Robust EGARCH-Modell
Robust EGARCH erweitert Nelsons (1991) Exponential GARCH-Modell, indem die Standard-Quasi-Maximum-Likelihood-Schätzung durch Ausreißer-resistente Verfahren – typischerweise Bounded-Influence- oder M-Schätzung – ersetzt wird, sodass ein kleiner Bruchteil extremer Beobachtungen oder Datenfehler die geschätzte Volatilitätsdynamik oder den Leverage-Effekt nicht verzerren kann.
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
- Muler, N., & Yohai, V. J. (2008). Robust estimates for GARCH models. Journal of Statistical Planning and Inference, 138(10), 2918–2940. DOI: 10.1016/j.jspi.2007.11.003 ↗
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/de/econometrics/robust-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.
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ compare
- EGARCH-Modell (Exponential GARCH)Ökonometrie↔ compare
- GARCH-Modell (Volatilitätsvorhersage)Ökonometrie↔ compare
- Robuster GARCH-ModellÖkonometrie↔ compare
- Robuster TGARCHÖkonometrie↔ compare
- Das TGARCH-Modell (Threshold GARCH)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →