The name is absent



53

5. kàytettâvàt estimointïmenetelmàt

Tassa Iuvussa esitellâân tarkemmin Stokastisen Volatiliteetin estimoinnissa kâytettâvat
estimointimenetelmât- (PNS)-, dummy-muuttuja- ja Satunnaisten Vaikutusten menetelmâ91 ja
pohditaan nâiden paneelidatamallien Ominaisuuksia taloudellisten aikasarjojen
Ominaisuuksien ilmentàjinâ. Luvun Iopussa esitetaân kuvailevaa Statistiikkaa kaytettavasta
aineistosta ja pohditaan FOX-indeksin ja FOX-Indeksitermiinien tuottojen jakaumia sekâ
Cstimointiperiodilla etta pidemmalla aikavalilla.

5Л PaneeIidatan Ominaisuuksia

Yhtalon (26) estimointi paivakohtaisesti on mielekâstâ siinâ mielessâ, etta meidan tarvitsee
estimoida Volatiliteetteja ainoastaan pàiva eteenpain; huomennahan meilla on jo uutta tietoa
kâytettâvâksi estimoinnin perustaksi. Tallainen poikkileikkausaineistoon perustuva estimointi
ei kuitenkaan ota huomioon mahdollisuutta, etta muuttujien ’’aiemmalla” historialla saattaa
olla vaikutusta (estimoitaviin) Volatiliteetteihin. Yhdistamalla Poikkileikkausaineiston (N
havaintoa) ja aikasarja-aineiston (T havaintoa), saamme paneelidata-aineiston (NT havaintoa).
Paneelidataan perustuvat estimoinnit ovat mielekkâita siinâ mielessâ, etta havaintopisteiden
mââran ollessa suuri, mallin Vapausasteet kasvavat ja Selittavien muuttujien
multikollineaarisuus92 pienenee ja toisaalta, se sallii yksilokohtaisten Vaikutusten tarkastelun
PoikkiIeikkauksen sisâllâ. Jos kaikista Poikkileikkausyksikoista on olemassa yhtâlâinen maarâ
aikasarjahavaintoja, on kyseessâ ns. tasaρainotettu ρaneeliaineisto. Seuraavassa tarkastellaan
kahta paneelidataan perustuvaa mallityyppiâ, dummy-muuttuja- ja Satunnaisten Vaikutusten
mallia.93

Dummy-muuttujamenetelmâstâ (dummy variable model) kâytetâân myos nimitystâ
kiinteiden Vaikutusten malli
(fixed effects model) jâ Satunnaisten vaikutusten mallista (random
effects model)
nimitystâ Virhetermimenetelma (error components model)

92 Multikollineaarisuudella yleisessa muodossaan tarkoitetaan ilmiota, jossa jokin Selittavista
muuttujista voidaan ilmaista muiden Selittavien muuttujien Iineaarikombinaationa.

93 Lilja (1998) ja Fomby, HilljaJohnson (1984, s. 324-338).



More intriguing information

1. The name is absent
2. How do investors' expectations drive asset prices?
3. The name is absent
4. The name is absent
5. Pricing American-style Derivatives under the Heston Model Dynamics: A Fast Fourier Transformation in the Geske–Johnson Scheme
6. Outsourcing, Complementary Innovations and Growth
7. Dynamiques des Entreprises Agroalimentaires (EAA) du Languedoc-Roussillon : évolutions 1998-2003. Programme de recherche PSDR 2001-2006 financé par l'Inra et la Région Languedoc-Roussillon
8. Testing Gribat´s Law Across Regions. Evidence from Spain.
9. DEVELOPING COLLABORATION IN RURAL POLICY: LESSONS FROM A STATE RURAL DEVELOPMENT COUNCIL
10. An Empirical Analysis of the Curvature Factor of the Term Structure of Interest Rates
11. The name is absent
12. How to do things without words: Infants, utterance-activity and distributed cognition.
13. The name is absent
14. The name is absent
15. Economic Evaluation of Positron Emission Tomography (PET) in Non Small Cell Lung Cancer (NSCLC), CHERE Working Paper 2007/6
16. The name is absent
17. The name is absent
18. The name is absent
19. Are combination forecasts of S&P 500 volatility statistically superior?
20. Developmental Robots - A New Paradigm