TGARCH Robuste — Seuil GARCH avec estimation robuste
Le TGARCH robuste étend le modèle TGARCH à seuil en remplaçant l'objectif conventionnel de vraisemblance maximale par un estimateur résistant aux innovations à queues lourdes et aux observations aberrantes. Il capture les réponses asymétriques de la volatilité — où les chocs négatifs amplifient la variance plus que les chocs positifs — tout en restant fiable lorsque la distribution des rendements s'écarte fortement de la normalité.
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
- Zakoian, J.-M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and Control, 18(5), 931–955. DOI: 10.1016/0165-1889(94)90039-6 ↗
- Preminger, A., & Storti, G. (2017). Least squares estimation for GARCH (1,1) model with heavy tailed errors. The Econometrics Journal, 20(1), 221–258. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fr/econometrics/robust-tgarch
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 DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ compare
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ compare
- Modèle ARCH RobusteÉconométrie↔ compare
- Modèle GARCH RobusteÉconométrie↔ compare
- Modèle TGARCH (Threshold GARCH)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →