ScholarGate
어시스턴트
Regression model

지수적 GARCH (EGARCH)

EGARCH는 1991년 Nelson에 의해 소개된 비대칭 GARCH 변형으로, 동일한 크기의 나쁜 뉴스가 좋은 뉴스보다 변동성을 더 높이는 레버리지 효과를 모델링합니다. 이는 조건부 분산의 로그를 모델링함으로써 금융 수익률 시계열의 음수 충격 비대칭성을 포착합니다.

EconMind(으)로 적용하기곧 제공동영상곧 제공슬라이드 다운로드

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

+4개 더

출처

  1. Nelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns: A New Approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260
  2. Engle, R. F. & Ng, V. K. (1993). Measuring and Testing the Impact of News on Volatility. The Journal of Finance, 48(5), 1749-1778. DOI: 10.1111/j.1540-6261.1993.tb05127.x

이 페이지 인용 방법

ScholarGate. (2026, June 1). Exponential Generalised Autoregressive Conditional Heteroskedasticity. ScholarGate. https://scholargate.app/ko/econometrics/egarch

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기

이 방법을 참조하는 항목

ScholarGateEGARCH (Exponential Generalised Autoregressive Conditional Heteroskedasticity). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/econometrics/egarch · 데이터셋: https://doi.org/10.5281/zenodo.20539026