Bayesian EGARCH
The Bayesian EGARCH model combines Nelson's (1991) Exponential GARCH specification — which models the log of conditional variance and captures the leverage effect — with Bayesian posterior inference via Markov Chain Monte Carlo (MCMC). This allows full uncertainty quantification of all volatility parameters, including the asymmetry coefficient, without requiring large-sample normality of the estimates.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. · DOI 10.2307/2938260
- Nakatsuma, T. (2000). Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach. Journal of Econometrics, 95(1), 57–69. · DOI 10.1016/S0304-4076(99)00029-9
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.