<section name="raw">
    <SEQUENTIAL>
      <record key="001" att1="001" value="LIB900231403" att2="LIB900231403">001   LIB900231403</record>
      <field key="037" subkey="x">englisch</field>
      <field key="050" subkey="x">Forschungsbericht</field>
      <field key="076" subkey="">Ökonomie</field>
      <field key="079" subkey="y">http://www.ihs.ac.at/publications/ihsfo/fo226.pdf</field>
      <field key="079" subkey="z">kunst, robert, multivariate robust filtering (pdf)</field>
      <field key="100" subkey="">kunst, robert</field>
      <field key="331" subkey="">multivariate robust filtering</field>
      <field key="403" subkey="">1. ed.</field>
      <field key="410" subkey="">wien</field>
      <field key="412" subkey="">institut fuer hoehere studien</field>
      <field key="425" subkey="">1986, january</field>
      <field key="433" subkey="">35 pp.</field>
      <field key="451" subkey="">institut fuer hoehere studien; forschungsberichte; 226</field>
      <field key="461" subkey="">research memorandum</field>
      <field key="544" subkey="">IHSFO 226</field>
      <field key="750" subkey="">zusammenfassung: die vorliegende arbeit praesentiert eine erweiterung einer idee von kleiner, martin &amp; thomson (1979) auf</field>
      <field key="mul" subkey="t">ivariate autoregressive prozesse. an einigen beispielen mit daten aus dem gebiet der oesterreichischen wirtschaft werden die</field>
      <field key="eig" subkey="e">nschaften der verfahren vorgefuehrt. ausgehend von der annahme, dass die beobachtungen zwar einem autoregressiven</field>
      <field key="vek" subkey="t">or-prozess entsprechen, jedoch durch zusaetzliche additive stoerungen verunreinigt sind, wird versucht, diese stoerungen zu</field>
      <field key="eli" subkey="m">inieren, um den "wahren" prozess und sein bildungsgesetz zurueckzugewinnen. dies geschieht durch den in abschnitt 2</field>
      <field key="dar" subkey="g">elegten multivariaten robusten filter. in abschnitt 3 wird das basisexperiment vorgestellt. quartalsdaten fuer geldmenge und</field>
      <field key="bru" subkey="t">to-inlandsprodukt werden, unterschiedlich bereinigt, dem verfahren unterzogen. abschnitt 4 widmet sich kleinen</field>
      <field key="kon" subkey="t">rollexperimenten mit alternativen methoden. abschnitt 5 beschaeftigt sich damit zu untersuchen, inwieweit kuenstlich erzeugte</field>
      <field key="aus" subkey="r">eisser erkannt werden und den iterationsprozess beeinflussen. in abschnitt 6 wird gezeigt, dass die resultate nicht zuletzt</field>
      <field key="von" subkey="">der weite des bandes abhaengen, welches "guten daten" a priori zugestanden wird. abschnitt 7 ist einem experiment mit</field>
      <field key="akt" subkey="i">endaten gewidmet, wobei die grenzen der anwendbarkeit des verfahrens deutlich werden, wenn die ausreisser einem anderen als</field>
      <field key="dem" subkey="">basismodell folgen. in abschnitt 8 wird eine weitere abweichung in der struktur des robusten filters ausgeleuchtet, naemlich</field>
      <field key="die" subkey="">mangels mathematischer beweise eher willkuerliche wahl der gewichtsfunktion. abschnitt 9 praesentiert vorschlaege zum messen</field>
      <field key="der" subkey="">eigenschaft einzelner beobachtungen, ausreisser zu sein.;</field>
      <field key="753" subkey="">abstract: this paper presents an extension of an idea by kleiner, martin &amp; thomson (1979) to multivariate autoregressive</field>
      <field key="pro" subkey="c">esses. the properties of the procedures are reported by some examples with economic data. starting from the assumption that</field>
      <field key="obs" subkey="e">rvations obey an autoregressive vector process but are contaminated by additive disturbances, it is endeavoured to eliminate</field>
      <field key="the" subkey="">disturbances to regain the "true" process and its law of generation. this is done iteratively by the multivariate robust</field>
      <field key="fil" subkey="t">er set forth in chapter 2. chapter 3 presents the basic experiment. the procedure is applied to quarterly data for the</field>
      <field key="aus" subkey="t">rian monetary base and gross domestic product after stationarizing the sample in two different ways. chapter 4 is devoted to</field>
      <field key="sma" subkey="l">l experiments with alternative methods. chapter 5 investigates into how the results are affected by artificially generated</field>
      <field key="out" subkey="l">iers and whether these outliers are safely detected. in chapter 6 it is shown that the results depend on the width of the</field>
      <field key="ban" subkey="d">within which data are still judged to be "good". chapter 7 reports an experiment with stock price data where the outliers</field>
      <field key="are" subkey="">supposed to obey a law different from the basic assumption of robust filtering. consequently, the results are poor. in</field>
      <field key="cha" subkey="p">ter 8 the effects of changing the weighting function in the filter are illustrated. finally, chapter 9 summarizes suggestions</field>
      <field key="for" subkey="">measuring the "outlier-ness" of single observations based on the application of the filtering procedure.;</field>
    </SEQUENTIAL>
  </section>