DCC-MIDAS
DCC-MIDAS kombinerer dynamisk betinget korrelation (DCC) GARCH med mixed-frequency data sampling (MIDAS), hvilket muliggør estimering af tidsvarierende korrelationer mellem variable, når observationer ankommer med forskellige frekvenser. Introduceret af Engle et al. (2013), modellerer den, hvordan korrelationer udvikler sig med makroøkonomiske forhold med lav frekvens ved hjælp af aktivprisinformation med høj frekvens. Dette er afgørende for porteføljerisikostyring og forståelse af makrofinansielle sammenhænge.
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., 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/da/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.
- Component GARCHØkonometri↔ compare
- GARCH-MIDASØkonometri↔ compare
- Quantile VARØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →