Modèle DCC-GARCH robuste (DCC-GARCH robuste)
Le modèle DCC-GARCH robuste étend le cadre de corrélation dynamique conditionnelle d'Engle (2002) en remplaçant l'estimation standard par quasi-vraisemblance maximale par des techniques de vraisemblance composite ou résistantes aux valeurs aberrantes. Ceci préserve une estimation précise des corrélations variant dans le temps, même lorsque les données de rendements financiers contiennent des observations extrêmes, des queues épaisses ou des irrégularités structurelles.
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 ↗
- Pakel, C., Shephard, N., Sheppard, K., & Engle, R. F. (2021). Fitting vast dimensional time-varying covariance models. Journal of Business and Economic Statistics, 39(3), 652–668. DOI: 10.1080/07350015.2020.1713795 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/fr/econometrics/robust-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 DCC-GARCH (Corrélation Conditionnelle Dynamique)Économétrie↔ compare
- Modèle GARCH (Prévision de la volatilité)Économétrie↔ compare
- Modèle EGARCH RobusteÉconométrie↔ compare
- Modèle GARCH RobusteÉconométrie↔ compare
- TGARCH RobusteÉconométrie↔ compare
- Autoregressive Vectoriel (VAR)Économétrie↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →