Zeitvarianz-ARIMA-Modell (TVP-ARIMA)
Das zeitvariante Parameter-ARIMA-Modell erweitert den klassischen ARIMA-Rahmen, indem es zulässt, dass sich seine autoregressiven und gleitenden Durchschnittskoeffizienten im Laufe der Zeit entwickeln, anstatt fix zu bleiben. In Zustandsraumform gegossen und mittels des Kalman-Filters geschätzt, ist es für ökonomische und finanzielle Zeitreihen konzipiert, deren dynamische Struktur sich als Reaktion auf strukturelle Brüche, politische Änderungen oder Regimewechsel verschiebt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521405737
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the Presence of Stochastic Parameter Variation. Econometrica, 44(1), 167–184. DOI: 10.2307/1911389 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Time-Varying Parameter Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/de/econometrics/time-varying-parameter-arima-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ARIMA-Modell (Autoregressives integriertes gleitendes Durchschnittsmodell)Ökonometrie↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Zustandsraummodell (Kalman-Filter)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →