Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)
Bayesian DCC-GARCH schätzt zeitlich variierende Korrelationen über mehrere Finanz- oder Wirtschaftsreihen, indem die DCC-GARCH-Struktur von Engle mit bayesianischer Inferenz kombiniert wird. Anstatt eine Likelihood zu maximieren, werden Priori-Verteilungen über alle Parameter gelegt und Markov-Chain-Monte-Carlo (MCMC)-Stichproben verwendet, um vollständige Posterior-Verteilungen zu erzeugen, was eine reichhaltigere Unsicherheitsquantifizierung als klassisches DCC-GARCH liefert.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/de/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.
- Bayesianisches EGARCH-ModellÖkonometrie↔ compare
- Bayesianisches GARCH-ModellÖkonometrie↔ compare
- Bayesian TGARCH (Threshold GARCH mit Bayes'scher Schätzung)Ökonometrie↔ compare
- Bayesianisches VAR-Modell (BVAR)Ökonometrie↔ compare
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ compare
- Vektorautoregression (VAR)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →