Modello GARCH Robusto
Il modello GARCH Robusto estende il framework GARCH classico per gestire outlier e innovazioni a code pesanti che compaiono comunemente nelle serie di rendimenti finanziari. Sottopesando le osservazioni estreme tramite un termine di innovazione robusto, produce previsioni di volatilità più affidabili quando i dati contengono salti, crisi o altre anomalie che altrimenti distorcerebbero le stime GARCH standard.
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
- Boudt, K., Danielsson, J., & Laurent, S. (2013). Robust forecasting of dynamic conditional correlation GARCH models. International Journal of Forecasting, 29(2), 244–257. DOI: 10.1016/j.ijforecast.2012.06.003 ↗
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/it/econometrics/robust-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
- Regressione quantilicaEconometria↔ compare
- Modello di Volatilità Stocastica (Heston)Finanza↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →