Bayesiläinen dynaamisten ehdollisten korrelaatioiden GARCH (Bayesian DCC-GARCH)
Bayesiläinen DCC-GARCH estimoi useiden finanssi- tai taloussarjojen aikavaihtelevia korrelaatioita yhdistämällä Englen DCC-GARCH-rakenteen Bayesiläiseen päättelyyn. Sen sijaan, että maksimoitaisiin uskottavuusfunktiota, malli asettaa priorijakaumat kaikille parametreille ja käyttää Markovin ketju Monte Carlo (MCMC) -otantaa tuottamaan täydelliset posteriorijakaumat, mikä tarjoaa rikkaampaa epävarmuuden kvantifiointia kuin klassinen DCC-GARCH.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
- Virbickaite, A., Ausin, M. C., & Galeano, P. (2015). Bayesian inference methods for univariate and multivariate GARCH models: A survey. Journal of Economic Surveys, 29(1), 76-96. DOI: 10.1111/joes.12046 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/fi/econometrics/bayesian-dcc-garch
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Bayesiläinen EGARCH-malliEkonometria↔ vertaa
- Bayesiläinen GARCH-malliEkonometria↔ vertaa
- Bayesian TGARCH (Threshold GARCH bayesiläisellä estimoinnilla)Ekonometria↔ vertaa
- Bayesiläinen VAR-malli (BVAR)Ekonometria↔ vertaa
- DCC-GARCH-malli (dynaaminen ehdollinen korrelaatio)Ekonometria↔ vertaa
- Vektorimallit (VAR)Ekonometria↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →