Bayesiansk GARCH-modell
Den Bayesianska GARCH-modellen kombinerar GARCH-ramverket för tidsvarierande volatilitet med Bayesiansk posterior inferens. Istället för att maximera en likelihood specificeras prior-fördelningar för GARCH-parametrarna och dragningar görs från den resulterande posteriorn — typiskt via Markov chain Monte Carlo (MCMC) — för att kvantifiera både punktuppskattningar och fullständig osäkerhet kring volatilitetsdynamiken.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/sv/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.
- Autoregressiv modell för betingad heteroskedasticitet (ARCH-modell)Ekonometri↔ compare
- EGARCH-modellen (Exponential GARCH)Ekonometri↔ compare
- GARCH-modellen (prognostisering av volatilitet)Ekonometri↔ compare
- Stokastisk volatilitetsmodell (Heston)Finansiell ekonomi↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →