Regression modelEconometrics / time series
贝叶斯GARCH模型
贝叶斯GARCH模型将GARCH框架用于时变波动率，并结合了贝叶斯后验推断。它不最大化似然函数，而是为GARCH参数指定先验分布，并从由此产生的后验分布中抽取样本——通常通过马尔可夫链蒙特卡洛（MCMC）方法——来量化波动率动态的点估计和全部不确定性。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Generalized Autoregressive Conditional Heteroskedasticity Model. ScholarGate. https://scholargate.app/zh/econometrics/bayesian-garch-model
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →