DCC-MIDAS
DCC-MIDAS łączy dynamiczną korelację warunkową (DCC) GARCH z próbkowaniem danych o mieszanej częstotliwości (MIDAS), umożliwiając estymację zmiennych w czasie korelacji między zmiennymi, gdy obserwacje napływają z różną częstotliwością. Wprowadzony przez Engle et al. (2013), modeluje, jak korelacje ewoluują pod wpływem makroekonomicznych warunków o niskiej częstotliwości, wykorzystując informacje o cenach aktywów o wysokiej częstotliwości. Jest to kluczowe dla zarządzania ryzykiem portfelowym i zrozumienia powiązań makrofinansowych.
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.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Conditional Correlation MIDAS. ScholarGate. https://scholargate.app/pl/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 GARCHEkonometria↔ compare
- GARCH-MIDASEkonometria↔ compare
- VAR kwantylowyEkonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →