Robustais dinamiskās nosacītās kovariācijas GARCH (Robust DCC-GARCH)
Robustais DCC-GARCH modelis paplašina Engla (2002) dinamiskās nosacītās kovariācijas sistēmu, aizstājot standarta kvazimaksimuma likumības novērtējumu ar novērtēšanas metodēm, kas ir izturīgas pret ārkārtējiem novērojumiem, vai ar salikto likumību. Tas saglabā precīzu laika gaitā mainīgu kovariācijas novērtējumu pat tad, ja finanšu ienesīguma datos ir ārkārtēji novērojumi, biezas astes vai strukturālas neregulāritātes.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/lv/econometrics/robust-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.
- DCC-GARCH modelis (Dynamic Conditional Correlation)Ekonometrija↔ compare
- GARCH modelis (volatilitātes prognozēšana)Ekonometrija↔ compare
- Robust EGARCH modelisEkonometrija↔ compare
- Robustais GARCH modelisEkonometrija↔ compare
- Robust TGARCHEkonometrija↔ compare
- Vektora autoregresija (VAR)Ekonometrija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →