แบบจำลอง EGARCH แบบเบย์ (Bayesian EGARCH Model)
แบบจำลอง EGARCH แบบเบย์เป็นการผสมผสานระหว่างโครงสร้าง Exponential GARCH ของ Nelson (1991) ซึ่งจำลองค่าลอการิทึมของความแปรปรวนแบบมีเงื่อนไขและจับผลกระทบจากการงัด (leverage effect) เข้ากับการอนุมานแบบเบย์ผ่านกระบวนการ Markov Chain Monte Carlo (MCMC) วิธีนี้ช่วยให้สามารถวัดความไม่แน่นอนของพารามิเตอร์ความผันผวนทั้งหมดได้อย่างสมบูรณ์ รวมถึงค่าสัมประสิทธิ์ความไม่สมมาตร โดยไม่จำเป็นต้องอาศัยข้อสมมติฐานว่าค่าประมาณมีลักษณะการแจกแจงปกติเมื่อกลุ่มตัวอย่างมีขนาดใหญ่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
- Nakatsuma, T. (2000). Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach. Journal of Econometrics, 95(1), 57–69. DOI: 10.1016/S0304-4076(99)00029-9 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/th/econometrics/bayesian-egarch
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.
- แบบจำลอง ARCH (Autoregressive Conditional Heteroskedasticity)เศรษฐมิติ↔ compare
- แบบจำลอง Bayesian DCC-GARCH (Bayesian DCC-GARCH)เศรษฐมิติ↔ compare
- แบบจำลองเบย์เซียน GARCHเศรษฐมิติ↔ compare
- Bayesian TGARCH (Threshold GARCH with Bayesian Estimation)เศรษฐมิติ↔ compare
- แบบจำลอง VAR แบบเบย์ (BVAR)เศรษฐมิติ↔ compare
- แบบจำลอง EGARCH (Exponential GARCH)เศรษฐมิติ↔ compare