Робастная модель GARCH
Робастная модель GARCH расширяет классическую структуру GARCH для обработки выбросов и инноваций с тяжелыми хвостами, которые часто встречаются в рядах финансовых доходностей. Путем уменьшения веса экстремальных наблюдений с помощью робастного члена инноваций, она дает более надежные прогнозы волатильности, когда данные содержат скачки, кризисы или другие аномалии, которые в противном случае исказили бы стандартные оценки GARCH.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/ru/econometrics/robust-garch-model
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Модель ARCH (авторегрессионная условная гетероскедастичность)Эконометрика↔ сравнить
- Модель EGARCH (Экспоненциальная GARCH)Эконометрика↔ сравнить
- Модель GARCH (прогнозирование волатильности)Эконометрика↔ сравнить
- Квантильная регрессияЭконометрика↔ сравнить
- Модель стохастической волатильности (Хестон)Финансы↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →