ScholarGate
Assistent
Regression modelMulti-scale volatility

Component GARCH

Component GARCH dekomponerer betinget varians i transitive (kortsigtede) og permanente (langsigtede) komponenter med forskellig dynamik, hvilket giver fleksibilitet til at indfange volatilitetsadfærd på flere frekvenser. Introduceret af Engle og Lee (1999), modellerer den elegant den empiriske observation, at volatilitet udviser både hurtig middeltilbagevenden (daglige chok) og langsom middeltilbagevenden (niveauændringer). Denne ramme er afgørende for at forstå volatilitetsvedholdenhed og forbedre volatilitetsprognoser på lang sigt.

Anvend med EconMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

Kilder

  1. Engle, R. F., & Lee, G. (1999). A permanent and transitory component model of stock return volatility. Journal of Political Economy, 107(6), 1363-1384. link
  2. Ling, S., & McAleer, M. (2003). Asymptotic theory and inference for dynamic conditional distribution models. Journal of Econometrics, 106(1), 119-135. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Component-Based GARCH Model. ScholarGate. https://scholargate.app/da/econometrics/component-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.

Compare side by side

Refereret af

ScholarGateComponent GARCH (Component-Based GARCH Model). Hentet 2026-06-15 fra https://scholargate.app/da/econometrics/component-garch · Datasæt: https://doi.org/10.5281/zenodo.20539026