Regression model

GARCH modelis (volatilitātes prognozēšana)

Vispārējais Autoregresīvais Nosacītais Heteroskedastiskuma (GARCH) modelis, ko 1986. gadā ieviesa Tims Bolerslevs, modelē finanšu laika sēriju nosacīto dispersiju, kas mainās laikā. Tas aptver volatilitātes kopu veidošanos un ARCH efektu, un ir standarta instruments riska un atdeves sēriju volatilitātes novērtēšanai.

Pielietot ar EconMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

+29 more

Avoti

  1. Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1

Kā citēt šo lapu

ScholarGate. (2026, June 1). Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/lv/econometrics/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.

Compare side by side

Uz to atsaucas

ScholarGateGARCH Model (Generalized Autoregressive Conditional Heteroskedasticity Model). Izgūts 2026-06-15 no https://scholargate.app/lv/econometrics/garch-model · Datu kopa: https://doi.org/10.5281/zenodo.20539026