Modèle ARCH bayésien
Le modèle ARCH bayésien estime la spécification d'hétéroscédasticité conditionnelle autorégressive d'Engle dans un cadre bayésien. Au lieu de maximiser une vraisemblance, il combine une distribution à priori sur les paramètres de volatilité avec la vraisemblance des données pour obtenir une distribution a posteriori complète, fournissant une quantification plus riche de l'incertitude que les modèles ARCH classiques par maximum de vraisemblance.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007. DOI: 10.2307/1912773 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/fr/econometrics/bayesian-arch-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.
- Modèle ARCH (Hétéroscédasticité Conditionnelle Autorégressive)Économétrie↔ compare
- Modèle EGARCH bayésienÉconométrie↔ compare
- Modèle GARCH bayésienÉconométrie↔ compare
- TGARCH bayésien (Seuil GARCH avec estimation bayésienne)Économétrie↔ compare
- Modèle DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ compare
- Modèle GARCH (Prévision de la volatilité)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →