No description available.

¡@¡@The purpose of this research is to employ the STAR model in discussing and analyzing the relationship between stock index and macroeconomic variables in Taiwan, Japan and Korea. ¡@¡@Monthly stock market index data is analyzed over the period January 1990 to December 2000, with the sample period from January 2001 to April 2005 being used in an out-of -sample forecasting exercise. The macroeconomic variables considered in this paper include money supply, consumer price index, industrial production index, interest rate and exchange rate. ¡@¡@The empirical results of Taiwan, Japan and Korea show that LSTAR & ESTAR model improve both the in-sample fit and out-of-sample forecast of the data over both the linear model alternative.

The efficient market hypothesis states that stock prices fully reflect availablei nformation and that stocks thereby always are priced correctly. Hence, it should be impossible to predict future prices in the stock market, and investors will gain no benefits from engaging themselves into historical analyzes. This is a quantitative study which aim to investigate if there is any difference in market efficiency in Nordic stock markets during and after the financial crisis of 2008. By applying various statistical methods, such as unitroot tests, autocorrelation tests and runs test on the returns from each country’s leading market index, the study tries to find evidence for or against the weak form of market efficiency. The study finds evidence both for and against weak form market efficiency but concludes that there is no distinct difference in market efficiency during and after the financial crisis.

Ghana faces a macroeconomic problem of inflation for a long period of time. The problem in somehow slows the economic growth in this country. As we all know, inflation is one of the major economic challenges facing most countries in the world especially those in African including Ghana. Therefore, forecasting inflation rates in Ghana becomes very important for its government to design economic strategies or effective monetary policies to combat any unexpected high inflation in this country. This paper studies seasonal autoregressive integrated moving average model to forecast inflation rates in Ghana. Using monthly inflation data from July 1991 to December 2009, we find that ARIMA (1,1,1)(0,0,1)12 can represent the data behavior of inflation rate in Ghana well. Based on the selected model, we forecast seven (7) months inflation rates of Ghana outside the sample period (i.e. from January 2010 to July 2010). The observed inflation rate from January to April which was published by Ghana Statistical Service Department fall within the 95% confidence interval obtained from the designed model. The forecasted results show a decreasing pattern and a turning point of Ghana inflation in the month of July.

由於商業、工業和民生各方面大量的用電需求，使得電費在某些季節會特別昂貴。又因為電力的生產和儲存都有限，故電力公司為了能更有效率的分配總電力，要求消費者事先訂定各自用戶的契約容量，做為每個月分配電力的最大標準。對於消費者而言，相較於較高的契約容量，選取較低的契約容量通常負擔的基本電費也較低，但是當用電量超過契約容量時則必須支付高額罰金。因此消費者為了盡可能使長期的用電消費降低，選擇一個合適且最佳的契約容量是很重要的課題。在本文中以隨機模型”具飄移項之布朗運動”作為分析用電量趨勢的模型，並介紹如何做模型的驗證以及參數的估計，接著建構出總電費的期望值估計式以尋找最佳的契約容量。最後，以政治大學的實際用電量資料作為本文的研究實例，並提出選擇契約容量之建議方針。

Dans cette thèse nous élargissons le champ d'application des modèles ARMA (AutoRegressive Moving-Average) vectoriels en considérant des termes d'erreur non corrélés mais qui peuvent contenir des dépendances non linéaires. Ces modèles sont appelés des ARMA faibles vectoriels et permettent de traiter des processus qui peuvent avoir des dynamiques non linéaires très générales. Par opposition, nous appelons ARMA forts les modèles utilisés habituellement dans la littérature dans lesquels le terme d'erreur est supposé être un bruit iid. Les modèles ARMA faibles étant en particulier denses dans l'ensemble des processus stationnaires réguliers, ils sont bien plus généraux que les modèles ARMA forts. Le problème qui nous préoccupera sera l'analyse statistique des modèles ARMA faibles vectoriels. Plus précisément, nous étudions les problèmes d'estimation et de validation. Dans un premier temps, nous étudions les propriétés asymptotiques de l'estimateur du quasi-maximum de vraisemblance et de l'estimateur des moindres carrés. La matrice de variance asymptotique de ces estimateurs est d'une forme "sandwich", et peut être très différente de la variance asymptotique obtenue dans le cas fort. Ensuite, nous accordons une attention particulière aux problèmes de validation. Dans un premier temps, en proposant des versions modifiées des tests de Wald, du multiplicateur de Lagrange et du rapport de vraisemblance pour tester des restrictions linéaires sur les paramètres de modèles ARMA faibles vectoriels. En second, nous nous intéressons aux tests fondés sur les résidus, qui ont pour objet de vérifier que les résidus des modèles estimés sont bien des estimations de bruits blancs. Plus particulièrement, nous nous intéressons aux tests portmanteau, aussi appelés tests d'autocorrélation. Nous montrons que la distribution asymptotique des autocorrelations résiduelles est normalement distribuée avec une matrice de covariance différente du cas fort (c'est-à-dire sous les hypothèses iid sur le bruit). Nous en déduisons le comportement asymptotique des statistiques portmanteau. Dans le cadre standard d'un ARMA fort, il est connu que la distribution asymptotique des tests portmanteau est correctement approximée par un chi-deux. Dans le cas général, nous montrons que cette distribution asymptotique est celle d'une somme pondérée de chi-deux. Cette distribution peut être très différente de l'approximation chi-deux usuelle du cas fort. Nous proposons donc des tests portmanteau modifiés pour tester l'adéquation de modèles ARMA faibles vectoriels. Enfin, nous nous sommes intéressés aux choix des modèles ARMA faibles vectoriels fondé sur la minimisation d'un critère d'information, notamment celui introduit par Akaike (AIC). Avec ce critère, on tente de donner une approximation de la distance (souvent appelée information de Kullback-Leibler) entre la vraie loi des observations (inconnue) et la loi du modèle estimé. Nous verrons que le critère corrigé (AICc) dans le cadre des modèles ARMA faibles vectoriels peut, là aussi, être très différent du cas fort.