Robust GARCH-modell
Den robusta GARCH-modellen utvidgar det klassiska GARCH-ramverket för att hantera extremvärden och innovationer med tjocka svansar som vanligtvis förekommer i finansiella avkastningsserier. Genom att nedvikta extrema observationer via en robust innovationsterm producerar den mer tillförlitliga volatilitetsprognoser när data innehåller hopp, kriser eller andra anomalier som annars skulle förvränga standard GARCH-estimat.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Boudt, K., Danielsson, J., & Laurent, S. (2013). Robust forecasting of dynamic conditional correlation GARCH models. International Journal of Forecasting, 29(2), 244–257. DOI: 10.1016/j.ijforecast.2012.06.003 ↗
- 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). Robust Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/sv/econometrics/robust-garch-model
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.
- Autoregressiv modell för betingad heteroskedasticitet (ARCH-modell)Ekonometri↔ jämför
- EGARCH-modellen (Exponential GARCH)Ekonometri↔ jämför
- GARCH-modellen (prognostisering av volatilitet)Ekonometri↔ jämför
- KvantilregressionEkonometri↔ jämför
- Stokastisk volatilitetsmodell (Heston)Finansiell ekonomi↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →