Modello DCC-GARCH Non Lineare (Correlazione Condizionale Dinamica Asimmetrica)
Il modello DCC-GARCH non lineare estende il quadro della Correlazione Condizionale Dinamica di Engle (2002) consentendo alle correlazioni di rispondere in modo asimmetrico agli shock di rendimento negativi rispetto a quelli positivi. Proposto da Cappiello, Engle e Sheppard (2006), è lo strumento standard per misurare la co-movimentazione nel tempo e gli effetti di contagio nelle serie temporali finanziarie multivariate quando ci si aspetta che le notizie negative aumentino le correlazioni più delle notizie positive.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/it/econometrics/nonlinear-dcc-garch-model
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Modello DCC-GARCH (Dynamic Conditional Correlation)Econometria↔ confronta
- Modello EGARCH (Exponential GARCH)Econometria↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →