Lecturer Ștefan Virgil IACOB PhD (stefaniacob79@yahoo.com)
,,Artifex” University of Bucharest
Ștefan Gabriel DUMBRAVĂ PhD Student (stefan.dumbrava@gmail.com)
Bucharest University of Economic Studies
Abstract
Modelele care se bazează pe cadre în timp continuu sunt deosebit de importante. De aceea, în această perspectivă trebuie avută în vedere în primul rând modelarea autocorelațiilor în zgomotul estimat. În literatura de specialitate intervine termenul de zgomot alb alte posibilități de a interpreta situația din portofoliul analizat.
Se utilizează de regulă progresul autoregresiv AR pentru modelarea zgomotului exprimat. În cadrul modelelor privind portofoliile, se pune problema eliminării autocorelației și de aceea este necesară introducerea unui decalaj ca o variabilă explicativă.
În modelarea reziduului în zgomotul estimat încercăm să exprimăm posibilitatea de influență pe care ar presupune-o existența acestui model. Identificarea modelului prin metodologia Box-Jenkins, arată că trebuie parcurși mai mulți pași în alegerea unui model preliminar în funcție de modelul de autocorelare și de asemenea trebuie calculați parametri p,q cei care estimează influența pe care o au factorii considerați.
Autocorelațiile normalizate sunt utilizate pentru intervalul [-2,2], deoarece distribuțiile zgomotului se regăsesc în această limită interpretativă a acestui model.
Cuvinte cheie: variabilă, reziduu, zgomot, model, timp continuu, eroare, funcție, rate pe termen scurt.
Clasificarea JEL: C52, E40
CONTINUOUS TIME FRAME IMPROVEMENT MODELS
Abstract
The models that are based on continuous time frames are particularly important. Therefore, in this perspective, the modeling of the autocorrelations in the estimated noise must be considered in the first place. In the specialized literature, the term white noise intervenes other possibilities to interpret the situation in the analyzed portfolio.
Usually the autoregressive AR progress is used to model the expressed noise. Within portfolio models, the problem of eliminating autocorrelation is posed and therefore it is necessary to introduce a gap as an explanatory variable.
In modeling the residue in the estimated noise we try to express the possibility of influence that the existence of this model would imply. The identification of the model using the Box-Jenkins methodology shows that several steps must be taken in choosing a preliminary model according to the autocorrelation model and also p, q parameters that estimate the influence of the considered factors must be calculated.
Normalized autocorrelations are used for the interval [-2,2], because the noise distributions are within this interpretive limit of this model.
Keywords: variable, residue, noise, model, continuous time, error, function, short-term rates
JEL classification: C52, E40
