Niet-lineair DCC-GARCH Model (Asymmetrische Dynamische Conditionele Correlatie)
Het niet-lineaire DCC-GARCH model breidt het Dynamic Conditional Correlation raamwerk van Engle (2002) uit door toe te staan dat correlaties asymmetrisch reageren op negatieve versus positieve rendementsschokken. Voorgesteld door Cappiello, Engle en Sheppard (2006), is het de standaardmethode voor het meten van tijdvariërende co-beweging en besmettingseffecten in multivariate financiële tijdreeksen wanneer verwacht wordt dat slecht nieuws de correlaties sterker verhoogt dan goed nieuws.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/nl/econometrics/nonlinear-dcc-garch-model
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- DCC-GARCH Model (Dynamic Conditional Correlation)Econometrie↔ vergelijken
- EGARCH-model (Exponentieel GARCH)Econometrie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →