İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Ekonometri›Üstel GARCH (EGARCH)
Regression model

Üstel GARCH (EGARCH)

Exponential Generalised Autoregressive Conditional Heteroskedasticity · Ayrıca şöyle bilinir: exponential GARCH, Nelson's EGARCH, asymmetric GARCH, EGARCH — Üstel GARCH

EGARCH, Nelson tarafından 1991'de tanıtılan, aynı büyüklükteki kötü haberlerin oynaklığı iyi haberlerden daha fazla artırdığı kaldıraç etkisini modelleyen asimetrik bir GARCH varyantıdır. Koşullu varyansın logaritmasını modelleyerek finansal getiri serilerinin negatif şok asimetrisini yakalar.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Üstel GARCH (EGARCH)
ARIMA (Autoregressive In…Genelleştirilmiş Otoregr…GJR-GARCH (Asimetrik GAR…Karmaşık Mevsimsellik İç…ARCH-LM Testi: Volatilit…Koşullu Risk (Beklenen K…Dinamik Koşullu Korelasy…Aşırı Değer Teorisi (ADT)Fourier EGARCH: Kademeli…GARCH Modeli (Volatilite…

+3 tane daha

Ne zaman kullanılır

EGARCH'ı, aşağı yönlü şokların yukarı yönlü şoklardan daha fazla gelecekteki oynaklığı artırdığı, oynaklık kümelenmesi ve şüpheli bir kaldıraç etkisi gösteren finansal getiri serileri için kullanın. Makul derecede uzun bir zaman serisi (en az yaklaşık 100 gözlem) gerektirir ve ARCH etkilerinin zaten tespit edildiğini varsayar. Sürekli getiri verileri için seviyelerden daha uygundur ve haber etkisi asimetrik olduğunda düz simetrik bir GARCH'a tercih edilir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Asimetrik kaldıraç etkisini yakalar, negatif şokların aynı büyüklükteki pozitif şoklardan daha fazla oynaklığı artırmasına izin verir.
  • Varyansın logaritmasını modeller, bu nedenle koşullu varyans parametreler üzerinde negatif olmama kısıtlamaları olmadan otomatik olarak pozitiftir.
  • Finansal getirilerde yaygın olan oynaklık kümelenmesini ve kalıcılığını doğal olarak barındırır.
Sınırlılıklar
  • Makul derecede uzun bir finansal getiri serisi (en az yaklaşık 100 gözlem) ve ARCH etkilerinin önceden kanıtlanmasını gerektirir.
  • Log-varyans spesifikasyonunun maksimum olasılık tahmini, düz bir GARCH'a göre sayısal olarak hassas ve yorumlanması daha zor olabilir.
  • Oynaklık kümelenmesi olan getiri serileri için tasarlanmıştır; bir serinin seviyesini veya bu tür bir yapıya sahip olmayan finansal olmayan verileri modellemek için bir araç değildir.

SSS

EGARCH standart GARCH'tan nasıl farklıdır?

Standart GARCH, aynı büyüklükteki pozitif ve negatif şokları simetrik olarak ele alır ve varyansı pozitif tutmak için negatif olmama kısıtlamalarına ihtiyaç duyar. EGARCH, kısıtlamalar olmadan pozitifliği garanti eden varyansın logaritmasını modeller ve şokun işaretine tepki veren bir terim içerir, bu nedenle düz GARCH'ın kaçırdığı asimetrik kaldıraç etkisini yakalar.

Kaldıraç etkisi nedir?

Kaldıraç etkisi, kötü haberlerin (negatif bir getiri) aynı büyüklükteki iyi haberlerden (pozitif bir getiri) daha fazla gelecekteki oynaklığı artırma eğilimindeki ampirik olgudur. EGARCH özellikle bu asimetriyi yakalamak için tasarlanmıştır.

EGARCH, GJR-GARCH'tan nasıl farklıdır?

Her ikisi de asimetrik oynaklığı yakalar, ancak EGARCH işaret bağımlı bir terimle logaritmik varyansı modellerken, GJR-GARCH doğrusal bir varyans denklemine eklenen bir gösterge değişkeni kullanır. Aynı kaldıraç fikrinin alternatif formülasyonlarıdır.

EGARCH'ı uydurmak için ne tür verilere ihtiyacım var?

Oynaklık kümelenmesi gösteren ve ideal olarak ARCH etkisinin önceden kanıtlanmış en az yaklaşık 100 gözlemli sürekli bir finansal getiri serisi. Ağır kuyruklar yaygındır, bu nedenle bir Student-t yenilik dağılımı sıklıkla kullanılır.

Kaynaklar

  1. Nelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns: A New Approach. Econometrica, 59(2), 347-370. DOI: 10.2307/2938260 ↗
  2. Engle, R. F. & Ng, V. K. (1993). Measuring and Testing the Impact of News on Volatility. The Journal of Finance, 48(5), 1749-1778. DOI: 10.1111/j.1540-6261.1993.tb05127.x ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Exponential Generalised Autoregressive Conditional Heteroskedasticity. ScholarGate. https://scholargate.app/tr/econometrics/egarch

İlişkili yöntemler

ARIMA (Autoregressive Integrated Moving Average) ModeliGenelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)GJR-GARCH (Asimetrik GARCH)Karmaşık Mevsimsellik İçin Trigonometrik Üstel Düzeltme

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
  • Genelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)Ekonometri↔ karşılaştır
  • GJR-GARCH (Asimetrik GARCH)Ekonometri↔ karşılaştır
  • Karmaşık Mevsimsellik İçin Trigonometrik Üstel DüzeltmeEkonometri↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

ARCH-LM Testi: Volatilite Kümelenmesi içinKoşullu Risk (Beklenen Kayıp)Dinamik Koşullu Korelasyon (DCC-GARCH)Aşırı Değer Teorisi (ADT)Fourier EGARCH: Kademeli Yapısal Kırılmalarla Volatilite ModellemesiGenelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)GARCH Modeli (Volatilite Tahmini)GJR-GARCH (Asimetrik GARCH)Markov Rejim Değişim Modeli (MS-AR / MS-VAR)Gerçekleşen Volatilite ve HAR ModeliEşikli ve Yumuşak Geçişli VAR (TVAR / STVAR)

Benzer yöntemler

Doğrusal Olmayan EGARCH ModeliDoğrusal Olmayan GARCH ModeliPanel EGARCHBayesçi EGARCH ModeliSağlam EGARCH ModeliGJR-GARCH (Asimetrik GARCH)Genelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)

İlgili referans kavramlar

Financial EconometricsMaksimum Olabilirlik TahminiEconometricsKopula ModelleriTek Denklemli Modeller • Tek DeğişkenlerNewton-Raphson ve Skorlama Yöntemleri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — EGARCH (Exponential Generalised Autoregressive Conditional Heteroskedasticity). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/econometrics/egarch · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Nelson
Year
1991
Type
Conditional volatility model (asymmetric GARCH variant)
Estimator
Maximum likelihood
Outcome
continuous (financial return series)
MinSample
100
Structure
time series
İlişkili yöntemler
ARIMA (Autoregressive Integrated Moving Average) ModeliGenelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)GJR-GARCH (Asimetrik GARCH)Karmaşık Mevsimsellik İçin Trigonometrik Üstel Düzeltme
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil