Bayesiaans EGARCH-model
Het Bayesiaanse EGARCH-model combineert Nelsons (1991) Exponential GARCH-specificatie — die de logaritme van de conditionele variantie modelleert en het "leverage effect" vastlegt — met Bayesiaanse "posterior inference" via Markov Chain Monte Carlo (MCMC). Dit maakt volledige kwantificering van de onzekerheid van alle volatiliteitsparameters mogelijk, inclusief de asymmetriecoëfficiënt, zonder dat "large-sample normality" van de schattingen vereist is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/nl/econometrics/bayesian-egarch
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.
- ARCH-model (Autoregressieve Conditionele Heteroskedasticiteit)Econometrie↔ compare
- Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)Econometrie↔ compare
- Bayesiaans GARCH-modelEconometrie↔ compare
- Bayesian TGARCH (Threshold GARCH met Bayesiaanse Schatting)Econometrie↔ compare
- Bayesiaans VAR-model (BVAR)Econometrie↔ compare
- EGARCH-model (Exponentieel GARCH)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →