Regression modelEconometrics / time series

مدل DCC-GARCH (Dynamic Conditional Correlation)

مدل DCC-GARCH که توسط Engle (2002) معرفی شد، مدل GARCH تک‌متغیره را گسترش می‌دهد تا همبستگی‌های متغیر با زمان را بین چندین سری زمانی مالی ثبت کند. این مدل ماتریس کوواریانس شرطی چندمتغیره را به فرآیندهای نوسان منفرد و یک ماتریس همبستگی پویا تجزیه می‌کند و به همبستگی‌ها اجازه می‌دهد در طول زمان نوسان کنند و در عین حال حتی با وجود سری‌های زیاد، از نظر محاسباتی قابل مدیریت باقی بمانند.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

+12 more

منابع

  1. 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
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateDCC-GARCH model (Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/dcc-garch-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026