Nền tảng mô hình ARCH và GARCH Foundations of ARCH and GARCH models Giới thiệu Chào mừng các bạn đã quay trở lại! Trong bài học đầu tiên này, chúng ta sẽ cùng nhau xây dựng những viên gạch nền tảng quan trọng nhất để hiểu về thế giới của các mô hình biến động. Trước khi có thể chạy đua với các mô hình phức tạp, chúng ta cần học cách đi bộ một cách vững chắc. Bài học này sẽ tập trung vào hai khái niệm cốt lõi: mô hình ARCH và GARCH. Chúng ta sẽ bắt đầu bằng việc tìm hiểu tại sao các mô hình kinh tế lượng truyền thống lại không đủ để phân tích dữ liệu tài chính. Bạn sẽ khám phá ra một đặc điểm cực kỳ quan trọng của chuỗi lợi suất tài chính, đó là hiện tượng “phương sai thay đổi có điều kiện” (conditional heteroskedasticity), và tại sao nó lại là chìa khóa để đo lường rủi ro. Chúng ta sẽ đi từ mô hình ARCH (Autoregressive Conditional Heteroskedasticity) kinh …
Các bài đã xem
- Mô hình sai biệt kép thay đổi theo thời gian (TVDIFF)
- Hiểu sâu về vấn đề thiên lệch chọn mẫu
- Tính toán VaR và ES bằng Stata
- Từ IPD đến phân tích dữ liệu tóm tắt (SS)
- Bootstrap Markovian và các kỹ thuật nâng cao
- Phân tích các ví dụ thực nghiệm và bài tập
- Nền tảng Mô hình Sai số Không gian
- Lựa chọn mẫu trong mô hình phi tuyến và dữ liệu bảng
- Các vấn đề thực tế khi sử dụng biến công cụ
- Tính trộn mạnh và các đặc tính phân phối
-
Xem thêm