Dense zeros
Husté nuly
diploma thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/190631Identifiers
Study Information System: 250888
Collections
- Kvalifikační práce [11217]
Author
Advisor
Referee
Cipra, Tomáš
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Financial and insurance mathematics
Department
Department of Probability and Mathematical Statistics
Date of defense
10. 6. 2024
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
English
Grade
Excellent
Keywords (Czech)
stochastické procesy|časové řady|modely podmíněné heteroskedasticity|modely multiplikativních chyb|GARCH|MEM|závislé nuly|nezáporná pozorování|řídká kladná pozorováníKeywords (English)
stochastic processes|time series|conditional heteroscedasticity models|multiplicative errors models|GARCH|MEM|dependent zeros|non-negative observations|sparse positive observationsTento výzkum se zaměřuje na speciální typ dat časových řad, kde je významný podíl hodnot rovných nule. Cílem je vytvořit statistický model, který přesně zachycuje chování těchto dat. Prostřednictvím zkoumání stávajících teorií o GARCH a MEM modelech jsou navrženy nové modely spolu s odvozením jejich důležitých teoretických vlastností. Pro posouzení jejich účinnosti jsou tyto modely testovány na reálných datech. Toto hodnocení odhaluje, že každý model má své vlastní silné a slabé stránky. Celkové výsledky jsou však nadějné, prokazují platnost modelů a jejich využitelnost v praxi a otevírají dveře pro další výzkum v této oblasti. 1
This research focuses on a special type of time series data where a significant propor- tion of values is zero. The aim is to develop a statistical model that accurately captures the behavior of such data. By exploring existing theories on GARCH and MEM models, new models together with derivation of important theoretical properties are proposed. To assess their effectiveness, they are tested on real-world data. This evaluation reveals that each model has its own strengths and weaknesses. The overall results are promis- ing, proving the models' validity and real-world applicability, opening doors for further exploration in this area. 1