Schade – dieser Artikel ist leider ausverkauft. Sobald wir wissen, ob und wann der Artikel wieder verfügbar ist, informieren wir Sie an dieser Stelle.
  • Format: PDF

Studienarbeit aus dem Jahr 2013 im Fachbereich BWL - Investition und Finanzierung, Note: 1,3, FernUniversität Hagen, Veranstaltung: Seminar, Sprache: Deutsch, Abstract: Zeitreihen kommt in der Forschung eine zentrale Bedeutung zu. Sie zeigen den Verlauf zeitlich geordneter Beobachtungswerte und werden analysiert, um zukünftige Ereignisse besser vorherzusagen. Weiterhin kann man zwei oder mehrere Zeitreihen auf Zusammenhänge untersuchen und so Prognosen erstellen. Betrachtet man die Zeitreihen Konsum und Einkommen, so stellt man intuitiv fest, dass beide zusammenhängen. Die Veränderung der…mehr

Produktbeschreibung
Studienarbeit aus dem Jahr 2013 im Fachbereich BWL - Investition und Finanzierung, Note: 1,3, FernUniversität Hagen, Veranstaltung: Seminar, Sprache: Deutsch, Abstract: Zeitreihen kommt in der Forschung eine zentrale Bedeutung zu. Sie zeigen den Verlauf zeitlich geordneter Beobachtungswerte und werden analysiert, um zukünftige Ereignisse besser vorherzusagen. Weiterhin kann man zwei oder mehrere Zeitreihen auf Zusammenhänge untersuchen und so Prognosen erstellen. Betrachtet man die Zeitreihen Konsum und Einkommen, so stellt man intuitiv fest, dass beide zusammenhängen. Die Veränderung der einen Variablen führt zu einer Veränderung der anderen. Mit dem Klassischen Modell der linearen Regression kann man eine mögliche Korrelation zwischen den Variablen untersuchen. Das erfordert aber, dass die Zeitreihen stationär sind. Da ökonomische Zeitreihen typischerweise nichtstationär sind, müssen Differenzen gebildet werden, um Stationarität zu erlangen. Anderenfalls kann es zu Scheinzusammenhängen führen. Durch die Differenzenbildung kommt es zum Verlust von Informationen, daher liefert diese Methode keine zuverlässigen Aussagen. R. F. Engle und C. Granger haben ein Modell entwickelt, welches unter bestimmten Umständen ermöglicht, nichtstationäre Zeitreihen im Rahmen des klassischen Modells der linearen Regression zu verwenden, ohne dass Informationen verloren gehen. Außerdem haben die beiden Forscher erkannt, dass sich jedes Kointegrationsmodell als Fehlerkorrekturmodell darstellen lässt und umgekehrt. Damit gelang es der Forschung langfristige und kurzfristige Beziehungen zwischen Zeitreihen zu analysieren. Das Werk mit dem Titel "Co-Integration and Error Correction: Representation, Estimation, and Testing" ist Hauptgegenstand der vorliegenden Arbeit. Zunächst werden die Grundbegriffe Stationarität, Integration und Scheinregression geklärt. Im dritten Kapitel erfolgt eine Auseinandersetzung mit den Begriffen Kointegration und Fehlerkorrektur. Dabei wird im ersten Abschnitt das Kointegrationskonzept vorgestellt. Es folgt eine kurze Betrachtung des Granger-Repräsentationstheorems. Im Anschluss wird das Fehlerkorrekturmodell ausführlich vorgestellt, außerdem werden Testverfahren über das Vorliegen von Kointegration erörtert. Kapitel 4 gibt Aufschluss über die Erweiterungen des Kointegrationskonzeptes. Desweiteren wird auch auf die Bedeutung der Kointegration und ihrer Anwendungsgebiete eingegangen.

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.