Dense zeros
Husté nuly
diplomová práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/190631Identifikátory
SIS: 250888
Kolekce
- Kvalifikační práce [11325]
Autor
Vedoucí práce
Oponent práce
Cipra, Tomáš
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční a pojistná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
10. 6. 2024
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
stochastické procesy|časové řady|modely podmíněné heteroskedasticity|modely multiplikativních chyb|GARCH|MEM|závislé nuly|nezáporná pozorování|řídká kladná pozorováníKlíčová slova (anglicky)
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