ScholarGate
Assistent
Regression modelEconometrics / time series

Fourier Threshold Generalized Autoregressive Conditional Heteroscedasticity Model

Standard TGARCH-modeller er kraftfulde til at indfange asymmetrien i finansiel volatilitet, hvor dårlige nyheder har tendens til at forårsage større volatilitetsspikes end gode nyheder. Økonomiske og finansielle serier oplever imidlertid ofte gradvise regimeskift – politiske ændringer, finansielle kriser, der langsomt opbygges og afvikles – som dårligt approksimeres af en enkelt skarp bruddato. Fourier TGARCH erstatter det faste intercept med en fleksibel trigonometrisk funktion, der kan bøje sig glat over tid og absorbere disse langsomt bevægende strukturelle ændringer uden at kræve, at forskeren specificerer en bruddato på forhånd.

Anvend med EconMindSnartVideoSnartHent slides

Læs hele metoden

Kun for medlemmer

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

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  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. Enders, W., & Lee, J. (2012). A unit root test using a Fourier series to approximate smooth breaks. Oxford Bulletin of Economics and Statistics, 74(4), 574-599. DOI: 10.1111/j.1468-0084.2011.00662.x

Sådan citerer du denne side

ScholarGate. (2026, June 3). Fourier Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/da/econometrics/fourier-tgarch

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side
ScholarGateFourier TGARCH (Fourier Threshold Generalized Autoregressive Conditional Heteroscedasticity Model). Hentet 2026-06-15 fra https://scholargate.app/da/econometrics/fourier-tgarch · Datasæt: https://doi.org/10.5281/zenodo.20539026