Zusammenfassung
Unter einer Zeitreihe ist eine chronologisch geordnete Folge von Beobachtungen einer oder mehrerer sich im Zeitablauf verändernder Variablen zu verstehen. Häufig werden dabei univariate und multivariate Zeitreihen mit stetiger oder diskreter Zeitbetrachtung unterschieden. Bei den klassischen Komponentenmodellen der Zeitreihenanalyse wird eine Zeitreihe in Bewegungskomponenten zerlegt. Diese Komponenten lassen sich in einen Trend, d.h. in eine systematische und langfristige Veränderung des Mittelwertes einer Zeitreihe, in Konjunkturschwankungen, d.h. in langfristige Schwankungen der Beobachtungswerte um den Trend mit einer Periodenlänge von über einem Jahr, in Saisonschwankungen, d.h. in zeitliche Schwan¬kungen mit einer Periodenlänge bis zu einem Jahr und in eine Restkomponente, die alle nichtsystematischen Anteile beinhaltet, unterteilen. Dabei können sie durch additive, multiplikative oder gemischte Modelle miteinander verknüpft werden und bilden somit den Ausgangspunkt fur die Zeitreihenanalyse. Da das dynamische Verhalten der Zeitreihenmodelle im wesentlichen auf stochastischen Einflüssen beruht, sollen diese zunächst beschrieben werden. Anschließend werden die Zeitreihenmodelle, Komponenten und Tests betrachtet, die fur die Kointegrationsanalyse eine wesentliche Bedeutung haben.
„Cointegration has emerged as a powerful technique for investigating common trends in multivariate time series, and provides a sound methodology for modelling both long run and short run dynamics in a systern“,267.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Alexander (1999), S. 1.
Vgl. im folgenden Schlittgen/Streitberg (1999), S. 90 ff., Hamilton (1994), S. 43 ff., Griffiths et al. (1993), S. 645 sowie Poddig et al. (2003), S. 96.
Vgl. Banerjee et al. (1993), S. 307.
Vgl. Doornik/Hendry (1997), S. 131.
Vgl. Granger/Newbold (1974), 113 und Phillips (1986), S. 313.
Vgl. Griffiths et al. (1993), S. 645, Enders (1995), S. 68 ff. und Lütkepohl (1991), S. 19.
Vgl. Schlittgen/Streitberg (1999), S. 100 f.
Zu Untersuchungen von makroökonomischen Zeitreihen vgl. Nelson/Plosser (1982), S. 151 f. und zu Un-tersuchungen von Finanzmarktzeitreihen vgl. Kleidon (1987), S. 953 ff. und Schlittgen/Streitberg (1999), S. 93.
Vgl. Enders (1995), S. 65 f.
Vgl. Hamilton (1994), S. 259.
Vgl. Hamilton (1994), S. 285 f.
Dieses Àquivalenz wird bei Hamilton (1994), S. 285 f. nachgewiesen.
Vgl. Nelson/Plosser (1982), S. 141 f.
Vgl. Hamilton (1994), S. 437.
Vgl. Ljung/Box (1978), S. 297 ff.
Vgl. Dickey/Fuller (1979), S. 427 ff. sowie Dickey/Fuller (1981), S. 1057 ff.
Vgl. Phillips/Perron (1988), S. 335 ff.
Zur Vorgehensweise vgl. Dickey/Pantula (1987), S. 455 ff.
Eine schematische Darstellung fur die Auswahl des verwendeten Regressionsmodells findet sich bei Enders (1995), Appendix I.
Vgl. Greene (2000), S. 776.
Beim Dickey-Fuller-Test werden nicht die üblichen Werte der t-Verteilung verwendet. Die kritischen Werte fur den DF-Test sind bei Fuller (1976), S. 373, Dickey/Fuller (1981), S. 1062 f. und MacKinnon (1991), S. 275 tabelliert.
Vgl. Said/Dickey (1984), S. 599 ff.
Zur Vorgehensweise vgl. Dolado et al. (1990), S. 255 und zur Ausformulierung der Vorgehensweise vgl. Enders (1995), S. 256 ff.
Vgl. Dickey/Pantula (1987), S. 455 ff.
Vgl. Ng/Perron (1995), S. 268 ff. und Enders (1995), S, 227. Andere Ermittlungsmethoden der optimalen Lag-Lange finden sich bei Banerjee et al. (1993), S. 106 ff. und Enders (1995), S. 226 f.
Vgl. Ng/Perron (1995), S. 268 ff. und Enders (1995), S, 227.
Vgl. dazu auch Schwert (1987), S. 73 ff. sowie Pagan/Wickens (1989), S. 968.
Zu den Hypothesentests in diesen drei Fallen vgl. Perron (1989), S. 1364.
Vgl. Schroder (2002), S. 434.
Zum Test der rekursiven Residuen vgl. Darnell (1994), S. 339 ff. und Johnston (1984), Kap. 10.1.
Vgl. Brown et al. (1975), S. 149 ff.
Vgl. EViews 4.1 und Schroder (2002), S. 441.
Vgl. Brown et al. (1975), S. 149 ff.
Vgl. EViews 4.1 und Schroder (2002), S. 442 f.
Zum Chow-Test vgl. Darnell (1994), S. 49 ff., Gujarati (1995), S. 263 f. und Pindyck/Rubinfeld (1998), S. 133 f.
Vgl. Schroder (2002), S. 435.
Vgl.Tschemig(1994), S.2.
Vgl. Box/Jenkins (1976), Griffiths et al. (1993), S. 639 ff. und Pindyck/Rubinfeld (1998), S. 521 ff.
Vgl. Pindyck/Rubinfeld (1998), S. 527, Box/Jenkins (1976), S. 51, Judge et al. (1985), S. 227, Judge et al. (1988), S. 681 sowie Griffiths et al. (1993), S. 642 ff.
Unter einem „White-Noise“-Prozess versteht man einen reinen Zufallsprozess, der den Erwartungswert von 0, eine im Zeitablauf konstante Varianz und keine Autocorrélation aufweist.
Zur Parameterschätzung vgl. Judge et al. (1988), S. 681 ff. und Griffiths et al. (1993), S. 648 ff.
Vgl. Enders (1995), S. 16 ff. und S. 33 ff.
Vgl. Schroder (2002), S. 19.
Vgl. Schlittgen/Streitberg (1999), S. 93 und Poddig et al. (2003), S. 109.
Vgl. Schlittgen/Streitberg (1999), S. 93 ff.
Vgl. Pindyck/Rubinfeld (1998), S. 522. ähnliche Darstellungen finden sich bei Box/Jenkins (1976), S. 52, Judge et al., (1985), S. 229, Judge et al. (1988), S. 690, Griffiths et al. (1993), S. 654 und Hamilton (1994), S. 50.
Vgl. Judge et al. (1985), S. 230 und Griffiths et al. (1993), S. 654.
Vgl. Pindyck/Rubinfeld (1998), S. 535. ähnliche Darstellungen finden sich bei Box/Jenkins (1976), S. 7, Judge et al. (1985), S. 232 und Schlittgen/Streitberg (1999), S. 132 ff.
Vgl. Zum Begriff schwach stationärer Prozesse vgl. Abschnitt 3.1.1.1.
Vgl. Granger/Newbold (1986), S. 41 f.
Vgl. Sims (1980), S. Iff.
In Anlehnung an Hamilton (1994), S. 257 und Schroder (2002), S. 221.
Vgl. Pindyck/Rubinfeld (1998), S. 400.
Vgl.Lütkepohl(1991), 43ff.
Zur detaillierten Beschreibung siehe Johansen (1991), S. 1551 ff.
Vgl. Engle/Granger (1987), S. 251 ff. und Johansen (1988), S. 359 ff. sowie Johansen (1991), S. 1551 ff.
Vgl. Cho et al. (1986), S. 316 und Poddig (1996), S. 331. ähnlich auch Hamao/Jorion (1992), S. 455.
Vgl. Chou et al. (1994), S. 1 und Clare et al. (1995), S. 313 ff.
Vgl. Engle/Granger (1987), S. 251 ff.
Vgl.Enders(1995), S.385ff.
Vgl. Taylor/Tonks (1989), S. 332 ff., Poddig (1999), S. 197 ff. Bei Untersuchungen der Wechselkurse zwischen dem US-Dollar und der DM bzw. dem Britischen Pfund konnte von Hakkio/Rush (1989), S. 81 keine Kointegration und von Sephton/Larsen (1991), S. 561 ff. zumindest teilweise eine Kointegration zwischen den Märkten nachgewiesen werden.
Vgl. Kasa (1992), S. 95 ff., Chou et al. (1994) und Byers/Peel (1993), S. 239 ff.
Vgl. Johansen (1991), S. 1551 ff.
Vgl. Engle/Granger (1987), S. 260 ff.
Vgl. Granger (1991), S. 71 und Gerhards (1994), S. 75 f. Zum Durbin-Watson Test vgl. Greene (2000), S. 794 ff. oder Griffiths et al. (1993), S. 530 ff.
Allerdings dürfen beim DF- sowie beim ADF-Test nicht die üblichen kritischen Werte verwendet werden, da in diesem Fall die geschätzten Residuen einer Regression und nicht die originären Werte einer Zeitreihe getestet werden. Vgl. Engle/Yoo (1987), S. 143 ff.
Vgl. MacKinnon (1991), S. 272 f.
Vgl. Granger (1991), S. 69.
Vgl. Schroder (2002), S. 282.
Zu den Vorteilen von Fehlerkorrekturmodellen bei längeren Prognosehorizonten vgl. Engle/Yoo (1987), S. 150 ff.
Vgl. Rehkugler/Jandura (2002), S. 660.
Vgl. Steurer (1997), S. 57 f.
Vgl. Muscatelli/Hurn (1992), S. 13 und Ma (1993), S. 288 ff. der im Vergleich der Studie von Tay-ler/Tonks (1989), S. 332 ff. zu signifikant abweichenden Ergebnissen kommt, indem er kointegrierende Beziehungen mit mehr als zwei Variablen betrachtet.
Vgl. Gerhards (1994), S. 90.
Vgl. Kasa (1992), S. 98.
Vgl. Gerhards (1994), S. 162 f.
Zu den Hypothesentests auf die Form und Relation der Beziehungen vgl. Gerhards (1994), Abschnitt 5.4.2 und Steurer (1997), Abschnitt 3.3.2.2.
Vgl. die Untersuchung von Stock (1987), S. 1035 ff.
Vgl. Granger/Teräsvirta (1993), S. 59 f.
Vgl. Rehkugler/Jandura (2000), S. 203 ff. und Rehkugler et al. (1997), S. 529 ff.
Zur Granger-Kausalität vgl. Granger (1969), S. 424 ff., Granger (1980), S. 329 ff. Granger (1988), S. 199 ff.
Vgl. hierzu und im folgenden Granger (1969), S. 424 ff.
Der Wald-Test stellt eine Verallgemeinerung des F-Tests dar und eignet sich im Vergleich zum F-Test auch, wenn die Fehlerterme beliebiger linearer Restriktionen eines Regressionsmodells nicht normalverteilt sind. Ausfuhrliche Beschreibungen zum Wald-Test finden sich bei Greene (2000), S. 153 ff.
Vgl.EViews4.1.
Vgl. Byers/Peel (1993), S. 239 sowie Tayler/Tonks (1989), S. 336.
Die Intuition fìir diese Berechnung geht auf Fama (1965), S. 34 ff. zurück.
Vgl. Saunders/Walter (2002), S. 102 ff.
Zu den numerischen Normalverteilungstests vgl. D’Agostino/Stephens (1986), Gohout (1996) sowie Henze (1994), S. 293 ff.
Vgl. Schroder (2002), S. 8.
Vgl. Schroder (2002), S. 8.
Vgl. Urzua (1996), S. 248.
Vgl. Scott/Horvard (1980), S. 915 ff. sowie Poddig et al. (2003), S. 142.
Vgl. Schroder (2002), S. 6. Bei einer Excess Kurtosis liegt der Erwartungswert von normalverteilten Zufallsgröfien dagegen bei Null.
Vgl. Urzua (1996), S. 248.
Vgl. hier und im folgenden Schroder (2002), S. 8.
Vgl. Elton/Gruber (1995), S. 128 ff.
Bekannte PerformancemaBe wie z.B. das Sharpe- und Treynor-Ratio, der Differential Return und das Jen¬sen Alpha werden im Rahmen des CAMP hergeleitet. Zu einer Darstellung von Ansatzen zur Performan-cemessung, die nicht auf dem CAMP beruht, vgl. Steiner et al. (1999), S. 207.
Vorschläge zu Performance-MaBen unter Einbeziehung der Schiefe finden sich z.B. bei Prakash/Bear (1986), S. 135 ff.
Zur Schiefepräferenz risikoscheuer Investoren vgl. Scott/Horvard (1980), S. 915 ff. sowie Poddig et al. (2003), S. 142.
Vgl.Urzua(1996), S.247ff.
Vgl.Sharpe(1966), S. 123.
Vgl. Sharpe (1966), S. 119. Zur Entwicklung des Sharpe-Ratios vgl. Sharpe (1964b), S. 49 ff. Bei der Be-rechnung der Sharpe-Ratio werden im allgemeinen annualisierte Kennzahlen verwendet. Vgl. dazu Fi¬scher/Rudolph (2000), S. 272.
Vgl. Theissen/Greifzu (1998), S. 439.
Eine Ausnahme stellt die Stadie von Francis (1975), S. 163 ff. dar.
Vgl. Scott/Horvath (1980), S. 915 ff.
Vgl. Treynor (1965), S. 63 ff.
Vgl. dazu Breuer/Gürtler (1999), S. 276 f. sowie Abschnitt 2.5.3.1.
Vgl. Wittrock (2000), S. 79 f.
Studien zur intemationalen Aktienmarktstruktur finden sich bei Dwyer/Hafer (1988), S. 3 ff., Taylor/Tonks (1989), S. 332 ff., Kasa (1992), S. 95 ff., Byers/Peel (1993), S. 239 ff, Corhay et al. (1993), S. 385 ff., Smith et al. (1993), S. 55 ff., Rehkugler/Jandura (2002), S. 663 ff.
Vgl. Harvey (1995), S. 19.
Vgl. Harvey (1995), S. 19.
Vgl. Harvey (1995), S. 12 ff. und Errunza/Losq (1985), S. 571 f.
Vgl. Bekaert et al. (1998), S. 108 und Bekaert/Harvey (1997), S. 29 ff.
Vgl. Bekaert (1998), S. 108.
Vgl. Ng/Perron (1995), S. 268; Enders (1995), S. 227 und Schroder (2002), S. 279 ff.
Vgl. MacKinnon (1991), S. 275.
Vgl. Poddig (1999), S. 158 ff.
Vgl. Greene (2000), S. 239 f. oder Pindyck/Rubinfeld (1998), S. 91.
Vgl. Theil (1971), S. 178 f., Greene (2000), S. 240 und S. 400 und Pindyck/Rubinfeld (1998), S. 90.
Vgl. Greene (2000), S. 241.
Vgl. Lütkepohl (1991) und Hatanaka (1996).
Vgl. Lütkepohl (1991), S. 135.
Vgl.Enders(1995), S. 88.
Vgl. Lütkepohl (1991), Kapitel 4 und 11.
Zur Bestimmung der optimalen Laglänge vgl. Schröder (2002), S. 229.
Bei dieser Prozedur bleibt auf jeden Fall eine Konstante im Modeli enthalten. Vgl. Lütkepohl/Wolters (1998), S. 371 ff.
Die dynamische Struktur ist bei linearen Modellen wie dem VAR-Modell unabhängig vom gewählten Zeitpunkt.
Rights and permissions
Copyright information
© 2005 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Herrmann, F. (2005). Kointegrationsanalyse. In: Integration und Volatilität bei Emerging Markets. Empirische Finanzmarktforschung / Empirical Finance. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-10373-8_3
Download citation
DOI: https://doi.org/10.1007/978-3-663-10373-8_3
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8350-0194-7
Online ISBN: 978-3-663-10373-8
eBook Packages: Business and Economics (German Language)