Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)
Bayesian DCC-GARCH schat de tijdsvariërende correlaties tussen meerdere financiële of economische reeksen door de DCC-GARCH-structuur van Engle te combineren met Bayesiaanse inferentie. In plaats van een likelihood te maximaliseren, plaatst het prior-verdelingen over alle parameters en gebruikt het Markov Chain Monte Carlo (MCMC)-sampling om volledige posterior-verdelingen te produceren, wat resulteert in een rijkere onzekerheidskwantificering dan klassieke DCC-GARCH.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
- Virbickaite, A., Ausin, M. C., & Galeano, P. (2015). Bayesian inference methods for univariate and multivariate GARCH models: A survey. Journal of Economic Surveys, 29(1), 76-96. DOI: 10.1111/joes.12046 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/nl/econometrics/bayesian-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.
- Bayesiaans EGARCH-modelEconometrie↔ compare
- Bayesiaans GARCH-modelEconometrie↔ compare
- Bayesian TGARCH (Threshold GARCH met Bayesiaanse Schatting)Econometrie↔ compare
- Bayesiaans VAR-model (BVAR)Econometrie↔ compare
- DCC-GARCH Model (Dynamic Conditional Correlation)Econometrie↔ compare
- Vector Autoregressie (VAR)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →