Zeitvariantes Parameter-DCC-GARCH-Modell
Das TVP-DCC-GARCH-Modell erweitert den Dynamic Conditional Correlation GARCH-Rahmen, indem es nicht nur den paarweisen Korrelationen, sondern auch den zugrundeliegenden Modellparametern erlaubt, sich kontinuierlich über die Zeit zu entwickeln. Es erfasst strukturelle Verschiebungen in der Volatilitätsdynamik und der Kreuzwertabhängigkeit, was es für die Finanzrisikomodellierung in nicht-stationären Umgebungen unerlässlich macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Engle, R. (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 ↗
- Christoffersen, P., Errunza, V., Jacobs, K., & Langlois, H. (2012). Is the potential for international diversification disappearing? A dynamic copula approach. Review of Financial Studies, 25(12), 3711-3751. DOI: 10.1093/rfs/hhs104 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Time-Varying Parameter Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/de/econometrics/time-varying-parameter-dcc-garch-model
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- DCC-GARCH-Modell (Dynamic Conditional Correlation)Ökonometrie↔ vergleichen
- Dynamisches FaktormodellÖkonometrie↔ vergleichen
- GARCH-Modell (Volatilitätsvorhersage)Ökonometrie↔ vergleichen
- Stochastisches Volatilitätsmodell (Heston)Finanzwirtschaft↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →