Bayesiaans GARCH-model
Het Bayesiaanse GARCH-model combineert het GARCH-raamwerk voor tijdsvariërende volatiliteit met Bayesiaanse posterieure inferentie. In plaats van een likelihood te maximaliseren, specificeert het a-priori-verdelingen voor de GARCH-parameters en trekt het steekproeven uit de resulterende posterieure verdeling — doorgaans via Markov chain Monte Carlo (MCMC) — om zowel puntsschattingen als de volledige onzekerheid over volatiliteitsdynamiek te kwantificeren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Geweke, J. (1989). Exact predictive densities for linear models with ARCH disturbances. Journal of Econometrics, 40(1), 63–86. DOI: 10.1016/0304-4076(89)90030-4 ↗
- 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 Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/nl/econometrics/bayesian-garch-model
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- ARCH-model (Autoregressieve Conditionele Heteroskedasticiteit)Econometrie↔ vergelijken
- EGARCH-model (Exponentieel GARCH)Econometrie↔ vergelijken
- GARCH-model (Volatiliteitsvoorspelling)Econometrie↔ vergelijken
- Stochastisch volatiliteitsmodel (Heston)Financiering↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →