Marc Wildi Boeken

The book provides deep insights into the signal extraction problem - especially at the boundary of a sample, where asymmetric filters must be used - and how to solve it optimally. The traditional model-based approach (TRAMO/SEATS or X-12-ARIMA) is an inefficient estimation method because it relies on one-step ahead forecasting performances (of a model) whereas the signal extraction problem implicitly requires good multi-step ahead forecasts also. Unit roots are important properties of the input signal because they generate a set of constraints for the best extraction filter. Since traditional tests essentially rely on one-step ahead forecasting performances, new tests are presented here which implicitly account for multi-step ahead forecasting performances too. The gain in efficiency obtained by the new estimation method is analyzed in great detail, using simulated data as well as 'real world' time series

Das Buch vermittelt dem Leser eine ausführliche Beschreibung einer Klasse von Zeitreihenmodellen mit sehr allgemeinen dynamischen Verhaltensmustern. Besonderer Wert wird auf neue algorithmische Verfahren zur Schätzung, Diagnose und Prognose gelegt. Anhand ausführlicher Beweise wird gezeigt, daß diese Verfahren auch auf eine allgemeine Modell-Klasse, die sogenannten composite-treshold-Modelle erweitert werden können. Anwendungen aus der Makroökonomie, der Finance sowie Beispiele mit Lehrbuchzeitreihen demonstrieren die bessere Prognosegüte solcher Modelle.