Panel TGARCH (Panel Verileri için Eşikli GARCH)
Panel Threshold Generalized Autoregressive Conditional Heteroscedasticity · Ayrıca şöyle bilinir: Panel GJR-GARCH, Panel Asymmetric GARCH, Panel Threshold GARCH, TGARCH panel model
Panel TGARCH, Eşikli GARCH (GJR-GARCH) modelini panel verilerine genişleterek, her kesitsel birimin asimetrik volatilite tepkileri sergilemesine olanak tanır — burada negatif şoklar aynı büyüklükteki pozitif şoklardan daha büyük varyans artışları üretir — aynı zamanda daha verimli parametre tahminleri elde etmek için kesitsel boyuttan yararlanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Panel verileriniz olduğunda (örneğin, zaman içinde gözlemlenen birden fazla hisse senedi, firma veya ülke) ve teori veya önceki kanıtlar asimetrik volatiliteyi — özellikle negatif şokların pozitif şoklardan daha fazla varyans artırdığını — öne sürdüğünde Panel TGARCH kullanın. Özellikle ampirik varlık fiyatlaması, risk yönetimi ve makroekonomik volatilite çalışmalarında, kesitlerin havuzlanması verimliliği artırırken birim heterojenliğinin dikkate alınması gerektiğinde uygundur. Zaman boyutu çok kısaysa (birim başına T < 30), veri üretim süreci simetrik GARCH veya EGARCH tarafından daha iyi tanımlanmışsa veya kesitsel bağımlılık (ortak faktörler) güçlü ve hesaba katılmamışsa, çünkü bu standart hataları geçersiz kılabilir, bundan kaçının.
Güçlü yönler & sınırlılıklar
- Rigorlu bir ekonometrik çerçevede, koşullu varyans üzerindeki negatif ve pozitif şokların asimetrik etkisini — kaldıraç etkisini yakalar.
- Kesitsel birimler arasındaki bilgileri havuzlar, her birim için ayrı TGARCH modelleri uydurmaktan daha verimli tahminler sağlar.
- Sabit veya rastgele etkiler yoluyla birime özgü temel volatiliteyi barındırır, heterojenliği korur.
- QML tahmini, yenilikler Gauss-dağılımlı olmasa bile tutarlıdır, bu da onu finansal verilerde yaygın olan şişman kuyruklu dağılımlara karşı sağlam kılar.
- Eşik parametresi γ, paneller arasında karşılaştırılabilecek doğrudan, test edilebilir bir asimetri ölçüsü sağlar.
- Güvenilir volatilite tahmini için yeterince uzun bir zaman boyutu (tipik olarak birim başına T ≥ 30) gerektirir; kısa paneller belirsiz tahminlere yol açar.
- Güçlü kesitsel bağımlılık (örneğin, ortak küresel şoklar), kesitsel sağlam standart hatalar veya faktörle artırılmış spesifikasyonlarla açıkça modellenmediği takdirde çıkarımı bozabilir.
- Tahmin hesaplama açısından yoğundur ve büyük panellerde yakınsama başlangıç değerlerine duyarlı olabilir.
- Sabit etkili panel GARCH çerçevesi temiz bir grup içi dönüşüme sahip değildir, bu nedenle standart panel FE hileleri doğrudan uygulanamaz — özel yazılım veya iteratif tahminleyiciler gereklidir.
SSS
Panel TGARCH'ı Panel GARCH'tan ayıran nedir?
Panel GARCH, pozitif ve negatif şoklara simetrik volatilite tepkileri varsayar. Panel TGARCH, negatif şokların koşullu varyans üzerinde daha büyük bir etkiye sahip olmasına izin veren bir eşik terimi ekleyerek kaldıraç etkisini yakalar. Eğer asimetri parametresi γ istatistiksel olarak anlamlı değilse, Panel TGARCH Panel GARCH'a indirgenir.
Kaldıraç etkisinin anlamlı olup olmadığını nasıl test ederim?
Modeli tahmin edin ve γ üzerinde standart bir t-testi (veya Wald testi) yapın. Anlamlı derecede pozitif bir γ, negatif yeniliklerin eşit büyüklükteki pozitif yeniliklerden daha fazla gelecekteki oynaklığı artırdığını doğrular. Bazı yazılımlar ayrıca simetrik Panel GARCH'ı Panel TGARCH spesifikasyonuyla karşılaştıran bir olabilirlik oranı testi de raporlar.
Kesişim terimi ω_i için sabit etkiler mi yoksa rastgele etkiler mi kullanmalıyım?
Bir Hausman tipi test çalıştırın. Birimlere özgü kesişim terimleri ortalama denklemindeki regresörlerle ilişkiliyse, sabit etkiler tutarlıdır; aksi takdirde rastgele etkiler verimlidir. Pratikte, panel GARCH literatürü genellikle sabit etkilere varsayılan olarak geçer veya sağlamlık için her ikisini de raporlar.
Panel TGARCH'ı hangi yazılımlar tahmin edebilir?
panelGARCH ve rugarch (birimler üzerinde döngüye alınmış havuzlanmış kısıtlamalarla) gibi R paketleri, panel GARCH ve TGARCH'ın varyantlarını destekler. Stata'nın xtgarch topluluk katkılı paketi ve Python'daki (arch kütüphanesi) özel MLE rutinleri de kullanılır. Bazı araştırmacılar belirli havuzlama kısıtlamaları için özel panel TGARCH tahminleyicileri kodlar.
Panel TGARCH'ta kesitsel bağımlılık nasıl ele alınır?
Önce Pesaran CD testi kullanarak kesitsel bağımlılığı test edin. Bağımlılık varsa, panel-sağlam (Driscoll-Kraay) standart hataları kullanın, tahmin öncesinde serileri ortak bir faktörle ortalamadan çıkarın veya varyans denklemini ortak bir volatilite faktörü ile artırın.
Kaynaklar
- Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(5), 1779–1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel Threshold Generalized Autoregressive Conditional Heteroscedasticity. ScholarGate. https://scholargate.app/tr/econometrics/panel-tgarch
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Dinamik Koşullu Korelasyon (DCC-GARCH)Finans↔ karşılaştır
- GJR-GARCH (Asimetrik GARCH)Ekonometri↔ karşılaştır
- Panel EGARCHEkonometri↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır