Bayesianisches EGARCH-Modell
Das bayesianische EGARCH-Modell kombiniert Nelsons (1991) Exponential-GARCH-Spezifikation – die den Logarithmus der bedingten Varianz modelliert und den Leverage-Effekt erfasst – mit bayesianischer Posterior-Inferenz mittels Markov Chain Monte Carlo (MCMC). Dies ermöglicht eine vollständige Quantifizierung der Unsicherheit aller Volatilitätsparameter, einschließlich des Asymmetriekoeffizienten, ohne die Annahme einer Normalverteilung der Schätzungen bei großen Stichproben.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
- Nakatsuma, T. (2000). Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach. Journal of Econometrics, 95(1), 57–69. DOI: 10.1016/S0304-4076(99)00029-9 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/de/econometrics/bayesian-egarch
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.
- ARCH-Modell (Autoregressive Conditional Heteroskedasticity)Ökonometrie↔ compare
- Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)Ökonometrie↔ compare
- Bayesianisches GARCH-ModellÖkonometrie↔ compare
- Bayesian TGARCH (Threshold GARCH mit Bayes'scher Schätzung)Ökonometrie↔ compare
- Bayesianisches VAR-Modell (BVAR)Ökonometrie↔ compare
- EGARCH-Modell (Exponential GARCH)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →