Untersuchung zur Parameterschätzung in SETAR-Modellen

Viele Datenreihen (z.B. aus Ökonomie oder Medizin) weisen nichtlineares Verhalten, wie natürliche Sättigungserscheinungen und Zykliken, auf und lassen sich daher durch lineare AR-Modelle nicht hinreichend gut beschreiben. Das SETAR-Modell (self-exciting threshold autoregressive model) bildet diese Eigenschaften besonders gut ab.

Die vorliegende Arbeit ist für den Praktiker geschrieben, der SETAR-Modelle schätzen und mit ihnen Prognosen erstellen will. Die komplizierte Schätzung aller Modellparameter wird in Theorie und Praxis dargelegt, kann aber anhand der beiliegenden Programme, Prozeduren und Beispiele sofort umgesetzt werden. Dabei fließen auch unsere neuen Erkenntnisse auf dem Gebiet der Parameterschätzung ein. ...