Given the frequent misuse of method

Given the frequent misuse of methods based on linear models with Gaussian i.i.d. distributed errors, Cogger (1988) argued that new developments in the area of drobustT statistical methods should receive more attention within the time series forecasting community. A robust procedure is expected to work well when there are outliers or location shifts in the data that are hard to detect. Robust statistics can be based on both parametric and nonparametric methods. An example of the latter is the Koenker and Bassett (1978) concept of regression quantiles investigated by
Cogger. In forecasting, these can be applied as univariate and multivariate conditional quantiles. One important area of application is in estimating risk management tools such as value-at-risk. Recently, Engle and Manganelli (2004) made a start in this direction, proposing a conditional value at risk model. We expect to see much future research in this area.

ผลลัพธ์ (ไทย) 1:

รับผิดเป็นวิธีตามแบบจำลองเชิงเส้นกับข้อผิดพลาด i.i.d. Gaussian กระจาย Cogger (1988) โต้เถียงว่า พัฒนาใหม่ในพื้นที่ของ drobustT วิธีการทางสถิติควรได้รับความสนใจเพิ่มมากขึ้นในชุดเวลาคาดการณ์ชุมชน กระบวนงานแข็งแกร่งคาดว่าจะทำงานดีเมื่อมี outliers หรือเลื่อนตำแหน่งข้อมูลที่ตรวจสอบยาก สถิติที่แข็งแรงสามารถยึดตามวิธีทั้งพาราเมตริก และแบบ nonparametric ตัวอย่างของหลังคือ Koenker และ Bassett (1978 แชมป์ร่วม) แนวความคิดของ quantiles ถดถอยที่สอบสวนโดยCogger ในการคาดการณ์ เหล่านี้สามารถถูกใช้เป็นอย่างไร univariate และ quantiles มีเงื่อนไขตัวแปรพหุ เป็นหนึ่งในพื้นที่สำคัญของโปรแกรมประยุกต์ในการประเมินเครื่องมือการจัดการความเสี่ยงเช่นเสี่ยงที่ค่า ล่าสุด Engle และ Manganelli (2004) ได้เริ่มต้นในทิศทางนี้ เสนอค่าแบบมีเงื่อนไขในรูปแบบความเสี่ยง เราคาดว่าจะเห็นงานวิจัยมากในอนาคตบริเวณนี้

ผลลัพธ์ (ไทย) 2:

ที่ได้รับในทางที่ผิดบ่อยของวิธีการตามรูปแบบเชิงเส้นที่มีข้อผิดพลาด IID เสียนกระจาย Cogger (1988) แย้งว่าการพัฒนาใหม่ในพื้นที่ของวิธีการทางสถิติ drobustT ควรได้รับความสนใจมากขึ้นในเวลาที่ชุมชนการคาดการณ์ชุด ขั้นตอนที่แข็งแกร่งคาดว่าจะทำงานได้ดีเมื่อมีค่าผิดปกติหรือมีการเปลี่ยนแปลงสถานที่ในข้อมูลที่ยากที่จะตรวจสอบ สถิติที่แข็งแกร่งจะขึ้นอยู่กับวิธีการทั้งคณิตศาสตร์และไม่อิงพารามิเตอร์ ตัวอย่างของหลังเป็น Koenker และเซทท์ (1978) แนวคิดของการถดถอย quantiles ตรวจสอบโดย
Cogger ในการคาดการณ์เหล่านี้จะสามารถนำไปใช้เป็นเงื่อนไข quantiles univariate และหลายตัวแปร หนึ่งในพื้นที่ที่สำคัญของแอปพลิเคในการประมาณเครื่องมือในการจัดการความเสี่ยงดังกล่าวเป็นค่าที่มีความเสี่ยง เมื่อเร็ว ๆ นี้ Engle และ Manganelli (2004) ทำให้การเริ่มต้นในทิศทางนี้เสนอค่าเงื่อนไขที่แบบจำลองความเสี่ยง เราคาดว่าจะเห็นการวิจัยในอนาคตมากในพื้นที่นี้

ผลลัพธ์ (ไทย) 3:

ให้ใช้วิธีตามบ่อยของตัวแบบเชิงเส้นการกระจาย Gaussian i.i.d. ข้อผิดพลาด cogger ( 1988 ) แย้งว่า การพัฒนาใหม่ในพื้นที่ของ drobustt สถิติที่ควรจะได้รับความสนใจมากขึ้นในการพยากรณ์อนุกรมเวลาของชุมชน ขั้นตอนที่แข็งแกร่งคาดว่าจะทำงานได้ดีเมื่อมีข้อมูลผิดปกติ หรือเปลี่ยนสถานที่ในข้อมูลที่ยากต่อการตรวจจับสถิติที่แข็งแกร่งสามารถยึดทั้งสองตัวแปรและวิธีนอนพาราเมตริก . ตัวอย่างของหลังเป็น koenker Bassett ( 1978 ) และแนวคิดของการถดถอย quantiles ตรวจสอบด้วย
cogger . ในการพยากรณ์ เหล่านี้สามารถนำไปใช้เป็นเงื่อนไขที่มีสอง quantiles . พื้นที่หนึ่งที่สำคัญคือการใช้เครื่องมือบริหารความเสี่ยง เช่น ค่าความเสี่ยง เมื่อเร็วๆ นี้และค่า manganelli ( 2004 ) ได้เริ่มต้นในทิศทางนี้ได้เสนอค่าเงื่อนไขในรูปแบบความเสี่ยง เราคาดหวังที่จะเห็นการวิจัยในอนาคตมากในพื้นที่นี้