Regression modelEconometrics / time series

Μη Γραμμικό Υπόδειγμα GARCH

Το μη γραμμικό υπόδειγμα GARCH επεκτείνει το τυπικό πλαίσιο GARCH για να συλλάβει ασύμμετρες και μη γραμμικές αποκρίσεις της υπό συνθήκη μεταβλητότητας σε προηγούμενες κρούσεις. Επιτρέπει στις αρνητικές αποδόσεις (κακά νέα) να ενισχύουν τη μεταβλητότητα περισσότερο από τις θετικές αποδόσεις ίσου μεγέθους, ένα φαινόμενο γνωστό ως επίδραση μόχλευσης, το οποίο είναι εμπειρικά διάχυτο στις χρηματοπιστωτικές αγορές.

Εφαρμογή με το EconMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(5), 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x
  2. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260

Πώς να παραπέμψετε σε αυτή τη σελίδα

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

Compare side by side
ScholarGateNonlinear GARCH model (Nonlinear Generalized Autoregressive Conditional Heteroscedasticity Model). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/econometrics/nonlinear-garch-model · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026