Component GARCH
Component GARCH zerlegt die bedingte Varianz in transiente (kurzfristige) und permanente (langfristige) Komponenten mit unterschiedlicher Dynamik, was Flexibilität bei der Erfassung des Volatilitätsverhaltens auf mehreren Frequenzen ermöglicht. Eingeführt von Engle und Lee (1999), modelliert es elegant die empirische Erkenntnis, dass Volatilität sowohl schnelle Mittelwertrückbildung (tägliche Schocks) als auch langsame Mittelwertrückbildung (Niveauverschiebungen) aufweist. Dieser Rahmen ist entscheidend für das Verständnis der Volatilitätspersistenz und die Verbesserung der Volatilitätsvorhersage über lange Horizonte.
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
- 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 ↗
- Ling, S., & McAleer, M. (2003). Asymptotic theory and inference for dynamic conditional distribution models. Journal of Econometrics, 106(1), 119-135. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Component-Based GARCH Model. ScholarGate. https://scholargate.app/de/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.
- Kausalität in der VarianzprüfungÖkonometrie↔ compare
- DCC-MIDASÖkonometrie↔ compare
- GARCH-MIDASÖkonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →