Extreme Value Theory for Time Series
Models with Power-Law Tails
Sorozatcím: Springer Series in Operations Research and Financial Engineering;
-
12% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 181.89
-
76 775 Ft (73 119 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 12% (cc. 9 213 Ft off)
- Kedvezményes ár 67 562 Ft (64 345 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
76 775 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 2024
- Kiadó Springer Nature Switzerland
- Megjelenés dátuma 2024. augusztus 3.
- Kötetek száma 1 pieces, Book
- ISBN 9783031591556
- Kötéstípus Keménykötés
- Terjedelem766 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk XVI, 766 p. 83 illus., 81 illus. in color. Illustrations, black & white 702
Kategóriák
Hosszú leírás:
This book deals with extreme value theory for univariate and multivariate time series models characterized by power-law tails. These include the classical ARMA models with heavy-tailed noise and financial econometrics models such as the GARCH and stochastic volatility models.
Rigorous descriptions of power-law tails are provided through the concept of regular variation. Several chapters are devoted to the exploration of regularly varying structures.
The remaining chapters focus on the impact of heavy tails on time series, including the study of extremal cluster phenomena through point process techniques.
A major part of the book investigates how extremal dependence alters the limit structure of sample means, maxima, order statistics, sample autocorrelations.
This text illuminates the theory through hundreds of examples and as many graphs showcasing its applications to real-life financial and simulated data.
The book can serve as a text for PhD and Master courses on applied probability, extreme value theory, and time series analysis.
It is a unique reference source for the heavy-tail modeler. Its reference quality is enhanced by an exhaustive bibliography, annotated by notes and comments making the book broadly and easily accessible.
Több
Tartalomjegyzék:
Introduction.- Part 1 Regular variation of distributions and processes.- 2 The iid univariate benchmark.- 3 Regularly varying random variables and vectors.- 4 Regularly varying time series.- 5 Examples of regularly varying stationary processes.- Part 2 Point process convergence and cluster phenomena of time series.- 6 Clusters of extremes.- 7 Point process convergence for regularly varying sequences.- 8 Applications of point process convergence.- Part 3 Infinite variance central limit theory.- 9 Infinite-variance central limit theory.- 10 Self-normalization, sample autocorrelations and the extremogram.- Appendix A Point processes.- Appendix B Univariate regular variation.- Appendix C Vague convergence.- Appendix D Tools.- Appendix E Multivariate regular variation – supplementary results.- Appendix F Heavy-tail large deviations for sequences of independent random variables and vectors, and their applications.-references.- index.- List of abbreviations and symbols.
Több
