نتایج جستجو برای: مدل EGARCH
تعداد نتایج: 120342 فیلتر نتایج به سال:
در این مطالعه به بررسی اثرات نااطمینانی بر بخش های مختلف اقتصاد ایران پرداخته شده است. در ابتدا به دلیل اهمیت بالای متغیر تورم در اقتصاد ایران با استفاده از داده های ماهیانه تورم طی دوره های زمانی 1387- 1369 و با به کارگیری خانواده مدل های garch رفتار نااطمینانی تورم بررسی شده است. نتایج نشان دهنده آن است که اثر شوک های قیمتی بر نااطمینانی تورم نامتقارن و پایدار می باشد و شوک های مثبت قیمتی اثر...
4 GARCH Models 7 4.1 Basic GARCH Specifications . . . . . . . . . . . . . . . . . . . 8 4.2 Diagnostic Checking . . . . . . . . . . . . . . . . . . . . . . . 11 4.3 Regressors in the Variance Equation . . . . . . . . . . . . . . . 12 4.4 The GARCH–M Model . . . . . . . . . . . . . . . . . . . . . . 12 4.5 The Threshold GARCH (TARCH) Model . . . . . . . . . . . . 12 4.6 The Exponential GARCH (EG...
Recent research suggests that long memory can be caused by regime switching and is easily confused with it. However, if the causes of confusion were properly controlled, they could distinguished. Motivated this idea, our study aims to distinguish between financial volatility. We firstly modeled volatility using Fractionally Integrated Exponential GARCH (FIEGARCH) Markov Regime-Switching EGARCH ...
در سالهای اخیر، توسعهی پردازندههای کامپیوتری موجب معرفی الگوریتمهای جدیدی برای پیشبینی دادههای مالی شده است که یکی از این الگوریتمها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدلهای منتخب خانواده GARCH جهت پیشبینی کوتاهمدت بازدهی روزانه شاخص کل بورس اوراق بهادار تهران پرداخته میشود. مهمترین ویژگی شبکه ی...
Data finansial yang mengikuti deret waktu memiliki keragaman atau volatilitas setiap waktunya tidak konstan. Keadaan ini disebut sebagai heteroskedastisitas. Metode dapat menyelesaikan masalah tersebut adalah Autoregressive Conditional Heteroscedasticity (ARCH)/Generalized (GARCH). Namun, ARCH/GARCH mengatasi beberapa kasus seperti perbedaan dalam nilai leverage effect. Sehingga dilakukan pemod...
A comprehensive comparison of the volatility predictive abilities different classes time-varying models is considered. The include exponential GARCH (EGARCH) and stochastic (SV) using daily returns, heterogeneous autoregressive (HAR) model realized (RV) EGARCH (REGARCH) SV (RSV) both. All are extended to accommodate well-known phenomenon in stock markets a negative correlation between today’s r...
This paper investigates the dynamic relationship between volatility, volume and open interest in CSI 300 futures market using asymmetric GARCH model, Granger causality test, variance decomposition and impulse response function based on 1-min data. ARMA-EGARCH model is employed and find that both contemporaneous and lagged volume is positively related to volatility, and current open interest has...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید