محتوا و سرفصل ها

الگوی GARCH مدل توسعه یافته مدل ARCH است. اگر مدل (autoregressive moving average (ARMA را برای واریانس errorها فرض بگیریم، مدل generalized autoregressive conditional heteroscedasticity GARCH, Bollerslev 1986 را خواهیم داشت.

معمولاً در اقتصاد سنجی وقتی برای heteroscedasticity تست می کنیم، بهترین راه تست White است. هرچند هنگامی که با داده‌های سری زمانی کار می کنیم، این به معنی تست برای errorها در مدل ARCH یا در مدل GARCH است. قبل از GARCH مدل EWMA بود که مدل GARCH جانشین آن شد، هرچند برخی افراد از هر دو این مدل‌ها استفاده می کنند.

امروزه مدلهای پیش بینی در بسیاری از رشته های بکار گرفته میشوند و برای همین در اقتصاد سنجی سری زمانی روز به روز توسعه می یابد. از جمله الگوهایی که در سری زمانی برای پیش بینی بکار گرفته میشوند مدلهای ARCH  و GARCH می باشد که بخصوص در رشته های مدیریت مالی بسیار کاربرد دارند.

پیش نیاز:  آموزش نرم افزار استاتا – آموزش سریهای زمانی با استاتا

این ویدیو، شامل موارد زیر است:

بخش اول

• بیان مفاهیم تئوری الگوی ARCH
• بیان مفاهیم تئوری الگوی گارچ
• بررسی آزمون ARCH-LM
• بیان مفاهیم تئوری الگوی ARCH-M

بخش دوم

• بیان مفاهیم تئوری الگوی IGARCH
• بیان مفاهیم تئوری الگوی TGARCH
• بیان مفاهیم تئوری الگوی EGARCH
• بیان مفاهیم تئوری الگوی PGARCH

بخش سوم

• بیان مفهوم الگوی آرچ در نرم افزار استاتا
• روش تخمین مدل آرچ با نرم افزار استاتا
• پیش بینی مقدار واریانس شرطی در نرم افزار استاتا
• آزمون آرچ (ARCH-LM) برای بررسی واریانس ناهمسانی شرطی با نرم افزار استاتا
• بیان روشهای تخمین مدل آرچ در نرم افزار استاتا

بخش چهارم

• روش تخمین الگوی گارچ با نرم افزار استاتا
• برآورد واریانس شرطی

بخش پنجم

• روش تخمین الگوی TGARCH با نرم افزار استاتا
• برآورد واریانس شرطی

بخش ششم

• روش تخمین الگوی EGRCHبا نرم افزار استاتا
• برآورد واریانس شرطی

بخش هفتم

• روش تخمین الگوی ARCH-in-Mean با نرم افزار استاتا
• برآورد واریانس شرطی

بخش هشتم

• روش تخمین الگوی  IGRCH با نرم افزار استاتا
• برآورد واریانس شرطی الگوی IGRCH
• روش تخمین الگوی Multi variate GARCH با نرم افزار استاتا
• برآورد واریانس شرطی الگویMulti variate GARCH