Robust Dynamic Conditional Correlation GARCH (Robust DCC-GARCH)
Robust DCC-GARCH modellen udvider Engle's (2002) Dynamic Conditional Correlation rammeværk ved at erstatte standard quasi-maximum likelihood estimation med outlier-resistente eller komposit-likelihood teknikker. Dette bevarer nøjagtig tidsvarierende korrelationsestimering, selv når finansielle afkastdata indeholder ekstreme observationer, tunge haler eller strukturelle uregelmæssigheder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
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 ↗
- Pakel, C., Shephard, N., Sheppard, K., & Engle, R. F. (2021). Fitting vast dimensional time-varying covariance models. Journal of Business and Economic Statistics, 39(3), 652–668. DOI: 10.1080/07350015.2020.1713795 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/da/econometrics/robust-dcc-garch
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- DCC-GARCH-model (Dynamisk Betinget Korrelation)Økonometri↔ sammenlign
- GARCH-model (volatilitetsprognoser)Økonometri↔ sammenlign
- Robust EGARCH ModelØkonometri↔ sammenlign
- Robust GARCH-modelØkonometri↔ sammenlign
- Robust TGARCHØkonometri↔ sammenlign
- Vektorautoregression (VAR)Økonometri↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →