ScholarGate
Ассистент
Regression modelEconometrics / time series

Байесовская модель EGARCH

Байесовская модель EGARCH объединяет спецификацию экспоненциальной GARCH (EGARCH) Нельсона (1991) — которая моделирует логарифм условной дисперсии и учитывает эффект рычага — с байесовским апостериорным выводом с помощью цепей Маркова Монте-Карло (MCMC). Это позволяет полностью квантифицировать неопределенность всех параметров волатильности, включая коэффициент асимметрии, без необходимости нормальности оценок при больших выборках.

Применить в EconMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateBayesian EGARCH (Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model). Получено 2026-06-15 из https://scholargate.app/ru/econometrics/bayesian-egarch · Набор данных: https://doi.org/10.5281/zenodo.20539026