Modelo DCC-GARCH No Lineal (Correlación Dinámica Condicional Asimétrica)
El modelo DCC-GARCH no lineal extiende el marco de Correlación Dinámica Condicional de Engle (2002) al permitir que las correlaciones respondan asimétricamente a shocks de retorno negativos frente a positivos. Propuesto por Cappiello, Engle y Sheppard (2006), es la herramienta estándar para medir la co-movilidad y los efectos de contagio que varían en el tiempo en series de tiempo financieras multivariadas cuando se espera que las malas noticias aumenten las correlaciones más que las buenas noticias.
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
- Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial Econometrics, 4(4), 537–572. DOI: 10.1093/jjfinec/nbl005 ↗
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. DOI: 10.1198/073500102288618487 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/es/econometrics/nonlinear-dcc-garch-model
¿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 DCC-GARCH (Correlación Condicional Dinámica)Econometría↔ comparar
- Modelo EGARCH (GARCH Exponencial)Econometría↔ comparar
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →