Robustais GARCH modelis
Robustais GARCH modelis paplašina klasisko GARCH ietvaru, lai apstrādātu novirzes un smagsakņu inovācijas, kas bieži parādās finanšu ienesīguma sērijās. Samazinot ekstrēmo novērojumu svaru, izmantojot robustu inovācijas terminu, tas nodrošina uzticamākas svārstīguma prognozes, ja dati satur lēcienus, krīzes vai citas anomālijas, kas citādi izkropļotu standarta GARCH aplēses.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/lv/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.
- Autoregresīvās nosacītās heteroskedastiskuma (ARCH) modelisEkonometrija↔ compare
- EGARCH modelis (eksponenciālais GARCH)Ekonometrija↔ compare
- GARCH modelis (volatilitātes prognozēšana)Ekonometrija↔ compare
- Kvantīļu regresijaEkonometrija↔ compare
- Stohastiskās mainības modelis (Heston)Finanses↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →