Modello GARCH a Correlazione Condizionale Dinamica Bayesiano (Bayesian DCC-GARCH)
Il Bayesian DCC-GARCH stima le correlazioni tempo-varianti tra serie finanziarie o economiche multiple combinando la struttura DCC-GARCH di Engle con l'inferenza Bayesiana. Invece di massimizzare una verosimiglianza, pone distribuzioni a priori su tutti i parametri e utilizza il campionamento Markov Chain Monte Carlo (MCMC) per produrre distribuzioni posteriori complete, fornendo una quantificazione dell'incertezza più ricca rispetto al DCC-GARCH classico.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/it/econometrics/bayesian-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.
- Modello EGARCH BayesianoEconometria↔ compare
- Modello GARCH BayesianoEconometria↔ compare
- TGARCH Bayesiano (Threshold GARCH con Stima Bayesiana)Econometria↔ compare
- Modello VAR Bayesiano (BVAR)Econometria↔ compare
- Modello DCC-GARCH (Dynamic Conditional Correlation)Econometria↔ compare
- Autoregressione Vettoriale (VAR)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →