Modelo GARCH Robusto
O modelo GARCH Robusto estende o framework GARCH clássico para lidar com outliers e inovações de caudas pesadas que comumente aparecem em séries de retornos financeiros. Ao reduzir o peso de observações extremas através de um termo de inovação robusto, ele produz previsões de volatilidade mais confiáveis quando os dados contêm saltos, crises ou outras anomalias que, de outra forma, distorceriam as estimativas GARCH padrão.
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
- Boudt, K., Danielsson, J., & Laurent, S. (2013). Robust forecasting of dynamic conditional correlation GARCH models. International Journal of Forecasting, 29(2), 244–257. DOI: 10.1016/j.ijforecast.2012.06.003 ↗
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/pt/econometrics/robust-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 EGARCH (GARCH Exponencial)Econometria↔ compare
- Modelo GARCH (Previsão de Volatilidade)Econometria↔ compare
- Regressão QuantílicaEconometria↔ compare
- Modelo de Volatilidade Estocástica (Heston)Finanças↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →