ScholarGate
Assistent
Regression modelEconometrics / time series

EGARCH-modellen (Exponential GARCH)

Exponential GARCH-modellen (EGARCH), introducerad av Nelson (1991), utvidgar det standardiserade GARCH-ramverket genom att modellera logaritmen av den betingade variansen. Detta säkerställer att variansen alltid är positiv utan parameterbegränsningar och, avgörande, tillåter att negativa och positiva chocker har asymmetriska effekter på volatiliteten – vilket fångar den välkända hävstångseffekten på finansmarknaderna.

Tillämpa med EconMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

+20 more

Källor

  1. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260
  2. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1

Så citerar du den här sidan

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

Compare side by side

Refereras av

ScholarGateEGARCH model (Exponential Generalized Autoregressive Conditional Heteroscedasticity Model). Hämtad 2026-06-15 från https://scholargate.app/sv/econometrics/egarch-model · Datamängd: https://doi.org/10.5281/zenodo.20539026