Zusammenfassung
In diesem Kapitel werden die verschiedenen Arten von Regimewechselmodellen anhand ihrer wichtigsten Charakteristika erläutert. Sie werden mit alternativen Modelltypen verglichen und in verschiedene Konzepte der Modellierung mit variablen Parametern eingeordnet. Anhand von veröffentlichten empirischen Untersuchungen wird das weitreichende Spektrum ökonomischer Anwendungsbeispiele beschrieben.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Eine Ausnahme bildet Lodeke [1973], sowie Lodeke, Hummel und Rodel [1989], S. 114 ff., im Kontext variabler Parameter. Zu dem Zusammenhang zwischen Regimewechselmodellen und Modellen mit variablen Parametern vgl. Kapitel 2.4.1.
Beispiele hierfür stellen Garcia und Perron [1996] oder Sichel [1994] dar.
Beispiele fir bivariate (Markov-)Modelle finden sich in Phillips [1991].
Zu STAR-Modellen vgl. z.B. Granger und Terasvirta [1993], Terasvirta [1994] und Terasvirta, Tjostheim und Granger [1994].
Die erste Untersuchung dieser Verteilungen stammt von K. PEARSON [1894], der die Parameter von Mischungsverteilungen für verschiedene Größenmaße von Krebsen (u.a. Kopfgrößen und Zahnabstände) mit Hilfe der Methode der Momente schätzte.
Zu Mischungsverteilungen vgl. Everitt und Hand [1981] und TI Terington, Smith und Makov [1985]. Die entsprechenden Regressions-und Zeitreihenmodelle werden in der Literatur gelegentlich auch als simple switching models oder i. id-switching models bezeichnet.
Mischungsverteilungen in diesem Zusammenhang verwenden z.B. Fielitz und Rozelle [1983], Pan, Chan und Fok [1995] oder Hall [1996].
Verallgemeinerungen auf mehr als zwei Zustände wären denkbar. Die Untersuchungen weisen jedoch darauf hin, daß zusätzliche Zustände den Erklärungsgehalt der Modelle nicht erhöhen, vgl. z.B. Kaehler und Marnet [ 1994 ], S. 209.
Vgl. z.B. und Mittnik und Rachev [19931 - Weitere in diesem Kontext verwendete Verteilungen sind Student-Verteilungen (vgl. z.B. Praetz [1972]), verallgemeinerte Student-Verteilungen (vgl. z.B. Lye, Martin und Teo [1998]) und hyperbolische Verteilungen (vgl. Z.B. Eberlein und Keller [1995] und Eberlein, Keller und Prause [1998]).
Vgl. etwa Kon [1984] und Boothe und Glassman [1987]. Diese Arbeiten weisen allerdings einige methodische Unzulänglichkeiten auf, vgl. dazu Fußnote 150 auf S. 98.
Vgl. hierzu auch Lee und Porter [1984].
Vgl. hierzu auch Ferri und Greenberg [1992] und Lahiri und Wang [1994].
Vgl. z.B. Kaehler und Marnet [1994], S. 214 ff. Far die dort untersuchten Tages-und Wochenrenditen von vier Wechselkursen sind diese Wahrscheinlichkeiten durchgängig größer als 0,89.
Vgl. Z.B. Bollerslev, Chou und Kroner [1992] oder Bollerslev, Engle und Nelson [ 1994 ].
Man kann eine Markov-Kette höherer Ordnung auffassen als eine Markov-Kette erster Ordnung mit passend vergrößertem Zustandsraum. Deswegen sind die in diesen Modellen zusätzlich auftretenden methodischen Schwierigkeiten dieselben wie far Markov-Modelle mit mehr als zwei Zuständen, vgl. z.B. Friedmann [ 1994 ].
Die Variable u t ist in Lodeke, Hummel und Rodel [1989] homoskedastisch.
Vg. hierzu Hamilton [1994a], S. 3062 ff., oder Krolzig [1997], S. 29 ff.
Vgl. hierzu z.B. Karlin und Taylor [1975] oder Hamilton [1994b], Kap. 22.2.
Rights and permissions
Copyright information
© 1999 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Knüpling, F. (1999). Regimewechselmodelle. In: Regimewechselmodelle. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08918-6_2
Download citation
DOI: https://doi.org/10.1007/978-3-663-08918-6_2
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7039-6
Online ISBN: 978-3-663-08918-6
eBook Packages: Springer Book Archive