Modelo DCC-GARCH Robusto (Robust DCC-GARCH)
El modelo DCC-GARCH Robusto extiende el marco de Correlación Condicional Dinámica de Engle (2002) reemplazando la estimación estándar de cuasi-máxima verosimilitud con técnicas de verosimilitud compuesta o resistentes a valores atípicos. Esto preserva una estimación precisa de la correlación variable en el tiempo incluso cuando los datos de rendimiento financiero contienen observaciones extremas, colas pesadas o irregularidades estructurales.
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. (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 ↗
- Pakel, C., Shephard, N., Sheppard, K., & Engle, R. F. (2021). Fitting vast dimensional time-varying covariance models. Journal of Business and Economic Statistics, 39(3), 652–668. DOI: 10.1080/07350015.2020.1713795 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/es/econometrics/robust-dcc-garch
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 DCC-GARCH (Correlación Condicional Dinámica)Econometría↔ compare
- Modelo GARCH (Predicción de Volatilidad)Econometría↔ compare
- Modelo EGARCH RobustoEconometría↔ compare
- Modelo GARCH RobustoEconometría↔ compare
- TGARCH RobustoEconometría↔ compare
- Vector Autoregression (VAR)Econometría↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →