Regression model
DCC-GARCH (dinamiskā nosacītā korelācija)
DCC-GARCH ir Engla (2002) izstrādāts daudzmainīguma svārstīguma modelis, kas ļauj vairāku aktīvu savstarpējām korelācijām mainīties laika gaitā. Katrai sērijai tiek pielāgots atsevišķs viencaurmainīgs GARCH modelis, un pēc tam dinamiskā korekcijas matrica tiek novērtēta otrajā, atsevišķā solī.
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate GARCH Models. Journal of Business & Economic Statistics, 20(3), 339-350. DOI: 10.1198/073500102288618487 ↗
- Aielli, G. P. (2013). Dynamic Conditional Correlation: On Properties and Estimation. Journal of Business & Economic Statistics, 31(3), 282-299. DOI: 10.1080/07350015.2013.771027 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Dynamic Conditional Correlation GARCH. ScholarGate. https://scholargate.app/lv/finance/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.
- ARIMA (autoregresīvais integrētais slīdošā vidējā) modelisEkonometrija↔ compare
- Kopuļu modeļi (Gausa, t, Clayton, Gumbel, Frank)Finanses↔ compare
- EGARCH (Exponential GARCH)Ekonometrija↔ compare
- Ekstrēmo vērtību teorija (EVT)Finanses↔ compare
- Vērtība pie riska (VaR)Finanses↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →