Nelineārais DCC-GARCH modelis (Asimetriskā dinamiskā nosacītā korelācija)
Nelineārais DCC-GARCH modelis paplašina Engle (2002) dinamiskās nosacītās korelācijas ietvaru, ļaujot korelācijām asimetriski reaģēt uz negatīviem un pozitīviem atdeves šokiem. Cappiello, Engle un Sheppard (2006) piedāvātais modelis ir standarta instruments laika gaitā mainīgas korelācijas un kontāžas efektu mērīšanai daudzvariāciju finanšu laika sērijās, kad sagaidāms, ka sliktās ziņas palielinās korelācijas vairāk nekā labās ziņas.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/lv/econometrics/nonlinear-dcc-garch-model
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- DCC-GARCH modelis (Dynamic Conditional Correlation)Ekonometrija↔ salīdzināt
- EGARCH modelis (eksponenciālais GARCH)Ekonometrija↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →