DCC-MIDAS
DCC-MIDAS kombinuje dynamickou podmíněnou korelaci (DCC) GARCH s diferencovaným vzorkováním dat s různými frekvencemi (MIDAS), což umožňuje odhad časově proměnných korelací mezi proměnnými, když pozorování přicházejí s různými frekvencemi. Metoda, představená Engle et al. (2013), modeluje, jak korelace vyvíjejí v závislosti na makroekonomických podmínkách nízké frekvence s využitím informací z cen aktiv s vysokou frekvencí. To je klíčové pro řízení rizik portfolia a pochopení makrofinančních vazeb.
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., Ghysels, E., & Sohn, B. (2013). Stock market volatility and macroeconomic fundamentals. Review of Economics and Statistics, 95(3), 776-797. DOI: 10.1162/rest_a_00300 ↗
- Colacito, R., Engle, R. F., & Ghysels, E. (2011). A component model for dynamic correlations. Journal of Econometrics, 164(1), 45-59. DOI: 10.1016/j.jeconom.2011.02.013 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/cs/econometrics/dcc-midas
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.
- Komponentní GARCHEkonometrie↔ compare
- GARCH-MIDASEkonometrie↔ compare
- Kvantilové VAREkonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →