Model DCC-GARCH (Dynamic Conditional Correlation)
Model DCC-GARCH, wprowadzony przez Engle'a (2002), rozszerza jednowymiarowe modele GARCH w celu uchwycenia zmiennych w czasie korelacji między wieloma finansowymi szeregami czasowymi. Rozkłada on wielowymiarową warunkową macierz kowariancji na indywidualne procesy zmienności oraz dynamiczną macierz korelacji, pozwalając korelacjom na fluktuacje w czasie, przy jednoczesnym zachowaniu obliczeniowej wykonalności nawet przy dużej liczbie szeregów.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+12 more
Źródła
- 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 ↗
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. DOI: 10.2307/1912773 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/pl/econometrics/dcc-garch-model
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.
- Model ARCH (Autoregresywna Heteroskedastyczność Warunkowa)Ekonometria↔ compare
- Model EGARCH (Exponential GARCH)Ekonometria↔ compare
- Test przyczynowości GrangerEkonometria↔ compare
- Model TGARCH (Threshold GARCH)Ekonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →