ScholarGate
Asistenti
Regression modelEconometrics / time series

Modeli Bayesian EGARCH

Modeli Bayesian EGARCH kombinon specifikimin Exponential GARCH të Nelsonit (1991) — i cili modelon logaritmin e variancës kondicionale dhe kap efektin levë — me inferencën bajeziane të pasme (posterior) nëpërmjet Markov Chain Monte Carlo (MCMC). Kjo mundëson kuantifikimin e plotë të pasigurisë për të gjithë parametrat e volatilitetit, duke përfshirë koeficientin e asimetrisë, pa kërkuar normalitetin e vlerësimeve në mostra të mëdha.

Zbatojeni me EconMindSë shpejtiVideoSë shpejtiShkarko diapozitivat

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Harta e metodave

Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.

Burimet

  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

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/sq/econometrics/bayesian-egarch

Cila metodë?

Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.

Krahasoni krah për krah

Cituar nga

ScholarGateBayesian EGARCH (Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model). Marrë më 2026-06-15 nga https://scholargate.app/sq/econometrics/bayesian-egarch · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026