Байесов динамичен модел на условна корелация GARCH (Bayesian DCC-GARCH)
Байесовите DCC-GARCH оценки моделират променящите се във времето корелации между множество финансови или икономически серии чрез комбиниране на структурата на DCC-GARCH на Енгъл с байесово извод. Вместо да се максимизира правдоподобието, се поставят предварителни разпределения върху всички параметри и се използва Марковско верижно Монте Карло (MCMC) семплиране за получаване на пълни апостериорни разпределения, което води до по-богато количествено определяне на несигурността в сравнение с класическия DCC-GARCH.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business and Economic Statistics, 20(3), 339-350. DOI: 10.1198/073500102288618487 ↗
- Virbickaite, A., Ausin, M. C., & Galeano, P. (2015). Bayesian inference methods for univariate and multivariate GARCH models: A survey. Journal of Economic Surveys, 29(1), 76-96. DOI: 10.1111/joes.12046 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/bg/econometrics/bayesian-dcc-garch
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесов модел EGARCHИконометрия↔ сравняване
- Байесов модел GARCHИконометрия↔ сравняване
- Байесов TGARCH (Прагова GARCH с Байесова оценка)Иконометрия↔ сравняване
- Байесов модел на векторна авторегресия (BVAR)Иконометрия↔ сравняване
- DCC-GARCH модел (динамична условна корелация)Иконометрия↔ сравняване
- Векторна авторегресия (VAR)Иконометрия↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →