Robuster GARCH-Modell
Das Robuste GARCH-Modell erweitert den klassischen GARCH-Rahmen, um Ausreißer und Innovationen mit dicken Rändern zu handhaben, die häufig in Finanzrenditeserien auftreten. Durch Heruntergewichtung extremer Beobachtungen mittels eines robusten Innovationsbegriffs liefert es zuverlässigere Volatilitätsprognosen, wenn die Daten Sprünge, Krisen oder andere Anomalien enthalten, die andernfalls Standard-GARCH-Schätzungen verzerren würden.
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
- Boudt, K., Danielsson, J., & Laurent, S. (2013). Robust forecasting of dynamic conditional correlation GARCH models. International Journal of Forecasting, 29(2), 244–257. DOI: 10.1016/j.ijforecast.2012.06.003 ↗
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/de/econometrics/robust-garch-model
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
- EGARCH-Modell (Exponential GARCH)Ökonometrie↔ compare
- GARCH-Modell (Volatilitätsvorhersage)Ökonometrie↔ compare
- Quantile RegressionÖkonometrie↔ compare
- Stochastisches Volatilitätsmodell (Heston)Finanzwirtschaft↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →