Robust TGARCH — Tröskel-GARCH med robust estimering
Robust TGARCH utökar tröskel-GARCH-modellen genom att ersätta det konventionella maximum likelihood-målet med en estimator som är motståndskraftig mot innovationer med tjocka svansar och avvikande observationer. Den fångar asymmetriska volatilitetsresponser — där negativa chocker förstärker variansen mer än positiva chocker — samtidigt som den förblir tillförlitlig när avkastningsfördelningen avviker kraftigt från normalitet.
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
- Zakoian, J.-M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and Control, 18(5), 931–955. DOI: 10.1016/0165-1889(94)90039-6 ↗
- Preminger, A., & Storti, G. (2017). Least squares estimation for GARCH (1,1) model with heavy tailed errors. The Econometrics Journal, 20(1), 221–258. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/sv/econometrics/robust-tgarch
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
- DCC-GARCH-modellen (Dynamic Conditional Correlation)Ekonometri↔ compare
- EGARCH-modellen (Exponential GARCH)Ekonometri↔ compare
- Robust ARCH-modellEkonometri↔ compare
- Robust GARCH-modellEkonometri↔ compare
- TGARCH-modell (Threshold GARCH)Ekonometri↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →