Modelowanie Fouriera DCC-GARCH
Model Fouriera DCC-GARCH stanowi rozszerzenie ram Engle'a Dynamic Conditional Correlation GARCH poprzez włączenie trygonometrycznych wyrazów Fouriera do równań średniej warunkowej lub wariancji. Pozwala to modelowi aproksymować płynne, stopniowe zmiany strukturalne w dynamice zmienności i korelacji między aktywami, bez konieczności znajomości liczby lub momentu wystąpienia punktów zwrotnych.
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. (2002). Dynamic conditional correlations: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business and Economic Statistics, 20(3), 339-350. link ↗
- Nazlioglu, S., Gormus, N. A., & Soytas, U. (2016). Oil prices and real estate investment trusts (REITs): Gradual-shift causality and volatility transmission analysis. Energy Economics, 60, 168-175. DOI: 10.1016/j.eneco.2016.09.009 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fourier Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/pl/econometrics/fourier-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.
- Model DCC-GARCH (Dynamic Conditional Correlation)Ekonometria↔ compare
- Model EGARCH (Exponential GARCH)Ekonometria↔ compare
- Model Fouriera GARCHEkonometria↔ compare
- Model GARCH (Prognozowanie zmienności)Ekonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →