Regression modelEconometrics / time series
ロバスト動的条件付き相関GARCH (Robust DCC-GARCH)
ロバストDCC-GARCHモデルは、Engle (2002) の動的条件付き相関フレームワークを拡張し、標準的な準最尤推定を外れ値に強い、または複合尤度技術に置き換えるものである。これにより、金融収益率データに極端な観測値、裾の重い分布、または構造的な不規則性が含まれる場合でも、正確な時間変動相関推定を維持できる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/ja/econometrics/robust-dcc-garch
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- DCC-GARCHモデル（動学的条件付き相関）計量経済学↔ 比較
- GARCHモデル（ボラティリティ予測）計量経済学↔ 比較
- ロバストEGARCHモデル計量経済学↔ 比較
- ロバストGARCHモデル計量経済学↔ 比較
- ロバストTGARCH計量経済学↔ 比較
- ベクトル自己回帰 (VAR)計量経済学↔ 比較