Generalized Autoregressive Conditional Heteroskedasticity
আর্থিক বাজারে, শান্ত সময়কাল এবং উত্তাল সময়কাল সাধারণত একসাথে আসে: আজকের একটি বড় পরিবর্তন আগামীকালের একটি বড় পরিবর্তনের সম্ভাবনা বাড়িয়ে দেয় এবং শান্ত দিনগুলো একসাথে গুচ্ছবদ্ধ থাকে। GARCH মডেল এটিকে আনুষ্ঠানিক রূপ দেয় আজকের ভেদাঙ্ককে সাম্প্রতিক বিস্ময় (অতীতের ত্রুটির বর্গ) এবং ভেদাঙ্কের সাম্প্রতিক স্তরের উপর নির্ভরশীল করে। এর ফলে এমন একটি মডেল তৈরি হয় যার ঝুঁকির পূর্বাভাস ধাক্কার পরে বৃদ্ধি পায় এবং ধীরে ধীরে দীর্ঘমেয়াদী গড়ের দিকে স্থির হয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307-327. DOI: 10.1016/0304-4076(86)90063-1 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Generalized Autoregressive Conditional Heteroskedasticity. ScholarGate. https://scholargate.app/bn/econometrics/garch
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ARIMA (Autoregressive Integrated Moving Average) মডেলঅর্থমিতি↔ compare
- DCC-GARCH (Dynamic Conditional Correlation)অর্থায়ন↔ compare
- এক্সপোনেনশিয়াল GARCH (EGARCH)অর্থমিতি↔ compare
- সরল ও দ্বৈত সূচকীয় মসৃণীকরণ (SES / Holt)অর্থমিতি↔ compare
- GJR-GARCH (অপ্রতিসম GARCH)অর্থমিতি↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →