Regression model
GJR-GARCH (Asimetrični GARCH)
GJR-GARCH je inačica GARCH modela uvjetne volatilnosti koja hvata asimetrični učinak negativnih šokova na volatilnost pomoću pokazateljske varijable. Uveli su ga Glosten, Jagannathan i Runkle (1993.), s vrlo sličnom formulacijom praga koju je razvio Zakoian (1994.).
Primijenite uz EconMindUskoroApply, compare, get guidance
Tools & resources
Learn & explore
VideoUskoro
Pročitajte cijelu metodu
Samo za članove
Prijavite sePrijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
+1 više
Izvori
- Glosten, L. R., Jagannathan, R. & Runkle, D. E. (1993). On the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. The Journal of Finance, 48(5), 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Glosten-Jagannathan-Runkle GARCH. ScholarGate. https://scholargate.app/hr/econometrics/gjr-garch
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- ARCH model (Autoregressive Conditional Heteroskedasticity)Ekonometrija↔ usporedi
- Model ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ usporedi
- EGARCH (Exponential GARCH)Ekonometrija↔ usporedi
- Model GARCH (Prognoziranje volatilnosti)Ekonometrija↔ usporedi
- TBATSEkonometrija↔ usporedi
Citirana u
APARCHARCH-LM Test za klasteriranje volatilnostiEGARCH (Exponential GARCH)Fourier EGARCH: Modeliranje volatilnosti s glatkim strukturnim promjenamaGeneralizirani autoregresivni uvjetni heteroskedasticitet (GARCH)Panel TGARCH (prag GARCH model za panelne podatke)VAR s pragom i VAR s glatkom tranzicijom (TVAR / STVAR)
Similar methods
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →