Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)
Bayesian DCC-GARCH odhaduje časově proměnná korelace napříč více finančními či ekonomickými řadami kombinací DCC-GARCH struktury Engleho s bayesovskou inferencí. Namísto maximalizace věrohodnosti umisťuje apriorní distribuce nad všechny parametry a používá Markov Chain Monte Carlo (MCMC) vzorkování k produkci úplných aposteriorních distribucí, což poskytuje bohatší kvantifikaci nejistoty než klasický DCC-GARCH.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/cs/econometrics/bayesian-dcc-garch
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovský model EGARCHEkonometrie↔ compare
- Bayesovský GARCH modelEkonometrie↔ compare
- Bayesovský TGARCH (Threshold GARCH s Bayesovským odhadem)Ekonometrie↔ compare
- Model Bayesovská vektorová autoregrese (BVAR)Ekonometrie↔ compare
- Model DCC-GARCH (Dynamic Conditional Correlation)Ekonometrie↔ compare
- Vektorová autoregrese (VAR)Ekonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →