GARCH de Correlación Condicional Dinámica Bayesiana (Bayesian DCC-GARCH)
El Bayesian DCC-GARCH estima las correlaciones variables en el tiempo entre múltiples series financieras o económicas combinando la estructura DCC-GARCH de Engle con la inferencia bayesiana. En lugar de maximizar una verosimilitud, establece distribuciones a priori sobre todos los parámetros y utiliza el muestreo de Cadenas de Markov Monte Carlo (MCMC) para producir distribuciones posteriores completas, lo que proporciona una cuantificación de la incertidumbre más rica que el DCC-GARCH clásico.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/es/econometrics/bayesian-dcc-garch
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Modelo EGARCH BayesianoEconometría↔ comparar
- Modelo GARCH bayesianoEconometría↔ comparar
- TGARCH bayesiano (Threshold GARCH con Estimación Bayesiana)Econometría↔ comparar
- Modelo de VAR Bayesiano (BVAR)Econometría↔ comparar
- Modelo DCC-GARCH (Correlación Condicional Dinámica)Econometría↔ comparar
- Vector Autoregression (VAR)Econometría↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →