Bayesiansk Dynamisk Betinget Korrelations-GARCH (Bayesiansk DCC-GARCH)
Bayesiansk DCC-GARCH estimerer tidsvarierende korrelationer på tværs af flere finansielle eller økonomiske serier ved at kombinere Engle's DCC-GARCH-struktur med Bayesiansk inferens. I stedet for at maksimere en likelihood, placerer den prior-fordelinger over alle parametre og anvender Markov Chain Monte Carlo (MCMC) sampling til at producere fulde posterior-fordelinger, hvilket giver rigere usikkerhedskvantificering end klassisk DCC-GARCH.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk EGARCH-modelØkonometri↔ compare
- Bayesiansk GARCH-modelØkonometri↔ compare
- Bayesian TGARCH (Threshold GARCH med Bayesiansk Estimering)Økonometri↔ compare
- Bayesiansk VAR-model (BVAR)Økonometri↔ compare
- DCC-GARCH-model (Dynamisk Betinget Korrelation)Økonometri↔ compare
- Vektorautoregression (VAR)Økonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →