650 | 4 | |a Econometrics | |
| 650 | 4 | |a Economics/Management Science | |
| 650 | 4 | |a Probability Theory and Stochastic Processes | |
| 650 | 4 | |a Statistics for Business/Economics/Mathematical Finance/Insurance | |
| 650 | 4 | |a Management | |
| 650 | 4 | |a Statistik | |
| 650 | 4 | |a Wirtschaft | |
| 650 | 0 | 7 | |a Zeitreihenanalyse |0 (DE-588)4067486-1 |2 gnd |9 rswk-swf |
| 655 | 7 | |8 1\p |0 (DE-588)4123623-3 |a Lehrbuch |2 gnd-content | |
| 689 | 0 | 0 | |a Zeitreihenanalyse |0 (DE-588)4067486-1 |D s |
| 689 | 0 | |8 2\p |5 DE-604 | |
| 856 | 4 | 0 | |u https://doi.org/10.1007/978-3-642-56709-4 |x Verlag |3 Volltext |
| 912 | |a ZDB-2-SWI |a ZDB-2-BAD | ||
| 940 | 1 | |q ZDB-2-SWI_Archive | |
| 940 | 1 | |q ZDB-2-SWI_2000/2004 | |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-027051998 | ||
| 883 | 1 | |8 1\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
| 883 | 1 | |8 2\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
Datensatz im Suchindex
| _version_ | 1804151812982308864 |
|---|---|
| any_adam_object | |
| author | Stier, Winfried |
| author_facet | Stier, Winfried |
| author_role | aut |
| author_sort | Stier, Winfried |
| author_variant | w s ws |
| building | Verbundindex |
| bvnumber | BV041610865 |
| classification_tum | WIR 000 |
| collection | ZDB-2-SWI ZDB-2-BAD |
| contents | I. Elementare Zeitreihenanalyse -- I.1. Definitionen, Grundkonzepte, Beispiele -- I.2. Das traditionelle Zeitreihen-Komponentenmodell -- II. Einfache Saisonbereinigungsverfahren -- II.1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur -- II.2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur -- II.3. Einige praktische Probleme der Saisonbereinigung -- III. Elementare Filter-Operationen -- IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen -- IV.1. Vorbemerkungen -- IV.2. Einfaches Exponential-Smoothing -- IV.3. Exponential-Smoothing nach Holt -- IV.4. Exponential-Smoothing nach Winters -- IV.5. Ergänzende Bemerkungen zum Exponential-Smoothing -- V. Grundzüge der Theorie der stochastischen Prozesse -- V.1. Zufallsvariable und Zufallsvektoren -- V.2. Stochastische Prozesse -- V.3. Stationäre Stochastische Prozesse -- V.4. Spezielle stationäre Prozesse -- VI. Vektorielle stochastische Prozesse -- VI.1. Grundlagen -- VI.2. VAR-Prozesse -- VII. Schätzprobleme bei stochastischen Prozessen -- VII.1 Schätzen von Parametern und Momentfunktionen univariater Prozesse -- VII.2 Parameterschätzung vektorieller Prozesse -- VII. Identifikation stochastischer Prozesse -- VIII.1. Identifikation univariater ARMA- und ARIMA-Prozesse -- VIII.2. Identifikation vektorieller ARMA- und ARIMA-Prozesse -- IX. Modelldiagnose -- IX.1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen -- IX.2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen -- X. Ausrei?er-Analyse -- X.1. Grundlagen und Beispiele -- X.2. Additive und innovative Ausrei?er und ihre Bestimmung -- XI. Prognosen mit ARMA- und ARIMA-Modellen -- XI.1. Prognosen mit univariaten ARMA- und ARIMA-Modellen -- XI.2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen -- XII. Transferfunktionen (ARMAX)-Modelle -- XII.1 Transferfunktionen-Modelle mit einer Input-Variablen -- XII.2. Transferfunktionen mit mehreren Inputs -- XIII. Strukturelle Komponentenmodelle -- XIII.1 Einleitung -- XIII.2 Modellierung der Komponenten -- XIII.3. Das ?Basic Structural Model? nach Harvey -- XIII.4. Strukturelle Komponentenmodelle und ARIMA-Modelle -- XIII.5. Parameterschätzung bei strukturellen Komponentenmodellen -- XIII.6. Beispiel -- XIII.7. Abschlie?ende Bemerkungen -- XIV. Grundzüge der Spektralanalyse -- XIV.1. Vorbemerkungen -- XIV.2. Spektren stationärer Prozesse -- XIV.3 Schätzung eines Spektrums -- XIV.4 Spektralanalyse und Saisonalität -- XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung -- XV.1. Einleitung -- XV.2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung -- XV.3. Spezielle Saisonbereinigungsverfahren -- XV.4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS -- XV.5. Weitere Verfahren -- XV.6. Saisonbereinigung als Filter-Design-Problem -- XV.7. Zum Vergleich von Saisonbereinigungsverfahren -- XVI. Grundzüge der Theorie digitaler Filter -- XVI.1. Grundlagen -- XVI.2. Elemente der z-Transformation -- XVI.3. Grundbegriffe der Filtertheorie -- XVII. Konstruktionsmethoden für digitale Filter -- XVII.1 Konstruktionsmethoden für FIR-Filter -- XVII.2. FIR-Fenster-Filter -- XVII.3. Modifizierte FIR-Fenster-Filter -- XVII.4. Optimale FIR-Filter -- XVII.5. Konstruktion von IIR-Filtern -- XVII.6. Filtern im Frequenzbereich -- XVIII. Unit-roots und Unit-root-Tests -- XVIII.1. Vorbemerkungen -- XVIII.2. Differenzen-Stationäre versus Trend-Stationäre Prozesse -- XVIII.3. Trendbereinigung bei DS- und TS-Prozessen -- XVIII.4. Unit-root-Test -- XIX. Kointegration -- XIX.1. Grundlagen -- XIX.2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme -- XX. Nicht-lineare Zeitreihenmodelle -- XX.1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle -- XX.2. Bilineare Prozesse -- XX.3. Random Coefficient Autoregressive Modelle -- XX.4. TARMA-Modelle -- XX.5. CTARMA-Modelle -- Literatur -- Index: |
| ctrlnum | (OCoLC)863693336 (DE-599)BVBBV041610865 |
| dewey-full | 330.015195 |
| dewey-hundreds | 300 - Social sciences |
| dewey-ones | 330 - Economics |
| dewey-raw | 330.015195 |
| dewey-search | 330.015195 |
| dewey-sort | 3330.015195 |
| dewey-tens | 330 - Economics |
| discipline | Wirtschaftswissenschaften |
| doi_str_mv | 10.1007/978-3-642-56709-4 |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>06925nmm a2200625zc 4500</leader><controlfield tag="001">BV041610865</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">00000000000000.0</controlfield><controlfield tag="007">cr|uuu---uuuuu</controlfield><controlfield tag="008">140130s2001 |||| o||u| ||||||ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783642567094</subfield><subfield code="c">Online</subfield><subfield code="9">978-3-642-56709-4</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783540417002</subfield><subfield code="c">Print</subfield><subfield code="9">978-3-540-41700-2</subfield></datafield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.1007/978-3-642-56709-4</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)863693336</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV041610865</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">aacr</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-634</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-706</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">330.015195</subfield><subfield code="2">23</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">WIR 000</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Stier, Winfried</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Methoden der Zeitreihenanalyse</subfield><subfield code="c">von Winfried Stier</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin, Heidelberg</subfield><subfield code="b">Springer Berlin Heidelberg</subfield><subfield code="c">2001</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (XI, 400S. 237 Abb)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Springer-Lehrbuch</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Dieses Lehrbuch vermittelt einen umfassenden Überblick über die wichtigsten Methoden der Zeitreihenanalyse. Neben Grundkonzepten deskriptiver Zeitreihenanalyse werden einleitend einfache Saisonbereinigungs- und Prognoseverfahren dargestellt, anschließend werden univariate stochastische Prozesse, VAR-Prozesse, Parameterschätzung, Identifikation, Modelldiagnose, Ausreißeranalyse, univariate ARIMA-Prognosen, Transferfunktionen (ARMAX)-Modelle, ARMAX-Prognosen, Strukturelle Komponentenmodelle und Spektralanalyse behandelt. Ausführlich dargestellt werden ferner die praktisch wichtigsten Saisonbereinigungsverfahren, Design digitaler Filter (FIR- und IIR-Filter), Unit-root-Prozesse, Unit-root-Tests, Kointegration, Fehler-Korrektur-Modell, Kointegrationstest sowie nicht-lineare Zeitreihenmodelle (ARCH-GARCH-Prozesse, bilineare und Threshold-Prozesse)</subfield></datafield><datafield tag="505" ind1="0" ind2=" "><subfield code="a">I. Elementare Zeitreihenanalyse -- I.1. Definitionen, Grundkonzepte, Beispiele -- I.2. Das traditionelle Zeitreihen-Komponentenmodell -- II. Einfache Saisonbereinigungsverfahren -- II.1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur -- II.2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur -- II.3. Einige praktische Probleme der Saisonbereinigung -- III. Elementare Filter-Operationen -- IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen -- IV.1. Vorbemerkungen -- IV.2. Einfaches Exponential-Smoothing -- IV.3. Exponential-Smoothing nach Holt -- IV.4. Exponential-Smoothing nach Winters -- IV.5. Ergänzende Bemerkungen zum Exponential-Smoothing -- V. Grundzüge der Theorie der stochastischen Prozesse -- V.1. Zufallsvariable und Zufallsvektoren -- V.2. Stochastische Prozesse -- V.3. Stationäre Stochastische Prozesse -- V.4. Spezielle stationäre Prozesse -- VI. Vektorielle stochastische Prozesse --</subfield></datafield><datafield tag="505" ind1="0" ind2=" "><subfield code="a">VI.1. Grundlagen -- VI.2. VAR-Prozesse -- VII. Schätzprobleme bei stochastischen Prozessen -- VII.1 Schätzen von Parametern und Momentfunktionen univariater Prozesse -- VII.2 Parameterschätzung vektorieller Prozesse -- VII. Identifikation stochastischer Prozesse -- VIII.1. Identifikation univariater ARMA- und ARIMA-Prozesse -- VIII.2. Identifikation vektorieller ARMA- und ARIMA-Prozesse -- IX. Modelldiagnose -- IX.1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen -- IX.2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen -- X. Ausrei?er-Analyse -- X.1. Grundlagen und Beispiele -- X.2. Additive und innovative Ausrei?er und ihre Bestimmung -- XI. Prognosen mit ARMA- und ARIMA-Modellen -- XI.1. Prognosen mit univariaten ARMA- und ARIMA-Modellen -- XI.2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen -- XII. Transferfunktionen (ARMAX)-Modelle -- XII.1 Transferfunktionen-Modelle mit einer Input-Variablen -- XII.2. Transferfunktionen mit mehreren Inputs --</subfield></datafield><datafield tag="505" ind1="0" ind2=" "><subfield code="a">XIII. Strukturelle Komponentenmodelle -- XIII.1 Einleitung -- XIII.2 Modellierung der Komponenten -- XIII.3. Das ?Basic Structural Model? nach Harvey -- XIII.4. Strukturelle Komponentenmodelle und ARIMA-Modelle -- XIII.5. Parameterschätzung bei strukturellen Komponentenmodellen -- XIII.6. Beispiel -- XIII.7. Abschlie?ende Bemerkungen -- XIV. Grundzüge der Spektralanalyse -- XIV.1. Vorbemerkungen -- XIV.2. Spektren stationärer Prozesse -- XIV.3 Schätzung eines Spektrums -- XIV.4 Spektralanalyse und Saisonalität -- XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung -- XV.1. Einleitung -- XV.2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung -- XV.3. Spezielle Saisonbereinigungsverfahren -- XV.4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS -- XV.5. Weitere Verfahren -- XV.6. Saisonbereinigung als Filter-Design-Problem -- XV.7. Zum Vergleich von Saisonbereinigungsverfahren --</subfield></datafield><datafield tag="505" ind1="0" ind2=" "><subfield code="a">XVI. Grundzüge der Theorie digitaler Filter -- XVI.1. Grundlagen -- XVI.2. Elemente der z-Transformation -- XVI.3. Grundbegriffe der Filtertheorie -- XVII. Konstruktionsmethoden für digitale Filter -- XVII.1 Konstruktionsmethoden für FIR-Filter -- XVII.2. FIR-Fenster-Filter -- XVII.3. Modifizierte FIR-Fenster-Filter -- XVII.4. Optimale FIR-Filter -- XVII.5. Konstruktion von IIR-Filtern -- XVII.6. Filtern im Frequenzbereich -- XVIII. Unit-roots und Unit-root-Tests -- XVIII.1. Vorbemerkungen -- XVIII.2. Differenzen-Stationäre versus Trend-Stationäre Prozesse -- XVIII.3. Trendbereinigung bei DS- und TS-Prozessen -- XVIII.4. Unit-root-Test -- XIX. Kointegration -- XIX.1. Grundlagen -- XIX.2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme -- XX. Nicht-lineare Zeitreihenmodelle -- XX.1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle -- XX.2. Bilineare Prozesse -- XX.3. Random Coefficient Autoregressive Modelle -- XX.4. TARMA-Modelle --</subfield></datafield><datafield tag="505" ind1="0" ind2=" "><subfield code="a">XX.5. CTARMA-Modelle -- Literatur -- Index:</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Economics</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Distribution (Probability theory)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Economics / Statistics</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Econometrics</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Economics/Management Science</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Probability Theory and Stochastic Processes</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Statistics for Business/Economics/Mathematical Finance/Insurance</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Management</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Statistik</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Wirtschaft</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Zeitreihenanalyse</subfield><subfield code="0">(DE-588)4067486-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="8">1\p</subfield><subfield code="0">(DE-588)4123623-3</subfield><subfield code="a">Lehrbuch</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Zeitreihenanalyse</subfield><subfield code="0">(DE-588)4067486-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="8">2\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doi.org/10.1007/978-3-642-56709-4</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-2-SWI</subfield><subfield code="a">ZDB-2-BAD</subfield></datafield><datafield tag="940" ind1="1" ind2=" "><subfield code="q">ZDB-2-SWI_Archive</subfield></datafield><datafield tag="940" ind1="1" ind2=" "><subfield code="q">ZDB-2-SWI_2000/2004</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-027051998</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">2\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield></record></collection> |
| genre | 1\p (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Lehrbuch |
| id | DE-604.BV041610865 |
| illustrated | Not Illustrated |
| indexdate | 2024-07-10T01:00:46Z |
| institution | BVB |
| isbn | 9783642567094 9783540417002 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-027051998 |
| oclc_num | 863693336 |
| open_access_boolean | |
| owner | DE-634 DE-91 DE-BY-TUM DE-92 DE-573 DE-1102 DE-860 DE-824 DE-703 DE-706 |
| owner_facet | DE-634 DE-91 DE-BY-TUM DE-92 DE-573 DE-1102 DE-860 DE-824 DE-703 DE-706 |
| physical | 1 Online-Ressource (XI, 400S. 237 Abb) |
| psigel | ZDB-2-SWI ZDB-2-BAD ZDB-2-SWI_Archive ZDB-2-SWI_2000/2004 |
| publishDate | 2001 |
| publishDateSearch | 2001 |
| publishDateSort | 2001 |
| publisher | Springer Berlin Heidelberg |
| record_format | marc |
| series2 | Springer-Lehrbuch |
| spelling | Stier, Winfried Verfasser aut Methoden der Zeitreihenanalyse von Winfried Stier Berlin, Heidelberg Springer Berlin Heidelberg 2001 1 Online-Ressource (XI, 400S. 237 Abb) txt rdacontent c rdamedia cr rdacarrier Springer-Lehrbuch Dieses Lehrbuch vermittelt einen umfassenden Überblick über die wichtigsten Methoden der Zeitreihenanalyse. Neben Grundkonzepten deskriptiver Zeitreihenanalyse werden einleitend einfache Saisonbereinigungs- und Prognoseverfahren dargestellt, anschließend werden univariate stochastische Prozesse, VAR-Prozesse, Parameterschätzung, Identifikation, Modelldiagnose, Ausreißeranalyse, univariate ARIMA-Prognosen, Transferfunktionen (ARMAX)-Modelle, ARMAX-Prognosen, Strukturelle Komponentenmodelle und Spektralanalyse behandelt. Ausführlich dargestellt werden ferner die praktisch wichtigsten Saisonbereinigungsverfahren, Design digitaler Filter (FIR- und IIR-Filter), Unit-root-Prozesse, Unit-root-Tests, Kointegration, Fehler-Korrektur-Modell, Kointegrationstest sowie nicht-lineare Zeitreihenmodelle (ARCH-GARCH-Prozesse, bilineare und Threshold-Prozesse) I. Elementare Zeitreihenanalyse -- I.1. Definitionen, Grundkonzepte, Beispiele -- I.2. Das traditionelle Zeitreihen-Komponentenmodell -- II. Einfache Saisonbereinigungsverfahren -- II.1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur -- II.2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur -- II.3. Einige praktische Probleme der Saisonbereinigung -- III. Elementare Filter-Operationen -- IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen -- IV.1. Vorbemerkungen -- IV.2. Einfaches Exponential-Smoothing -- IV.3. Exponential-Smoothing nach Holt -- IV.4. Exponential-Smoothing nach Winters -- IV.5. Ergänzende Bemerkungen zum Exponential-Smoothing -- V. Grundzüge der Theorie der stochastischen Prozesse -- V.1. Zufallsvariable und Zufallsvektoren -- V.2. Stochastische Prozesse -- V.3. Stationäre Stochastische Prozesse -- V.4. Spezielle stationäre Prozesse -- VI. Vektorielle stochastische Prozesse -- VI.1. Grundlagen -- VI.2. VAR-Prozesse -- VII. Schätzprobleme bei stochastischen Prozessen -- VII.1 Schätzen von Parametern und Momentfunktionen univariater Prozesse -- VII.2 Parameterschätzung vektorieller Prozesse -- VII. Identifikation stochastischer Prozesse -- VIII.1. Identifikation univariater ARMA- und ARIMA-Prozesse -- VIII.2. Identifikation vektorieller ARMA- und ARIMA-Prozesse -- IX. Modelldiagnose -- IX.1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen -- IX.2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen -- X. Ausrei?er-Analyse -- X.1. Grundlagen und Beispiele -- X.2. Additive und innovative Ausrei?er und ihre Bestimmung -- XI. Prognosen mit ARMA- und ARIMA-Modellen -- XI.1. Prognosen mit univariaten ARMA- und ARIMA-Modellen -- XI.2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen -- XII. Transferfunktionen (ARMAX)-Modelle -- XII.1 Transferfunktionen-Modelle mit einer Input-Variablen -- XII.2. Transferfunktionen mit mehreren Inputs -- XIII. Strukturelle Komponentenmodelle -- XIII.1 Einleitung -- XIII.2 Modellierung der Komponenten -- XIII.3. Das ?Basic Structural Model? nach Harvey -- XIII.4. Strukturelle Komponentenmodelle und ARIMA-Modelle -- XIII.5. Parameterschätzung bei strukturellen Komponentenmodellen -- XIII.6. Beispiel -- XIII.7. Abschlie?ende Bemerkungen -- XIV. Grundzüge der Spektralanalyse -- XIV.1. Vorbemerkungen -- XIV.2. Spektren stationärer Prozesse -- XIV.3 Schätzung eines Spektrums -- XIV.4 Spektralanalyse und Saisonalität -- XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung -- XV.1. Einleitung -- XV.2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung -- XV.3. Spezielle Saisonbereinigungsverfahren -- XV.4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS -- XV.5. Weitere Verfahren -- XV.6. Saisonbereinigung als Filter-Design-Problem -- XV.7. Zum Vergleich von Saisonbereinigungsverfahren -- XVI. Grundzüge der Theorie digitaler Filter -- XVI.1. Grundlagen -- XVI.2. Elemente der z-Transformation -- XVI.3. Grundbegriffe der Filtertheorie -- XVII. Konstruktionsmethoden für digitale Filter -- XVII.1 Konstruktionsmethoden für FIR-Filter -- XVII.2. FIR-Fenster-Filter -- XVII.3. Modifizierte FIR-Fenster-Filter -- XVII.4. Optimale FIR-Filter -- XVII.5. Konstruktion von IIR-Filtern -- XVII.6. Filtern im Frequenzbereich -- XVIII. Unit-roots und Unit-root-Tests -- XVIII.1. Vorbemerkungen -- XVIII.2. Differenzen-Stationäre versus Trend-Stationäre Prozesse -- XVIII.3. Trendbereinigung bei DS- und TS-Prozessen -- XVIII.4. Unit-root-Test -- XIX. Kointegration -- XIX.1. Grundlagen -- XIX.2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme -- XX. Nicht-lineare Zeitreihenmodelle -- XX.1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle -- XX.2. Bilineare Prozesse -- XX.3. Random Coefficient Autoregressive Modelle -- XX.4. TARMA-Modelle -- XX.5. CTARMA-Modelle -- Literatur -- Index: Economics Distribution (Probability theory) Economics / Statistics Econometrics Economics/Management Science Probability Theory and Stochastic Processes Statistics for Business/Economics/Mathematical Finance/Insurance Management Statistik Wirtschaft Zeitreihenanalyse (DE-588)4067486-1 gnd rswk-swf 1\p (DE-588)4123623-3 Lehrbuch gnd-content Zeitreihenanalyse (DE-588)4067486-1 s 2\p DE-604 https://doi.org/10.1007/978-3-642-56709-4 Verlag Volltext 1\p cgwrk 20201028 DE-101 https://d-nb.info/provenance/plan#cgwrk 2\p cgwrk 20201028 DE-101 https://d-nb.info/provenance/plan#cgwrk |
| spellingShingle | Stier, Winfried Methoden der Zeitreihenanalyse I. Elementare Zeitreihenanalyse -- I.1. Definitionen, Grundkonzepte, Beispiele -- I.2. Das traditionelle Zeitreihen-Komponentenmodell -- II. Einfache Saisonbereinigungsverfahren -- II.1. Saisonbereinigung im additiven Komponentenmodell bei konstanter Saisonfigur -- II.2. Saisonbereinigung im additiven Komponentenmodell bei variabler Saisonfigur -- II.3. Einige praktische Probleme der Saisonbereinigung -- III. Elementare Filter-Operationen -- IV. Prognosen auf der Basis von Exponential-Smoothing-Ansätzen -- IV.1. Vorbemerkungen -- IV.2. Einfaches Exponential-Smoothing -- IV.3. Exponential-Smoothing nach Holt -- IV.4. Exponential-Smoothing nach Winters -- IV.5. Ergänzende Bemerkungen zum Exponential-Smoothing -- V. Grundzüge der Theorie der stochastischen Prozesse -- V.1. Zufallsvariable und Zufallsvektoren -- V.2. Stochastische Prozesse -- V.3. Stationäre Stochastische Prozesse -- V.4. Spezielle stationäre Prozesse -- VI. Vektorielle stochastische Prozesse -- VI.1. Grundlagen -- VI.2. VAR-Prozesse -- VII. Schätzprobleme bei stochastischen Prozessen -- VII.1 Schätzen von Parametern und Momentfunktionen univariater Prozesse -- VII.2 Parameterschätzung vektorieller Prozesse -- VII. Identifikation stochastischer Prozesse -- VIII.1. Identifikation univariater ARMA- und ARIMA-Prozesse -- VIII.2. Identifikation vektorieller ARMA- und ARIMA-Prozesse -- IX. Modelldiagnose -- IX.1 Modelldiagnose bei univariaten ARMA- und ARIMA-Modellen -- IX.2 Modelldiagnose bei vektoriellen ARMA- und ARIMA-Prozessen -- X. Ausrei?er-Analyse -- X.1. Grundlagen und Beispiele -- X.2. Additive und innovative Ausrei?er und ihre Bestimmung -- XI. Prognosen mit ARMA- und ARIMA-Modellen -- XI.1. Prognosen mit univariaten ARMA- und ARIMA-Modellen -- XI.2. Prognosen mit vektoriellen ARMA- und ARIMA-Prozessen -- XII. Transferfunktionen (ARMAX)-Modelle -- XII.1 Transferfunktionen-Modelle mit einer Input-Variablen -- XII.2. Transferfunktionen mit mehreren Inputs -- XIII. Strukturelle Komponentenmodelle -- XIII.1 Einleitung -- XIII.2 Modellierung der Komponenten -- XIII.3. Das ?Basic Structural Model? nach Harvey -- XIII.4. Strukturelle Komponentenmodelle und ARIMA-Modelle -- XIII.5. Parameterschätzung bei strukturellen Komponentenmodellen -- XIII.6. Beispiel -- XIII.7. Abschlie?ende Bemerkungen -- XIV. Grundzüge der Spektralanalyse -- XIV.1. Vorbemerkungen -- XIV.2. Spektren stationärer Prozesse -- XIV.3 Schätzung eines Spektrums -- XIV.4 Spektralanalyse und Saisonalität -- XV. Saisonbereinigungsverfahren und Probleme der Saisonbereinigung -- XV.1. Einleitung -- XV.2. Bemerkungen zu einfachen Saisonbereinigungsverfahren und einigen Grundproblemen der Saisonbereinigung -- XV.3. Spezielle Saisonbereinigungsverfahren -- XV.4. Ein Verfahren auf der Basis von ARIMA-Modellen: SEATS -- XV.5. Weitere Verfahren -- XV.6. Saisonbereinigung als Filter-Design-Problem -- XV.7. Zum Vergleich von Saisonbereinigungsverfahren -- XVI. Grundzüge der Theorie digitaler Filter -- XVI.1. Grundlagen -- XVI.2. Elemente der z-Transformation -- XVI.3. Grundbegriffe der Filtertheorie -- XVII. Konstruktionsmethoden für digitale Filter -- XVII.1 Konstruktionsmethoden für FIR-Filter -- XVII.2. FIR-Fenster-Filter -- XVII.3. Modifizierte FIR-Fenster-Filter -- XVII.4. Optimale FIR-Filter -- XVII.5. Konstruktion von IIR-Filtern -- XVII.6. Filtern im Frequenzbereich -- XVIII. Unit-roots und Unit-root-Tests -- XVIII.1. Vorbemerkungen -- XVIII.2. Differenzen-Stationäre versus Trend-Stationäre Prozesse -- XVIII.3. Trendbereinigung bei DS- und TS-Prozessen -- XVIII.4. Unit-root-Test -- XIX. Kointegration -- XIX.1. Grundlagen -- XIX.2. Full-Information Maximum-Likelihood-Analyse kointegrierter Systeme -- XX. Nicht-lineare Zeitreihenmodelle -- XX.1. Modellierung von Heteroskedastizität (ARCH-GARCH-Modelle -- XX.2. Bilineare Prozesse -- XX.3. Random Coefficient Autoregressive Modelle -- XX.4. TARMA-Modelle -- XX.5. CTARMA-Modelle -- Literatur -- Index: Economics Distribution (Probability theory) Economics / Statistics Econometrics Economics/Management Science Probability Theory and Stochastic Processes Statistics for Business/Economics/Mathematical Finance/Insurance Management Statistik Wirtschaft Zeitreihenanalyse (DE-588)4067486-1 gnd |
| subject_GND | (DE-588)4067486-1 (DE-588)4123623-3 |
| title | Methoden der Zeitreihenanalyse |
| title_auth | Methoden der Zeitreihenanalyse |
| title_exact_search | Methoden der Zeitreihenanalyse |
| title_full | Methoden der Zeitreihenanalyse von Winfried Stier |
| title_fullStr | Methoden der Zeitreihenanalyse von Winfried Stier |
| title_full_unstemmed | Methoden der Zeitreihenanalyse von Winfried Stier |
| title_short | Methoden der Zeitreihenanalyse |
| title_sort | methoden der zeitreihenanalyse |
| topic | Economics Distribution (Probability theory) Economics / Statistics Econometrics Economics/Management Science Probability Theory and Stochastic Processes Statistics for Business/Economics/Mathematical Finance/Insurance Management Statistik Wirtschaft Zeitreihenanalyse (DE-588)4067486-1 gnd |
| topic_facet | Economics Distribution (Probability theory) Economics / Statistics Econometrics Economics/Management Science Probability Theory and Stochastic Processes Statistics for Business/Economics/Mathematical Finance/Insurance Management Statistik Wirtschaft Zeitreihenanalyse Lehrbuch |
| url | https://doi.org/10.1007/978-3-642-56709-4 |
| work_keys_str_mv | AT stierwinfried methodenderzeitreihenanalyse |