ScholarGate
Assistent
Regression model

GARCH-modellen (prognostisering av volatilitet)

Generaliserad Autoregressiv Konditionell Heteroskedasticitetsmodellen (GARCH), introducerad av Tim Bollerslev 1986, modellerar den tidsvarierande betingade variansen för en finansiell tidsserie. Den fångar volatilitetsklustring och ARCH-effekten, och är standardverktyget för att uppskatta risk och volatilitet i avkastningsserier.

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.

+29 more

Källor

  1. 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 1). Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/sv/econometrics/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.

Compare side by side

Refereras av

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