Bayesian EGARCH
The Bayesian EGARCH model combines Nelson's (1991) Exponential GARCH specification — which models the log of conditional variance and captures the leverage effect — with Bayesian posterior inference via Markov Chain Monte Carlo (MCMC). This allows full uncertainty quantification of all volatility parameters, including the asymmetry coefficient, without requiring large-sample normality of the estimates.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. · DOI 10.2307/2938260
- Nakatsuma, T. (2000). Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach. Journal of Econometrics, 95(1), 57–69. · DOI 10.1016/S0304-4076(99)00029-9
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.