ScholarGate
Assistent
Regression modelMixed-frequency volatility

GARCH-MIDAS

GARCH-MIDAS sönderdelar volatilitet i kortsiktiga (GARCH) och långsiktiga (MIDAS) komponenter, vilket tillåter makroekonomiska variabler med låg frekvens att driva volatilitet på medellång sikt medan avkastning med hög frekvens styr dagliga fluktuationer. Detta ramverk, introducerat av Engle och Ghysels (2012), separerar elegant tidsskalor för volatilitet. Metoden är kraftfull för att förstå hur makroförhållanden (tillväxt, inflation) driver riskpremier och för förbättrad volatilitetsprognostisering.

Tillämpa med EconMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. Engle, R. F., & Ghysels, E. (2012). GARCH for long memory. Journal of Econometrics, 164(2), 385-391. link
  2. Ghysels, E., Santa-Clara, P., & Valkanov, R. (2005). There is a risk-return trade-off after all. Journal of Financial Economics, 76(3), 674-704. DOI: 10.1016/j.jfineco.2004.03.008

Så citerar du den här sidan

ScholarGate. (2026, June 3). GARCH with Mixed Data Sampling. ScholarGate. https://scholargate.app/sv/econometrics/garch-midas

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateGARCH-MIDAS (GARCH with Mixed Data Sampling). Hämtad 2026-06-15 från https://scholargate.app/sv/econometrics/garch-midas · Datamängd: https://doi.org/10.5281/zenodo.20539026