Automatic trend estimation (eBook)
X, 131 Seiten
Springer Netherland (Verlag)
978-94-007-4825-5 (ISBN)
Vamos is Scientific researcher II at 'Tiberiu Popoviciu' Institute of Numerical Analysis (Romania). His interests are on time series theory and quantitative finance.
Craciun is Scientific researcher III at 'Tiberiu Popoviciu' Institute of Numerical Analysis (Romania). Her interests are on time series theory and quantitative finance.
Our book introduces a method to evaluate the accuracy of trend estimation algorithms under conditions similar to those encountered in real time series processing. This method is based on Monte Carlo experiments with artificial time series numerically generated by an original algorithm. The second part of the book contains several automatic algorithms for trend estimation and time series partitioning. The source codes of the computer programs implementing these original automatic algorithms are given in the appendix and will be freely available on the web. The book contains clear statement of the conditions and the approximations under which the algorithms work, as well as the proper interpretation of their results. We illustrate the functioning of the analyzed algorithms by processing time series from astrophysics, finance, biophysics, and paleoclimatology. The numerical experiment method extensively used in our book is already in common use in computational and statistical physics.
Vamos is Scientific researcher II at "Tiberiu Popoviciu" Institute of Numerical Analysis (Romania). His interests are on time series theory and quantitative finance. Craciun is Scientific researcher III at "Tiberiu Popoviciu" Institute of Numerical Analysis (Romania). Her interests are on time series theory and quantitative finance.
Discrete stochastic processes and time series.- Trend definition.- Finite AR(1) stochastic process.- Monte Carlo experiments. - Monte Carlo statistical ensembles.- Numerical generation of trends.- Numerical generation of noisy time series.- Statistical hypothesis testing.- Testing the i.i.d. property.- Polynomial fitting.- Linear regression.- Polynomial fitting.- Polynomial fitting of artificial time series.- An astrophysical example.- Noise smoothing.- Moving average.- Repeated moving average (RMA).- Smoothing of artificial time series.- A financial example.- Automatic estimation of monotonic trends.- Average conditional displacement (ACD) algorithm.- Artificial time series with monotonic trends.- Automatic ACD algorithm.- Evaluation of the ACD algorithm.- A paleoclimatological example.- Statistical significance of the ACD trend.- Time series partitioning.- Partitioning of trends into monotonic segments.- Partitioning of noisy signals into monotonic segments.- Partitioning of a real time series.- Estimation of the ratio between the trend and noise.- Automatic estimation of arbitrary trends.- Automatic RMA (AutRMA).- Monotonic segments of the AutRMA trend.- Partitioning of a financial time series.
| Erscheint lt. Verlag | 14.9.2012 |
|---|---|
| Reihe/Serie | SpringerBriefs in Physics | SpringerBriefs in Physics |
| Zusatzinfo | X, 131 p. 77 illus. |
| Verlagsort | Dordrecht |
| Sprache | englisch |
| Themenwelt | Informatik ► Grafik / Design ► Digitale Bildverarbeitung |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Naturwissenschaften ► Physik / Astronomie ► Allgemeines / Lexika | |
| Naturwissenschaften ► Physik / Astronomie ► Theoretische Physik | |
| Naturwissenschaften ► Physik / Astronomie ► Thermodynamik | |
| Technik | |
| Schlagworte | Automatic Estimation of Trends • Average Conditional Displacement • Discrete Stochastic Processes • Monte Carlo Experiment • Noise Smoothing • Noisy Time Series • Polynomial Fitting • Time Series Partitioning • Trend Estimation Algorithms |
| ISBN-10 | 94-007-4825-6 / 9400748256 |
| ISBN-13 | 978-94-007-4825-5 / 9789400748255 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 4,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
