DCC-MIDAS
Le DCC-MIDAS combine le modèle GARCH à corrélation dynamique conditionnelle (DCC) avec l'échantillonnage de données à fréquences mixtes (MIDAS), permettant l'estimation de corrélations variant dans le temps entre des variables lorsque les observations arrivent à des fréquences différentes. Introduit par Engle et al. (2013), il modélise comment les corrélations évoluent avec les conditions macroéconomiques de basse fréquence en utilisant des informations sur les prix des actifs à haute fréquence. Ceci est crucial pour la gestion du risque de portefeuille et la compréhension des liens macro-financiers.
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., Ghysels, E., & Sohn, B. (2013). Stock market volatility and macroeconomic fundamentals. Review of Economics and Statistics, 95(3), 776-797. DOI: 10.1162/rest_a_00300 ↗
- Colacito, R., Engle, R. F., & Ghysels, E. (2011). A component model for dynamic correlations. Journal of Econometrics, 164(1), 45-59. DOI: 10.1016/j.jeconom.2011.02.013 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/fr/econometrics/dcc-midas
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.
- GARCH à ComposantesÉconométrie↔ compare
- GARCH-MIDASÉconométrie↔ compare
- VAR quantilesÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →