Regression modelEconometrics / time series

مدل GARCH غیرخطی

مدل GARCH غیرخطی چارچوب استاندارد GARCH را گسترش می‌دهد تا پاسخ‌های نامتقارن و غیرخطی نوسانات شرطی به شوک‌های گذشته را ثبت کند. این مدل اجازه می‌دهد بازده‌های منفی (اخبار بد) نوسانات را بیش از بازده‌های مثبت با بزرگی یکسان تقویت کنند، پدیده‌ای که به اثر اهرمی معروف است و در بازارهای مالی به طور تجربی فراگیر است.

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.

منابع

  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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Nonlinear Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fa/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). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/nonlinear-garch-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026