Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Modelli parametrici non-lineari e reti neurali artificiali per l'analisi delle serie storiche finanziarie

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

lineari che, chiaramente, una classe di modelli come ad esempio quella ARMA non e` in grado di fare. A tutto cio` si aggiunga che una mole sem- pre crescente di studi empirici (vedi tabella a pag. 4) conferma l’ipotesi che numerose serie storiche economiche ed in particolare le serie storiche finanziarie non siano interpretabili alla luce dei modelli lineari (specie per quanto riguarda la componente della volatilita`, che solitamente non e` stazionaria. Si parla al riguardo di eteroschedasticita`). Volendo effettuare una classificazione dei modelli non lineari (che come tutte le classificazioni e` un po’ semplicistica) possiamo dividere tale modellistica in due categorie principali, che saranno oggetto dei capitoli seguenti: • Modelli che spiegano la non linearita`inmedia • Modelli che spiegano la non linearita` in varianza. Fra i primi possiamo elencare, ad esempio, i modelli autoregressivi non lineari (NLAR, NonLinear AutoRegressive (Jones, 1987)), i modelli a soglia (SETAR, Self-Exciting Threshold AutoRegressive (Tong & Lim, 1980)), gli autoregressivi esponenziali (EXPAR, EXPonential AutoRe- gressive(Ozaki, 1982)). Fra i secondi, i modelli Auto Regressive Conditionally Heteroscedasticity (ARCH) di Engle (1982), Generalized ARCH (GARCH) di Bollerslev (1986), Threshold GARCH (Glosten, Jagannathan, & Runkle, 1993), Exponential GARCH (Nelson, 1991) ed altri ancora. I modelli relativi alla non linearita` in media si adattano bene a mo- dellare i redimenti delle serie finanziarie, mentre quelli che spiegano la nonlinerita` in varianza sono chiaramente piu` adatti per modellare la volatilita`. 1.1 Test di linearita` Alla luce di quando detto finora, appare chiaro come il primo passo da compiere nel tentativo di specificare il modello sottostante ad una serie di dati, sia quello di effettuare un test di linearita`(eci`o puo` anche essere fatto, dopo aver stimato il modello, sulla serie dei residui per capire quanto il modello adottato colga l’essenza del fenomeno). Infatti 10

Anteprima della Tesi di Costantino Cerbo

Anteprima della tesi: Modelli parametrici non-lineari e reti neurali artificiali per l'analisi delle serie storiche finanziarie, Pagina 10

Tesi di Laurea

Facoltà: Economia

Autore: Costantino Cerbo Contatta »

Composta da 201 pagine.

 

Questa tesi ha raggiunto 4146 click dal 20/03/2004.

 

Consultata integralmente 10 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.