Regression modelEconometrics / time series

রোবাস্ট TGARCH — থ্রেশহোল্ড GARCH সহ রোবাস্ট অনুমান

Robust TGARCH মডেলটি প্রচলিত Maximum Likelihood উদ্দেশ্যকে এমন একটি Estimator দ্বারা প্রতিস্থাপন করে যা heavy-tailed innovations এবং outlying observations-এর প্রতি প্রতিরোধী, যার মাধ্যমে Threshold GARCH মডেলকে প্রসারিত করে। এটি অপ্রতিসম (asymmetric) ভলাটিলিটি প্রতিক্রিয়াগুলিকে ধারণ করে — যেখানে ঋণাত্মক অভিঘাত (shocks) ধনাত্মক অভিঘাতের চেয়ে বেশি ভ্যারিয়েন্স বৃদ্ধি করে — স্বাভাবিকতা থেকে রিটার্নের ডিস্ট্রিবিউশনের বিচ্যুতি ঘটলেও নির্ভরযোগ্য থাকে।

EconMind দিয়ে প্রয়োগ করুনশীঘ্রইভিডিওশীঘ্রইDownload slides

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

Method map

The neighbourhood of related methods — select a node to explore.

উৎস

  1. Zakoian, J.-M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and Control, 18(5), 931–955. DOI: 10.1016/0165-1889(94)90039-6
  2. Preminger, A., & Storti, G. (2017). Least squares estimation for GARCH (1,1) model with heavy tailed errors. The Econometrics Journal, 20(1), 221–258. link

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 3). Robust Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/bn/econometrics/robust-tgarch

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.

Compare side by side

যেখানে উদ্ধৃত

ScholarGateRobust TGARCH (Robust Threshold Generalized Autoregressive Conditional Heteroscedasticity Model). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/econometrics/robust-tgarch · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026