Regression modelEconometrics / time series

مدل EGARCH (نمایی GARCH)

مدل نمایی GARCH (EGARCH)، که توسط Nelson (1991) معرفی شد، چارچوب استاندارد GARCH را با مدل‌سازی لگاریتم واریانس شرطی گسترش می‌دهد. این امر تضمین می‌کند که واریانس بدون محدودیت پارامتر همیشه مثبت است و مهم‌تر از همه، به شوک‌های منفی و مثبت اجازه می‌دهد تا اثرات نامتقارنی بر نوسانات داشته باشند - که اثر اهرمی شناخته شده در بازارهای مالی را در بر می‌گیرد.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

+20 more

منابع

  1. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260
  2. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1

نحوهٔ استناد به این صفحه

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

ارجاع‌شده در

ScholarGateEGARCH model (Exponential Generalized Autoregressive Conditional Heteroscedasticity Model). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/egarch-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026