Modèle GARCH Robuste
Le modèle GARCH robuste étend le cadre GARCH classique pour gérer les valeurs aberrantes et les innovations à queues épaisses qui apparaissent couramment dans les séries de rendements financiers. En réduisant le poids des observations extrêmes par un terme d'innovation robuste, il produit des prévisions de volatilité plus fiables lorsque les données contiennent des sauts, des crises ou d'autres anomalies qui, autrement, fausseraient les estimations GARCH standard.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Boudt, K., Danielsson, J., & Laurent, S. (2013). Robust forecasting of dynamic conditional correlation GARCH models. International Journal of Forecasting, 29(2), 244–257. DOI: 10.1016/j.ijforecast.2012.06.003 ↗
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fr/econometrics/robust-garch-model
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Modèle ARCH (Hétéroscédasticité Conditionnelle Autorégressive)Économétrie↔ comparer
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ comparer
- Modèle GARCH (Prévision de la volatilité)Économétrie↔ comparer
- Régression quantileÉconométrie↔ comparer
- Modèle de volatilité stochastique (Heston)Finance↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →