ScholarGate
Asszisztens
Regression model

Exponenciális GARCH (EGARCH)

Az EGARCH egy aszimmetrikus GARCH-variáns, amelyet Nelson vezetett be 1991-ben, és amely modellezi a tőkeáttételi hatást, amelyben a rossz hírek ugyanakkora méretű jó híreknél jobban növelik a volatilitást. A feltételes variancia logaritmusának modellezésével ragadja meg a pénzügyi hozamsorozatok negatív-sokkelméleti aszimmetriáját.

Alkalmazás ezzel: EconMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

+4 more

Források

  1. Nelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns: A New Approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260
  2. Engle, R. F. & Ng, V. K. (1993). Measuring and Testing the Impact of News on Volatility. The Journal of Finance, 48(5), 1749-1778. DOI: 10.1111/j.1540-6261.1993.tb05127.x

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Exponential Generalised Autoregressive Conditional Heteroskedasticity. ScholarGate. https://scholargate.app/hu/econometrics/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.

Compare side by side

Hivatkozik rá

ScholarGateEGARCH (Exponential Generalised Autoregressive Conditional Heteroskedasticity). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/econometrics/egarch · Adatkészlet: https://doi.org/10.5281/zenodo.20539026