Robuster TGARCH — Threshold GARCH mit robuster Schätzung
Robuster TGARCH erweitert das Threshold GARCH-Modell, indem das konventionelle Maximum-Likelihood-Ziel durch einen Schätzer ersetzt wird, der gegenüber Innovationen mit schweren Rändern und Ausreißerbeobachtungen unempfindlich ist. Es erfasst asymmetrische Volatilitätsreaktionen – bei denen negative Schocks die Varianz stärker verstärken als positive Schocks –, während es zuverlässig bleibt, wenn die Verteilung der Renditen stark von der Normalität abweicht.
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
- 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 ↗
- Preminger, A., & Storti, G. (2017). Least squares estimation for GARCH (1,1) model with heavy tailed errors. The Econometrics Journal, 20(1), 221–258. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/de/econometrics/robust-tgarch
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
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ compare
- EGARCH-Modell (Exponential GARCH)Ökonometrie↔ compare
- Robuster ARCH-ModellÖkonometrie↔ compare
- Robuster GARCH-ModellÖkonometrie↔ compare
- Das TGARCH-Modell (Threshold GARCH)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →