Model bayesowski GARCH
Model bayesowski GARCH łączy ramy GARCH do modelowania zmiennej w czasie zmienności z bayesowską inferencją a posteriori. Zamiast maksymalizować funkcję wiarygodności, określa się rozkłady a priori dla parametrów GARCH i losuje z wynikowego rozkładu a posteriori — zazwyczaj za pomocą łańcuchów Markowa Monte Carlo (MCMC) — w celu kwantyfikacji zarówno estymacji punktowych, jak i pełnej niepewności dotyczącej dynamiki zmienności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/pl/econometrics/bayesian-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 (Autoregresywna Heteroskedastyczność Warunkowa)Ekonometria↔ compare
- Model EGARCH (Exponential GARCH)Ekonometria↔ compare
- Model GARCH (Prognozowanie zmienności)Ekonometria↔ compare
- Model zmienności stochastycznej (Heston)Finanse↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →