3. Kiugró, outlier, extrém értékek meghatározása és kezelése - gyakorlat, regresszió (VAR)

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška prakticky ukazuje detekciu a ošetrenie odľahlých hodnôt (outlierov) v štvrťročných časových radoch (Euribor, inflačná medzera, medzera produktu) v softvéroch Gretl a EViews. Outlier sa hľadá pomocou histogramu a testu normality, kĺzavého priemeru, HP filtra (lambda 1600) a štandardizovaného radu; vo všetkých prípadoch vyšlo najavo 1. štvrťrok 2009. Tomuto obdobiu sa v dummy premennej priradila hodnota 1. Následne sa odhadoval VAR model bez exogénnej premennej, s outlier dummy a s krízovou dummy, pričom sa sledovala autokorelácia, normalita rezíduí, impulzné odozvy a rozklad variancie. Ukázalo sa, že vynechanie outlierov zhoršuje diagnostiku a vhodne zvolená dummy a počet oneskorení ju zlepšujú a výrazne menia impulzné odozvy.

  • - Outliery sa dajú odhaliť histogramom, testom normality, kĺzavým priemerom, HP filtrom (lambda 1600) aj štandardizáciou radu.
  • - Hlavným outlierom v rade bolo 1. štvrťrok 2009, ktorému sa v dummy premennej priradila hodnota 1.
  • - Záporné extrémy Euriboru súvisia so zavedením záporných úrokových sadzieb ECB.
  • - Ak sa outliery v VAR modeli neošetria, zhoršuje sa autokorelácia aj normalita rezíduí.
  • - Kombinácia outlier dummy a krízovej dummy spolu s počtom oneskorení výrazne ovplyvňuje diagnostiku modelu.
  • - Impulzné odozvy sa po zaradení dummy premenných zreteľne menia, najmä pri inflačnej medzere a Euribore.
  • - Pri voľbe dummy a počtu oneskorení hrozí lokálne optimum, preto treba výsledky ekonometricky aj ekonomicky zhodnotiť.

Zhrnutie pripravené s pomocou AI z prepisu videa.