DCC-MIDAS
DCC-MIDAS combineert dynamische conditionele correlatie (DCC) GARCH met mixed-frequency data sampling (MIDAS), wat de schatting van tijdsvariërende correlaties tussen variabelen mogelijk maakt wanneer observaties met verschillende frequenties binnenkomen. Geïntroduceerd door Engle et al. (2013), modelleert het hoe correlaties evolueren met macro-economische omstandigheden met een lage frequentie, gebruikmakend van activaprijsinformatie met een hoge frequentie. Dit is cruciaal voor portefeuillerisicobeheer en het begrijpen van macro-financieringskoppelingen.
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., Ghysels, E., & Sohn, B. (2013). Stock market volatility and macroeconomic fundamentals. Review of Economics and Statistics, 95(3), 776-797. DOI: 10.1162/rest_a_00300 ↗
- Colacito, R., Engle, R. F., & Ghysels, E. (2011). A component model for dynamic correlations. Journal of Econometrics, 164(1), 45-59. DOI: 10.1016/j.jeconom.2011.02.013 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/nl/econometrics/dcc-midas
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.
- Component GARCHEconometrie↔ compare
- GARCH-MIDASEconometrie↔ compare
- Quantiele VAREconometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →