Modelo GARCH Não Linear
O modelo GARCH Não Linear estende o framework GARCH padrão para capturar respostas assimétricas e não lineares da volatilidade condicional a choques passados. Ele permite que retornos negativos (más notícias) amplifiquem a volatilidade mais do que retornos positivos de magnitude igual, um fenômeno conhecido como efeito de alavancagem, que é empiricamente prevalente nos mercados financeiros.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(5), 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x ↗
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260 ↗
Como citar esta página
ScholarGate. (2026, June 3). Nonlinear Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/pt/econometrics/nonlinear-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.
- Modelo ARCH (Autoregressive Conditional Heteroskedasticity)Econometria↔ compare
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Modelo DCC-GARCH (Correlação Condicional Dinâmica)Econometria↔ compare
- Modelo EGARCH (GARCH Exponencial)Econometria↔ compare
- Modelo TGARCH (GARCH Limiar)Econometria↔ compare
- Autoregressores Vetoriais (VAR)Econometria↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →