Modello GARCH Non Lineare
Il modello GARCH Non Lineare estende il framework GARCH standard per catturare risposte asimmetriche e non lineari della volatilità condizionale a shock passati. Permette che i rendimenti negativi (bad news) amplifichino la volatilità più dei rendimenti positivi di uguale magnitudine, un fenomeno noto come effetto leva, che è empiricamente pervasivo nei mercati finanziari.
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
- 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. Journal of Finance, 48(5), 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x ↗
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Nonlinear Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/it/econometrics/nonlinear-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 ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Modello DCC-GARCH (Dynamic Conditional Correlation)Econometria↔ compare
- Modello EGARCH (Exponential GARCH)Econometria↔ compare
- Modello TGARCH (Threshold GARCH)Econometria↔ compare
- Autoregressione Vettoriale (VAR)Econometria↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →