Results found: 2

Search results

Search:
in the keywords: miara zależności

Sort By:

Limit search:

Modelowanie struktur zależności za pomocą funkcji połączeń w analizie ryzyka ubezpieczyciela

100%

Wanat S., Uniwersytet Ekonomiczny w Krakowie; Wydział Zarządzania; Katedra Statystyki

Acta Universitatis Lodziensis. Folia Oeconomica

2011

vol. 254

This paper aims to present copulas, as a modeling tool which will give the 'richer' dependency structures than the use of linear correlation. The paper presents definitions and basic properties of the copula function. Discusses its relationship with the basic types of dependencies used in risk management i.e. comonotonicity, countermonotonicity, independence and linear dependence and the basic measures of dependence (Pearson's correlation, Kendall's rank correlation, Spearman's rank correlation, Blomqvist's beta, upper (lower) tail dependence parameter). Then selected family of copulas have been characterized and is an example of construction of two-dimensional dis- tribution, where the marginal distributions are known and the Kendall's rank correlation between them. Calculations and graphs were performed using the package „R”.

Hidden Markov Models as a Tool for the Assessment of Dependence of Phenomena of Economic Nature

81%

Bernardelli M.

Acta Universitatis Lodziensis. Folia Oeconomica

2018

vol. 5

issue 338

7-20

Ocena zależności między szeregami czasowymi jest zagadnieniem, które jest często rozwiązywane za pomocą współczynnika korelacji Pearsona. Niestety, czasami wyniki mogą być bardzo mylące. W artykule przedstawiono alternatywną miarę badania zależności, opartą na ukrytych modelach Markowa oraz ścieżkach Viterbiego. Zaproponowana metoda nie jest uniwersalna, ale wydaje się dość dokładnie odzwierciedlać podobieństwo między szeregami czasowymi, eksponując okresy zbieżności i rozbieżności. Przydatność tej nowej miary została zweryfikowana na przykładach, jak również realnych danych makroekonomicznych. Zaletami tej metody są: słabe założenia stosowalności, łatwość interpretacji wyników, możliwość generalizacji i wysoka skuteczność w ocenie zależności różnych szeregów czasowych o charakterze ekonomicznym. Nie należy jej jednak traktować jako substytutu korelacji Pearsona, a raczej jako uzupełniającą metodę pomiaru zależności.

The assessment of dependence between time series is a common dilemma, which is often solved by the use of the Pearson’s correlation coefficient. Unfortunately, sometimes, the results may be highly misleading. In this paper, an alternative measure is presented. It is based on hidden Markov models and Viterbi paths. The proposed method is in no way universal but seems to provide quite an accurate image of the similarities between time series, by disclosing the periods of convergence and divergence. The usefulness of this new measure is verified by specially crafted examples and real‑life macroeconomic data. There are some definite advantages to this method: the weak assumptions of applicability, ease of interpretation of the results, possibility of easy generalization, and high effectiveness in assessing the dependence of different time series of an economic nature. It should not be treated as a substitute for the Pearson’s correlation, but rather as a complementary method of dependence measure.

Refine search results

2 Acta Universitatis Lodziensis. Folia Oeconomica

1 2018

1 2011

1 Bernardelli M.

1 Uniwersytet Ekonomiczny w Krakowie; Wydział Zarządzania; Katedra Statystyki

1 Wanat S.

Search results

Modelowanie struktur zależności za pomocą funkcji połączeń w analizie ryzyka ubezpieczyciela

Hidden Markov Models as a Tool for the Assessment of Dependence of Phenomena of Economic Nature