Modello GARCH Bayesiano
Il modello GARCH Bayesiano combina il framework GARCH per la volatilità variabile nel tempo con l'inferenza bayesiana posteriore. Invece di massimizzare una verosimiglianza, specifica distribuzioni a priori per i parametri GARCH e campiona dall'inferiore risultante — tipicamente tramite Markov chain Monte Carlo (MCMC) — per quantificare sia le stime puntuali che l'incertezza completa sulle dinamiche di volatilità.
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
- Geweke, J. (1989). Exact predictive densities for linear models with ARCH disturbances. Journal of Econometrics, 40(1), 63–86. DOI: 10.1016/0304-4076(89)90030-4 ↗
- 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 Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/it/econometrics/bayesian-garch-model
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
- Modello EGARCH (Exponential GARCH)Econometria↔ compare
- Modello GARCH (Previsione della Volatilità)Econometria↔ compare
- Modello di Volatilità Stocastica (Heston)Finanza↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →