ScholarGate
עוזר
Regression modelEconometrics / time series

מודל GARCH דינמי בייסיאני של קורלציות מתואמות (Bayesian DCC-GARCH)

Bayesian DCC-GARCH מעריך קורלציות משתנות בזמן בין סדרות פיננסיות או כלכליות מרובות על ידי שילוב מבנה DCC-GARCH של Engle עם היסק בייסיאני. במקום למקסם פונקציית נראות, הוא מציב התפלגויות א-פריוריות על כל הפרמטרים ומשתמש בדגימת שרשראות מרקוב מונטה קרלו (MCMC) כדי להפיק התפלגויות פוסטריוריות מלאות, המספקות כימות עשיר יותר של אי-ודאות מאשר DCC-GARCH קלאסי.

יישום עם EconMindבקרובוידאובקרובהורדת מצגת

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

מקורות

  1. 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
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/he/econometrics/bayesian-dcc-garch

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה

מאוזכר על ידי

ScholarGateBayesian DCC-GARCH (Bayesian Dynamic Conditional Correlation GARCH Model). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/econometrics/bayesian-dcc-garch · מערך נתונים: https://doi.org/10.5281/zenodo.20539026