گارچ-میداس
گارچ-میداس واریانس را به مولفههای کوتاهمدت (گارچ) و بلندمدت (میداس) تجزیه میکند و به متغیرهای کلان اقتصادی با فرکانس پایین اجازه میدهد تا نوسانات میانمدت را هدایت کنند، در حالی که بازدههای با فرکانس بالا نوسانات روزانه را کنترل میکنند. این چارچوب که توسط انگل و گیسلز (۲۰۱۲) معرفی شد، به طرز ماهرانهای مقیاسهای زمانی نوسانات را جدا میکند. این رویکرد برای درک اینکه چگونه شرایط کلان (رشد، تورم) حقالزحمه ریسک را هدایت میکنند و برای پیشبینی بهبود یافته نوسانات قدرتمند است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Engle, R. F., & Ghysels, E. (2012). GARCH for long memory. Journal of Econometrics, 164(2), 385-391. link ↗
- Ghysels, E., Santa-Clara, P., & Valkanov, R. (2005). There is a risk-return trade-off after all. Journal of Financial Economics, 76(3), 674-704. DOI: 10.1016/j.jfineco.2004.03.008 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). GARCH with Mixed Data Sampling. ScholarGate. https://scholargate.app/fa/econometrics/garch-midas
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.
- Component GARCHاقتصادسنجی↔ compare
- DCC-MIDASاقتصادسنجی↔ compare
- رگرسیون MIDAS نامقیداقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →