Modello EGARCH Bayesiano
Il modello EGARCH Bayesiano combina la specifica esponenziale GARCH di Nelson (1991) — che modella il logaritmo della varianza condizionata e cattura l'effetto leva — con l'inferenza bayesiana a posteriori tramite Markov Chain Monte Carlo (MCMC). Ciò consente una quantificazione completa dell'incertezza di tutti i parametri di volatilità, incluso il coefficiente di asimmetria, senza richiedere la normalità asintotica delle stime.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/it/econometrics/bayesian-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.
- Modello ARCH (Autoregressive Conditional Heteroskedasticity)Econometria↔ compare
- Bayesian DCC-GARCHEconometria↔ compare
- Modello GARCH BayesianoEconometria↔ compare
- TGARCH Bayesiano (Threshold GARCH con Stima Bayesiana)Econometria↔ compare
- Modello VAR Bayesiano (BVAR)Econometria↔ compare
- Modello EGARCH (Exponential GARCH)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →