Modèle DCC-GARCH (Corrélation Conditionnelle Dynamique)
Le modèle DCC-GARCH, introduit par Engle (2002), étend le GARCH univarié pour capturer les corrélations variant dans le temps entre plusieurs séries chronologiques financières. Il décompose la matrice de covariance conditionnelle multivariée en processus de volatilité individuels et une matrice de corrélation dynamique, permettant aux corrélations de fluctuer au fil du temps tout en restant calculatoirement gérable même avec de nombreuses séries.
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.
+12 more
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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/fr/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.
- Modèle ARCH (Hétéroscédasticité Conditionnelle Autorégressive)Économétrie↔ compare
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ compare
- Test de causalité de GrangerÉconométrie↔ compare
- Modèle TGARCH (Threshold GARCH)Économétrie↔ compare
- Autoregressive Vectoriel (VAR)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →