Semiparametric Structure Guided by Prior Knowledge with Applications in Economics
Durch Vorwissen gesteuerte semiparametrische Struktur mit wirtschaftswissenschaftlichen Anwendungen
von Michael Scholz
Datum der mündl. Prüfung:2011-04-08
Erschienen:2011-05-27
Betreuer:Prof. Dr. Stefan Sperlich
Gutachter:Prof. Dr. Stefan Sperlich
Gutachter:Prof. Dr. Xiaohua Yu
Gutachter:Prof. Dr. Walter Zucchini
Dateien
Name:scholz.pdf
Size:889.Kb
Format:PDF
Description:Dissertation
Zusammenfassung
Englisch
Among many developments in statistical modelling in recent years, non- and semiparametric methods have proved to be a particularly powerful data-analytic tool. Nevertheless, there still exist justified doubts regarding there forecasting performance, for example in the context of financial time series. The aim of this thesis is to demonstrate that, by suitable modification, these techniques can perform well in different economic fields, like empirical demand analysis or prediction of stock returns, if they are adapted to the specific application under investigation.This thesis makes use of the semiparametric nature of economic problems to reduce dimensionality, and is based on the structure that is inherent in the economic process that generates the data. A key feature is to show how prior knowledge can guide the modelling process. This is done either by directly applying economic theory or by examining simple parametric models to identify the coarse features of the relationships. The use of prior knowledge not only improves the plausibility of the model but also the interpretability of the results. Furthermore, it can be used to address some well-known problems associated with fully nonparametric approaches. For example, the curse of dimensionality can be circumvented, the estimation accuracy on boundaries can be improved, or the bias can be reduced by applying a semiparametric approach.The first part of this thesis is thereby a contribution to the analysis of consumer expenditure and price micro-data, while the second part addresses the prediction of excess stock returns. The use of nonparametrically generated bond yields is proposed and prior information about the shape of the unknown conditional mean function is used in the estimation process.
Keywords: Consumer Demand; Engel Curves; Semiparametric Econometrics; Wild Bootstrap; Prediction of Stock Returns; Cross-Validation; Generated Regressors; Prior Knowledge; Bias-Reduction; Dimension-Reduction
Weitere Sprachen
Unter zahlreichen Entwicklungen in der statistischen
Modellierung der letzten Jahre bewiesen nicht- und
semiparametrische Methoden, ein besonders
leistungsfähiges datenanalytisches Instrument zu sein.
Trotzdem existieren immer noch zum Teil berechtigte
Zweifel bezüglich ihrer Vorhersagefähigkeit, z.B. im
Bereich der Finanzzeitreihen. Das Ziel dieser Arbeit
ist, zu zeigen, dass die angesprochenen Verfahren durch
adäquate Modifikationen sehr gute Ergebnisse liefern
können bei deren Anwendung auf verschiedene ökonomische
Probleme. Dazu zählen z.B. die empirische Analyse der
Bedarfsnachfrage und des Verbraucherverhaltens sowie
die Vorhersage von Aktienrenditen.In dieser Arbeit wird die semiparametrische
Beschaffenheit des jeweiligen ökonomischen Problems
verwendet, um die Dimensionalität zu reduzieren, d.h.
es wird Gebrauch gemacht von der zugrundeliegenden
Struktur des ökonomischen Prozesses, der die Daten
erzeugt. Ein Schwerpunkt der Arbeit liegt dabei auf der
Einbeziehung von Vorkenntnissen, die den statistischen
Modellierungsprozess steuern. Dies kann entweder durch
das direkte Anwenden ökonomischer Theorie erfolgen bzw.
durch die Auswertung einfacher parametrischer Modelle,
mit deren Hilfe man einen ersten Einblick in die
vorhandenen Beziehungen erhalten kann. Dabei wird nicht
nur die Plausibilität des Modells erhöht sondern auch
die Interpretierbarkeit der Ergebnisse. Außerdem ist es
möglich, zahlreiche wohlbekannte Probleme vollständiger
nichtparametrischer Methoden damit zu bekämpfen.
Beispielsweise lässt sich durch die Anwendung
semiparametrischer Methoden der Fluch der hohen
Dimensionen umgehen, die Genauigkeit der Schätzung
besonders an Rändern erhöhen oder auch der Bias
verringern.Der erste Teil dieser Arbeit ist ein Beitrag zur
Analyse der Ausgaben von Konsumenten basierend auf
Preis-Mikrodaten, während der zweite Teil sich der
Vorhersage von Aktienrenditen widmet. Dabei werden im
Schätzverfahren nichtparametrisch erzeugte
Anleiherenditen verwendet sowie Vorkenntnisse über die
funktionale Form der unbekannten
Mittelwertfunktion.
Schlagwörter: Konsumnachfrage; Engel-Kurven; Semiparametrische Ökonometrie; Wild Bootstrap; Vorhersage von Aktienrenditen; Kreuzvalidierung; Erzeugte Regressoren; Vorwissen; Bias-Reduktion; Dimensionsreduktion