DCC-MIDAS
DCC-MIDAS combina la correlación dinámica condicional (DCC) GARCH con el muestreo de datos de frecuencia mixta (MIDAS), permitiendo la estimación de correlaciones variables en el tiempo entre variables cuando las observaciones llegan a diferentes frecuencias. Introducido por Engle et al. (2013), modela cómo las correlaciones evolucionan con condiciones macroeconómicas de baja frecuencia utilizando información de precios de activos de alta frecuencia. Esto es crucial para la gestión del riesgo de carteras y la comprensión de los vínculos macro-financieros.
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.
Fuentes
- Engle, R. F., Ghysels, E., & Sohn, B. (2013). Stock market volatility and macroeconomic fundamentals. Review of Economics and Statistics, 95(3), 776-797. DOI: 10.1162/rest_a_00300 ↗
- Colacito, R., Engle, R. F., & Ghysels, E. (2011). A component model for dynamic correlations. Journal of Econometrics, 164(1), 45-59. DOI: 10.1016/j.jeconom.2011.02.013 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/es/econometrics/dcc-midas
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.
- Component GARCHEconometría↔ compare
- GARCH-MIDASEconometría↔ compare
- VAR CuantilEconometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →