DCC-MIDAS
DCC-MIDAS kombiniert dynamische bedingte Korrelation (DCC) GARCH mit Mixed-Frequency Data Sampling (MIDAS) und ermöglicht die Schätzung zeitlich variierender Korrelationen zwischen Variablen, wenn Beobachtungen mit unterschiedlichen Frequenzen vorliegen. Eingeführt von Engle et al. (2013), modelliert es, wie sich Korrelationen mit makroökonomischen Bedingungen niedriger Frequenz unter Verwendung von hochfrequenten Vermögenspreisinformationen entwickeln. Dies ist entscheidend für das Portfoliorisikomanagement und das Verständnis makrofinanzieller Zusammenhänge.
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., 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/de/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 GARCHÖkonometrie↔ compare
- GARCH-MIDASÖkonometrie↔ compare
- Quantils-VARÖkonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →