Mô hình EGARCH Bayes
Mô hình EGARCH Bayes kết hợp đặc tả Exponential GARCH (EGARCH) của Nelson (1991) — mô hình hóa logarit của phương sai có điều kiện và nắm bắt hiệu ứng đòn bẩy — với suy luận hậu nghiệm Bayes thông qua Markov Chain Monte Carlo (MCMC). Điều này cho phép định lượng đầy đủ sự không chắc chắn của tất cả các tham số biến động, bao gồm cả hệ số bất đối xứng, mà không yêu cầu tính chuẩn tắc của các ước lượng trong mẫu lớn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/vi/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.
- Mô hình ARCH (Autoregressive Conditional Heteroskedasticity)Kinh tế lượng↔ compare
- Bayesian DCC-GARCHKinh tế lượng↔ compare
- Mô hình GARCH BayesKinh tế lượng↔ compare
- TGARCH Bayes (Mô hình GARCH Ngưỡng với Ước lượng Bayes)Kinh tế lượng↔ compare
- Mô hình Vector Tự hồi quy Bayes (BVAR)Kinh tế lượng↔ compare
- Mô hình EGARCH (Exponential GARCH)Kinh tế lượng↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →