Samenvatting
EMF Samenvatting Part 3
- Instelling
- Tilburg University (UVT)
Part 3 van EMF voor master finance studenten aan Tilburg University.
[Meer zien]Voorbeeld 2 van de 25 pagina's
Voorbeeld 2 van de 25 pagina's
In winkelwagengesponsord bericht van onze partner
Voorbeeld van de inhoud
Part 3: Time SeriesForecasting: science and art to predict future event with degree of accuracy.
Science: statistical and mathematical methods to discover patterns in
historical data, time dependence is key to making statements about future
(time series).
Art: statistical methods depend on set of assumptions, models are limited
representations of economic and business environments: experience and
judgment of forecaster plays role.
Accuracy: don’t expect forecast to be exactly accurate in mathematical
sense (hitting exact future value of variable of interest), forecasts offer
measure of uncertainty of prediction (interval).
Types of forecast:
1. Event forecast: refers to future occurrence of outcome and/or timing of
such occurrence.
2. Time series forecast: use of time series information in prediction of
variable of interest.
a. Time series: sequence of numerical values ordered according to
time, exhibit one or several of these three categories:
i. Trend: when time series evolves slowly and smoothly over
time.
ii. Cycles: when time series exhibits periodic fluctuations.
iii. Seasonality: cycle, when specific fluctuations occur within
calendar year (activities that peak in summer months).
Order is important: variable is growing/decreasing in time: use past
to predict future. In cross sectional order isn’t important (doesn’t
matter which observation first). Important to tell Stata you’re
working with time series (order matters).
Basic notations:
Object to Time series { yt }
analyze
Value at Known value yt
present of series
time t
Future at Random Y t +h If you are in 1993,
time t+ h variable the value in 1994 is
a random variable.
Value at Unknown y t +h
future time value of
t+ h random
variable
Collection of Univariate It = { y1 , y2 , … , yt } y 1 is value linked
information information to first point in time,
set I t = { y 1 , y 2 , … , y t , x1 , x 2 , … , xt } y t is value linked
Multivariate to last point in time.
information
set
Final Forecast
objective 1-step f t ,1
ahead f t ,h
h -step
, ahead
Uncertainty Forecast error e t , h= y t +h−f t , h
Density forecast: conditional probability
Interval forecast
Density forecast
density function of
yt Yt h
0 1 2
. .
. ……………..
t
.
Point forecast
t+h
f
time
t ,h
Information set
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper LVermunt. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 48298 samenvattingen verkocht
Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen