Robust DCC-GARCH
The Robust DCC-GARCH model extends Engle's (2002) Dynamic Conditional Correlation framework by replacing standard quasi-maximum likelihood estimation with outlier-resistant or composite-likelihood techniques. This preserves accurate time-varying correlation estimation even when financial return data contain extreme observations, heavy tails, or structural irregularities.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.