Bayesiansk EGARCH-modell
Den Bayesianske EGARCH-modellen kombinerer Nelsons (1991) eksponensielle GARCH-spesifikasjon – som modellerer logaritmen til den betingede variansen og fanger opp "leverage-effekten" – med Bayesiansk posterior inferens via Markov Chain Monte Carlo (MCMC). Dette muliggjør full kvantifisering av usikkerhet for alle volatilitetsparametere, inkludert asymmetrikoeffisienten, uten å kreve normalfordeling av estimatene i store utvalg.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/no/econometrics/bayesian-egarch
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- ARCH-modell (Autoregressive Conditional Heteroskedasticity)Økonometri↔ sammenlign
- Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)Økonometri↔ sammenlign
- Bayesiansk GARCH-modellØkonometri↔ sammenlign
- Bayesian TGARCH (Terskjel GARCH med Bayesiansk Estimering)Økonometri↔ sammenlign
- Bayesian VAR-modell (BVAR)Økonometri↔ sammenlign
- EGARCH-modell (Exponential GARCH)Økonometri↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →