แบบจำลองเบย์เซียน GARCH
แบบจำลองเบย์เซียน GARCH ผสมผสานกรอบการทำงาน GARCH สำหรับความผันผวนที่เปลี่ยนแปลงตามเวลาเข้ากับการอนุมานแบบเบย์เซียน (Bayesian posterior inference) แทนที่จะหาค่าสูงสุดของฟังก์ชันความควรจะเป็น (likelihood) แบบจำลองนี้จะกำหนดการแจกแจงก่อน (prior distributions) สำหรับพารามิเตอร์ GARCH และสุ่มตัวอย่างจากการแจกแจงภายหลัง (posterior) ที่ได้ ซึ่งโดยทั่วไปจะใช้วิธี Markov chain Monte Carlo (MCMC) เพื่อวัดค่าประมาณจุด (point estimates) และความไม่แน่นอนทั้งหมดเกี่ยวกับพลวัตความผันผวน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Geweke, J. (1989). Exact predictive densities for linear models with ARCH disturbances. Journal of Econometrics, 40(1), 63–86. DOI: 10.1016/0304-4076(89)90030-4 ↗
- 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 Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/th/econometrics/bayesian-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.
- แบบจำลอง ARCH (Autoregressive Conditional Heteroskedasticity)เศรษฐมิติ↔ compare
- แบบจำลอง EGARCH (Exponential GARCH)เศรษฐมิติ↔ compare
- แบบจำลอง GARCH (การพยากรณ์ความผันผวน)เศรษฐมิติ↔ compare
- แบบจำลองความผันผวนเชิงสุ่ม (Heston)การเงิน↔ compare