Байесовская модель GARCH
Байесовская модель GARCH объединяет фреймворк GARCH для учета изменчивой волатильности с байесовским выводом апостериорных распределений. Вместо максимизации правдоподобия, она задает априорные распределения для параметров GARCH и извлекает выборки из результирующего апостериорного распределения — обычно с помощью цепей Маркова Монте-Карло (MCMC) — для количественной оценки как точечных оценок, так и полной неопределенности относительно динамики волатильности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/ru/econometrics/bayesian-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.
- Модель ARCH (авторегрессионная условная гетероскедастичность)Эконометрика↔ compare
- Модель EGARCH (Экспоненциальная GARCH)Эконометрика↔ compare
- Модель GARCH (прогнозирование волатильности)Эконометрика↔ compare
- Модель стохастической волатильности (Хестон)Финансы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →