Model DCC-GARCH (Dynamic Conditional Correlation)
Model DCC-GARCH, představený Engle (2002), rozšiřuje univariátní GARCH o zachycení časově proměnných korelací mezi více finančními časovými řadami. Rozkládá vícerozměrnou podmíněnou kovarianční matici na individuální procesy volatility a dynamickou korelační matici, což umožňuje korelaci kolísat v čase a zároveň zůstat výpočetně zvládnutelnou i pro mnoho řad.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+12 more
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 ↗
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. DOI: 10.2307/1912773 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/cs/econometrics/dcc-garch-model
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.
- Model ARCH (Autoregresivní podmíněná heteroskedasticita)Ekonometrie↔ compare
- Model EGARCH (Exponenciální GARCH)Ekonometrie↔ compare
- Grangerův test kauzalityEkonometrie↔ compare
- Model TGARCH (Threshold GARCH)Ekonometrie↔ compare
- Vektorová autoregrese (VAR)Ekonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →