Modelul EGARCH Bayesian
Modelul EGARCH Bayesian combină specificația GARCH Exponențială (EGARCH) a lui Nelson (1991) — care modelează logaritmul varianței condiționate și captează efectul de levier — cu inferența bayesiană posterioară prin metoda Monte Carlo cu lanțuri Markov (MCMC). Aceasta permite cuantificarea completă a incertitudinii tuturor parametrilor volatilității, inclusiv a coeficientului de asimetrie, fără a necesita normalitatea eșantionului mare a estimărilor.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/ro/econometrics/bayesian-egarch
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.
- Modelul ARCH (Autoregresiv Conditional Eteroskedastic)Econometrie↔ compare
- GARCH cu Corelație Condiționată Dinamică Bayesiană (Bayesian DCC-GARCH)Econometrie↔ compare
- Modelul GARCH BayesianEconometrie↔ compare
- TGARCH Bayesian (Model GARCH cu prag și estimare Bayesiană)Econometrie↔ compare
- Modelul Vector Autoregresiv Bayesian (BVAR)Econometrie↔ compare
- Model EGARCH (Exponential GARCH)Econometrie↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →