Bayesiläinen EGARCH-malli
Bayesiläinen EGARCH-malli yhdistää Nelsonin (1991) eksponentiaalisen GARCH-spesifikaation – joka mallintaa ehdollisen varianssin logaritmia ja kuvaa vipuvaikutusta – Bayesiläiseen posterioritiedusteluun Markov-ketjumonte-Carlon (MCMC) avulla. Tämä mahdollistaa kaikkien volatiliteettiparametrien, mukaan lukien epäsymmetriakerroin, täydellisen epävarmuuden kvantifioinnin ilman, että estimaateilta vaaditaan suuren otoksen normaalijakautuneisuutta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
- Nakatsuma, T. (2000). Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach. Journal of Econometrics, 95(1), 57–69. DOI: 10.1016/S0304-4076(99)00029-9 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fi/econometrics/bayesian-egarch
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Autoregressiivisen ehdollisen heteroskedastisuuden (ARCH) malliEkonometria↔ vertaa
- Bayesiläinen dynaamisten ehdollisten korrelaatioiden GARCH (Bayesian DCC-GARCH)Ekonometria↔ vertaa
- Bayesiläinen GARCH-malliEkonometria↔ vertaa
- Bayesian TGARCH (Threshold GARCH bayesiläisellä estimoinnilla)Ekonometria↔ vertaa
- Bayesiläinen VAR-malli (BVAR)Ekonometria↔ vertaa
- EGARCH-malli (Exponential GARCH)Ekonometria↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →