Nichtlineares DCC-GARCH-Modell (Asymmetrische dynamische bedingte Korrelation)
Das nichtlineare DCC-GARCH-Modell erweitert Engle's (2002) Rahmenwerk für dynamische bedingte Korrelationen, indem es den Korrelationen erlaubt, asymmetrisch auf negative im Vergleich zu positiven Renditeschocks zu reagieren. Vorgeschlagen von Cappiello, Engle und Sheppard (2006), ist es das Standardwerkzeug zur Messung zeitlich variierender Kointegration und Kontagionseffekte in multivariaten Finanzzeitreihen, wenn erwartet wird, dass schlechte Nachrichten die Korrelationen stärker erhöhen als gute Nachrichten.
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
- Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial Econometrics, 4(4), 537–572. DOI: 10.1093/jjfinec/nbl005 ↗
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. DOI: 10.1198/073500102288618487 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/de/econometrics/nonlinear-dcc-garch-model
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.
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ compare
- EGARCH-Modell (Exponential GARCH)Ökonometrie↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →