Modèle DCC-GARCH non linéaire (Corrélation dynamique conditionnelle asymétrique)
Le modèle DCC-GARCH non linéaire étend le cadre de corrélation dynamique conditionnelle d'Engle (2002) en permettant aux corrélations de réagir de manière asymétrique aux chocs de rendement négatifs par rapport aux chocs positifs. Proposé par Cappiello, Engle et Sheppard (2006), il constitue l'outil standard pour mesurer la co-évolution et les effets de contagion dans les séries temporelles financières multivariées lorsque l'on s'attend à ce que les mauvaises nouvelles augmentent les corrélations plus que les bonnes nouvelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial Econometrics, 4(4), 537–572. DOI: 10.1093/jjfinec/nbl005 ↗
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. DOI: 10.1198/073500102288618487 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/fr/econometrics/nonlinear-dcc-garch-model
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Modèle DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ comparer
- Modèle EGARCH (GARCH exponentiel)Économétrie↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →