Model GARCH Bukan Linear
Model GARCH Bukan Linear melanjutkan rangka kerja GARCH standard untuk menangkap respons asimetri dan bukan linear terhadap volatiliti bersyarat kepada kejutan lampau. Ia membenarkan pulangan negatif (berita buruk) untuk mengembangkan volatiliti lebih daripada pulangan positif dengan magnitud yang sama, fenomena yang dikenali sebagai kesan leveraj, yang lazim secara empirikal dalam pasaran kewangan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Nonlinear Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/ms/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.
- Model ARCH (Heteroskedastisitas Bersyarat Autoregresif)Ekonometrik↔ compare
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometrik↔ compare
- Model DCC-GARCH (Dynamic Conditional Correlation)Ekonometrik↔ compare
- Model EGARCH (Exponential GARCH)Ekonometrik↔ compare
- Model TGARCH (Threshold GARCH)Ekonometrik↔ compare
- Autoregresi Vektor (VAR)Ekonometrik↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →