ScholarGate
Βοηθός
Regression modelEconometrics / time series

Μη Γραμμικό Μοντέλο EGARCH

Το Μη Γραμμικό μοντέλο EGARCH επεκτείνει το Exponential GARCH του Nelson (1991) επιτρέποντας στη συνάρτηση αντίκτυπου των ειδήσεων να λάβει μια ευέλικτη μη γραμμική μορφή, συλλαμβάνοντας ασύμμετρες και μη γραμμικές αποκρίσεις της υπό συνθήκη μεταβλητότητας σε παλαιότερα σοκ. Χρησιμοποιείται ευρέως στην χρηματοοικονομική οικονομετρία για τη μοντελοποίηση φαινομένων μόχλευσης και σύνθετων δυναμικών μεταβλητότητας στις αποδόσεις περιουσιακών στοιχείων.

Εφαρμογή με το EconMindΣύντομαΒίντεοΣύντομαΛήψη διαφανειών

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Χάρτης μεθόδων

Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.

Πηγές

  1. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260
  2. Engle, R. F., & Ng, V. K. (1993). Measuring and testing the impact of news on volatility. Journal of Finance, 48(5), 1749–1778. DOI: 10.1111/j.1540-6261.1993.tb05127.x

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Nonlinear Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/el/econometrics/nonlinear-egarch-model

Ποια μέθοδος;

Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.

Συγκρίνετε παράλληλα
ScholarGateNonlinear EGARCH model (Nonlinear Exponential Generalized Autoregressive Conditional Heteroscedasticity Model). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/econometrics/nonlinear-egarch-model · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026