Nelineární model DCC-GARCH (Asymetrická dynamická podmíněná korelace)
Nelineární model DCC-GARCH rozšiřuje rámec dynamické podmíněné korelace Engle (2002) tím, že umožňuje korelaci reagovat asymetricky na negativní oproti pozitivním šokům výnosů. Navržený Cappielliem, Englem a Shepphardem (2006), je standardním nástrojem pro měření časově proměnlivého souhybu a efektů nákazy v mnohorozměrných finančních časových řadách, když se očekává, že špatné zprávy zvýší korelace více než dobré zprávy.
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
- Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial Econometrics, 4(4), 537–572. DOI: 10.1093/jjfinec/nbl005 ↗
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. DOI: 10.1198/073500102288618487 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/cs/econometrics/nonlinear-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 DCC-GARCH (Dynamic Conditional Correlation)Ekonometrie↔ compare
- Model EGARCH (Exponenciální GARCH)Ekonometrie↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →