Bayesian Dynamic Conditional Correlation GARCH (Bayesian DCC-GARCH)
Bayesian DCC-GARCH estimerer tidvarierende korrelasjoner på tvers av flere finansielle eller økonomiske serier ved å kombinere Engle sin DCC-GARCH-struktur med Bayesiansk inferens. I stedet for å maksimere en sannsynlighet, plasserer den priorfordelinger over alle parametere og bruker Markov Chain Monte Carlo (MCMC)-sampling for å produsere fulle posteriorfordelinger, noe som gir rikere usikkerhetskvantifisering enn klassisk DCC-GARCH.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk EGARCH-modellØkonometri↔ compare
- Bayesiansk GARCH-modellØkonometri↔ compare
- Bayesian TGARCH (Terskjel GARCH med Bayesiansk Estimering)Økonometri↔ compare
- Bayesian VAR-modell (BVAR)Økonometri↔ compare
- DCC-GARCH-modellen (Dynamic Conditional Correlation)Økonometri↔ compare
- Vektorautoregresjon (VAR)Økonometri↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →