Modelo DCC-GARCH (Correlación Condicional Dinámica)
El modelo DCC-GARCH, introducido por Engle (2002), extiende el GARCH univariante para capturar las correlaciones variables en el tiempo entre múltiples series temporales financieras. Descompone la matriz de covarianza condicional multivariante en procesos de volatilidad individuales y una matriz de correlación dinámica, permitiendo que las correlaciones fluctúen con el tiempo y al mismo tiempo sean computacionalmente tratables incluso con muchas series.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+12 more
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 ↗
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. DOI: 10.2307/1912773 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/es/econometrics/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.
- Modelo ARCH (Heterocedasticidad Autoregresiva Condicional)Econometría↔ compare
- Modelo EGARCH (GARCH Exponencial)Econometría↔ compare
- Prueba de Causalidad de GrangerEconometría↔ compare
- Modelo TGARCH (Threshold GARCH)Econometría↔ compare
- Vector Autoregression (VAR)Econometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →