Robust Dynamic Conditional Correlation GARCH (Robust DCC-GARCH)
Das Robust DCC-GARCH-Modell erweitert Engle's (2002) Dynamic Conditional Correlation-Framework, indem die Standard-Quasi-Maximum-Likelihood-Schätzung durch Ausreißer-resistente oder Composite-Likelihood-Techniken ersetzt wird. Dies bewahrt eine genaue Schätzung zeitvariabler Korrelationen, selbst wenn die Renditedaten des Finanzwesens extreme Beobachtungen, dicke Enden oder strukturelle Unregelmäßigkeiten enthalten.
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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/de/econometrics/robust-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.
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ compare
- GARCH-Modell (Volatilitätsvorhersage)Ökonometrie↔ compare
- Robust EGARCH-ModellÖkonometrie↔ compare
- Robuster GARCH-ModellÖkonometrie↔ compare
- Robuster TGARCHÖkonometrie↔ compare
- Vektorautoregression (VAR)Ökonometrie↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →