Modèle GARCH bayésien
Le modèle GARCH bayésien combine le cadre GARCH pour la volatilité variant dans le temps avec l'inférence bayésienne a posteriori. Au lieu de maximiser une vraisemblance, il spécifie des distributions a priori pour les paramètres GARCH et tire de la distribution a posteriori résultante — généralement via Monte Carlo par chaînes de Markov (MCMC) — pour quantifier à la fois les estimations ponctuelles et l'incertitude complète concernant la dynamique de la volatilité.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/fr/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.
- Modèle ARCH (Hétéroscédasticité Conditionnelle Autorégressive)Économétrie↔ compare
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ compare
- Modèle GARCH (Prévision de la volatilité)Économétrie↔ compare
- Modèle de volatilité stochastique (Heston)Finance↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →