Porovnání metod pro odhad omezených veličin s aplikací na ekonomická data
Porovnání metod pro odhad omezených veličin s aplikací na ekonomická data
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/55323Identifikátory
SIS: 127718
Kolekce
- Kvalifikační práce [10691]
Autor
Vedoucí práce
Konzultant práce
Cipra, Tomáš
Oponent práce
Hlávka, Zdeněk
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Pravděpodobnost, matematická statistika a ekonometrie
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
10. 5. 2013
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
stavový model, stavové omezení, Kalmanův filtr, omezený šum, Particle filtr, porovnání metodKlíčová slova (anglicky)
State-Space Model, State Constraints, Kalman Filter, Bounded Noise, Particle Filter, Method ComparisonDiplomová práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru, jeho rozšířením do nelineární podoby a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod Particle filtrů využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje nezáporné omezení úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány.
The thesis introduces an overview of techniques for filtering of unobserved variables using a state-space representation of a model and state inequality constraints. It is mainly aimed at a derivation of the linear Kalman filter, its extension into a form of a non-linear filter and imposing state constraints. The state uniform model with noise bounds and the sequential importance sampling, as a method of particle filters using Monte Carlo simulations, are described as alternative methods. These three methods are applied on a simple semi-structural model for a monetary policy analysis. The filtration is based on Czech macroeconomic data and reflects an imposed non-negative state constraint on the interest rate. Results of the algorithms are compared and discussed.