Modèle EGARCH Robuste
EGARCH Robuste étend le modèle EGARCH exponentiel de Nelson (1991) en remplaçant l'estimation standard par quasi-vraisemblance maximale par des procédures résistantes aux valeurs aberrantes — typiquement une estimation à influence bornée ou une M-estimation — de sorte qu'une petite fraction d'observations extrêmes ou d'erreurs de données ne puisse pas fausser la dynamique de volatilité estimée ou l'effet de levier.
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
- Muler, N., & Yohai, V. J. (2008). Robust estimates for GARCH models. Journal of Statistical Planning and Inference, 138(10), 2918–2940. DOI: 10.1016/j.jspi.2007.11.003 ↗
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fr/econometrics/robust-egarch
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 DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ compare
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ compare
- Modèle GARCH (Prévision de la volatilité)Économétrie↔ compare
- Modèle GARCH RobusteÉconométrie↔ compare
- TGARCH RobusteÉconométrie↔ compare
- Modèle TGARCH (Threshold GARCH)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →