Bayesiläinen GARCH-malli
Bayesiläinen GARCH-malli yhdistää GARCH-kehyksen aikariippuvaiselle volatiliteetille Bayesiläiseen posteriorianalyysiin. Todennäköisyyden maksimoinnin sijaan se määrittelee GARCH-parametrien priorijakaumat ja ottaa näytteitä tuloksena olevasta posteriorijakaumasta – tyypillisesti Markovin ketju-Monte Carlo (MCMC) -menetelmällä – kvantifioidakseen sekä pistearviot että täyden epävarmuuden volatiliteettidynamiikasta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Geweke, J. (1989). Exact predictive densities for linear models with ARCH disturbances. Journal of Econometrics, 40(1), 63–86. DOI: 10.1016/0304-4076(89)90030-4 ↗
- 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 Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/fi/econometrics/bayesian-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.
- Autoregressiivisen ehdollisen heteroskedastisuuden (ARCH) malliEkonometria↔ compare
- EGARCH-malli (Exponential GARCH)Ekonometria↔ compare
- GARCH-malli (volatiliteetin ennustaminen)Ekonometria↔ compare
- Hestonin stokastinen volatiliteettimalliRahoitus↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →