Zeitreihenanalyse in den Wirtschaftswissenschaften

Die Zeitreihenanalyse hat in den letzten Jahrzehnten in den Wirtschaftswissenschaften, vor allem auf den Gebieten der Makro- und Finanzmarktökonomie, enorm an Bedeutung gewonnen. Diese Entwicklung brachte neue, auf die Wirtschaftswissenschaften ausgerichtete Techniken und Methoden mit sich. Hevorzuheben sind insbesondere die Identi?kation Vektor-autoregressiver Prozesse, die Analyse integrierter und kointegrierter Prozesse sowie die Volatilitätsmodelle zur Analyse von Finanzmarktdaten. Nach einer fulminanten Entwicklungsphase scheint mit der V- leihung des Nobelpreises an Clive W. J. GRANGER und Robert F. ENGLE III im Jahr 2003 das Gebiet eine gewisse Reife erlangt zu haben, so dass es angebracht erscheint, die Materie als Lehrbuch aufzubereiten. Dieses Buch richtet sich an Studentinnen und Studenten der Wirtschaftswissenschaften mit Vorkenntnissen in Ökonometrie und eignet sich daher für fortgeschrittene Bachelor- oder Master- Studierende. Es versucht, diesem Kreis einen fundierten Einblick in eine rasch wachsende Li- ratur zu bieten, um ihn so in die Lage zu versetzen, den Anschluss an die laufende Forschung zu ?nden. Dieses Ziel verlangt einen gewissen mathematischen Aufwand. Zwar verzichtet das Buch über weite Strecken auf Beweise, vor allem dann wenn Kenntnisse der Wahrscheinli- keitstheorie vorausgesetzt werden, doch wurden die verwendeten Konzepte, De?nitionen und Theoreme rigoros formuliert, so dass das Buch als Ausgangspunkt für weitergehende Studien der forschungsorientierten empirischen Literatur dienen kann. Das Buch gliedert sich in zwei Teile. Der erste Teil behandelt die univariate Zeitreihenanalyse, während der zweite Teil der multivariaten Zeitreihenanalyse gewidmet ist. Jeder der beiden Teile ist autonom und kann, bis auf wenige Ausnahmen,unabhängig voneinander behandelt werden.

Zeitreihen richtig analysieren

Autorentext

Prof. Dr. Klaus Neusser, Universität Bern

Klappentext

Ob Kursentwicklungen von Aktien oder Anleihen, die Entwicklung des Bruttoinlandsproduktes, die Inflationsrate oder die Arbeitslosenquote, die Wirtschaftsseiten der Zeitungen sind voll von Zeitreihen. Wie man solche Zeitreihen analysiert, Muster und Regelmäßigkeiten erkennt und Prognosen für die zukünftige Entwicklung erstellt, zeigt Ihnen dieses Buch.
Der Text der 2. Auflage wurde gründlich überarbeitet und ein Kapitel über den "Kalman Filter" wurde hinzugefügt. Das Buch ist lernfreundlich aufbereitet und enthält Aufgaben mit Lösungen.

Inhalt
Univariate Zeitreihenanalyse.- Einführung und grundlegende theoretische Konzepte.- Modelle für stationäre Zeitreihen (ARMA-Modelle).- Schätzung von Mittelwert und Autokovarianzfunktion.- Prognose einer stationären Zeitreihe.- Die partielle Autokorrelationsfunktion (PACF).- Schätzung von ARMA-Modellen.- Integrierte Prozesse.- Modelle der Volatilität.- Multivariate Zeitreihenanalyse.- Definitionen und Stationarität.- Schätzung von Mittelwert und Kovarianzfunktion.- Stationäre Zeitreihenmodelle: Vektor-autoregressive Moving-average-Prozesse (VARMA-Prozesse).- Prognose mittels VAR-Modellen.- Die Schätzung Vektor-autoregressiver Modelle.- Interpretation und Identifikation von VAR-Modellen.- Kointegration.- Zustandsraummodelle und der Kalman-Filter.