and since the extra kurtosis allowe

and since the extra kurtosis allowed by these models with Gaussian
errors usually does not fully capture fat-tails in returns, Bollerslev (1987) proposed the
GARCH with Student-t error model; McCulloch (1985) used a simplified ARCH-type
structure with a conditional stable error distribution, updated to the GARCH setting by
Liu and Brorsen (1995); Nelson employed the generlasied exponential distribution; Vlaar
and Palm (1993) used a mixture of Gaussians as the errors in a GARCH model; while
Hansen (1994) developed a skewed Student-t distribution, combining it with a GARCH
model, also allowing both conditional skewness and kurtosis to change over time. More
recently, Zhu and Galbraith (2009) extended the skewed-t idea by using a generalized
asymmetric Student-t distribution with separate parameters in each tail; Griffin and Steel
(2006) and Jensen and Maheu (2010) employed Dirichlet process mixtures, while Aas and
Haff (2006) used a generalised hyperbolic, for the conditional return distribution

Kết quả (Việt) 1:

và kể từ khi kurtosis phụ được cho phép bởi các mô hình với Gaussianlỗi thường không hoàn toàn nắm bắt chất béo-đuôi trong trở về, Bollerslev (1987) đề xuất cácGARCH với sinh viên-t lỗi mô hình; McCulloch (1985) sử dụng một kiểu kiến trúc đơn giảncấu trúc với một phân bố có điều kiện ổn định lỗi Cập Nhật để cài đặt GARCH bởiLưu và Brorsen (1995); Nelson làm việc phân phối mũ generlasied; Vlaarvà Palm (1993) sử dụng một hỗn hợp của Gaussians như là lỗi trong một mô hình GARCH; trong khiHansen (1994) phát triển một phân phối sai lệch của sinh viên-t, kết hợp nó với một GARCHMô hình, cũng cho phép có điều kiện skewness và kurtosis để thay đổi theo thời gian. Hơngần đây, Zhu và Galbraith (2009) mở rộng ý tưởng sai lệch-t bằng cách sử dụng một tổng quátphân phối sinh viên-t không đối xứng với các tham số riêng biệt trong mỗi đuôi; Griffin và thép(2006) và Jensen và Maheu (2010) sử dụng hỗn hợp quá trình Dirichlet, trong khi Aas vàHAFF (2006) sử dụng một tổng quát hypebolic, cho sự phân bố có điều kiện trở lại

Kết quả (Việt) 2:

và kể từ khi nhọn thêm cho phép của các mô hình này với Gaussian
lỗi này thường không nắm bắt được đầy đủ chất béo đuôi trong lợi nhuận, Bollerslev (1987) đề xuất
GARCH với Student-t mô hình báo lỗi; McCulloch (1985) sử dụng một ARCH kiểu đơn giản hóa
cấu trúc với một phân bố lỗi ổn định điều kiện, cập nhật các thiết lập GARCH bởi
Liu và Brorsen (1995); Nelson dụng phân phối mũ generlasied; Vlaar
và Palm (1993) đã sử dụng một hỗn hợp Gaussian như các lỗi trong một mô hình GARCH; trong khi
Hansen (1994) đã phát triển một sai lệch phân phối Student-t, kết hợp nó với một GARCH
mô hình, cũng cho phép cả skewness có điều kiện và nhọn để thay đổi theo thời gian. Hơn
thời gian gần đây, Zhu và Galbraith (2009) mở rộng ý tưởng lệch-t bằng cách sử dụng một khái quát hóa
bất đối xứng phân phối Student-t với các thông số riêng biệt ở mỗi đuôi; Griffin và thép
(2006) và Jensen và Maheu (2010) đã sử dụng hỗn hợp quá trình Dirichlet, trong khi Aas và
Haff (2006) sử dụng một hyperbol tổng quát, cho việc phân phối lợi nhuận có điều kiện