Modèle GARCH DCC Bayésien dynamique conditionnel (Bayesian DCC-GARCH)
Le modèle Bayesian DCC-GARCH estime les corrélations variant dans le temps entre plusieurs séries financières ou économiques en combinant la structure DCC-GARCH d'Engle avec l'inférence bayésienne. Plutôt que de maximiser une vraisemblance, il place des distributions a priori sur tous les paramètres et utilise l'échantillonnage de Monte Carlo par chaînes de Markov (MCMC) pour produire des distributions a posteriori complètes, offrant une quantification de l'incertitude plus riche que le DCC-GARCH classique.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/fr/econometrics/bayesian-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.
- Modèle EGARCH bayésienÉconométrie↔ compare
- Modèle GARCH bayésienÉconométrie↔ compare
- TGARCH bayésien (Seuil GARCH avec estimation bayésienne)Économétrie↔ compare
- Modèle VAR bayésien (BVAR)Économétrie↔ compare
- Modèle DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ compare
- Autoregressive Vectoriel (VAR)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →