Modelo GARCH Bayesiano
O modelo GARCH Bayesiano combina o framework GARCH para volatilidade que varia no tempo com inferência posterior Bayesiana. Em vez de maximizar uma verossimilhança, ele especifica distribuições a priori para os parâmetros GARCH e extrai amostras da posterior resultante — tipicamente via Monte Carlo via Cadeias de Markov (MCMC) — para quantificar tanto estimativas pontuais quanto a incerteza completa sobre a dinâmica da volatilidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/pt/econometrics/bayesian-garch-model
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Modelo ARCH (Autoregressive Conditional Heteroskedasticity)Econometria↔ comparar
- Modelo EGARCH (GARCH Exponencial)Econometria↔ comparar
- Modelo GARCH (Previsão de Volatilidade)Econometria↔ comparar
- Modelo de Volatilidade Estocástica (Heston)Finanças↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →