Li, E: Applications of Asymmetric GARCH Models with Conditio The Empirical Case of the NASDAQ Computer Index's Daily Closing Returns
-
- Englisch ausgewählt
49,00 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
11.10.2012
Verlag
LAP LAMBERT Academic PublishingSeitenzahl
52
Maße (L/B/H)
22/15/0,3 cm
Gewicht
94 g
Sprache
Englisch
ISBN
978-3-659-26075-9
The purpose of this honors thesis is to find an appropriate GARCH (Generalized Autoregressive Conditional Heteroskedasticity) Model for the daily closing returns of the NASDAQ Computer Index, given a ten-year time series of closing prices. On the one hand, Standard GARCH Models are not sufficient enough, if consider the leverage effects, that is, the volatility responds to good news and bad news differently. In this case, asymmetric GARCH Models are better, and, in particular, Exponential GARCH (EGARCH) Model is the best. On the other hand, EGARCH Models with alternative conditional distributions perform better than that with the default Normal Conditional Distribution. In particular, the Skew Generalized Error Distribution is found to be a good fit that generate large P-values against the null hypotheses in various tests. In conclusion, among all of the models investigated, the EGARCH Model with the Skew Generalized Error Distribution is the best.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice