Solidny dynamiczny model korelacji warunkowej GARCH (Solidny DCC-GARCH)
Solidny model DCC-GARCH rozszerza ramy dynamicznej korelacji warunkowej Engle'a (2002) poprzez zastąpienie standardowej estymacji quasi-wiarygodności technikami odpornymi na wartości odstające lub estymacji z wykorzystaniem funkcji wiarygodności złożonej. Pozwala to zachować dokładną estymację zmiennych w czasie korelacji, nawet gdy dane zwrotów finansowych zawierają ekstremalne obserwacje, grube ogony lub nieprawidłowości strukturalne.
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. (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 ↗
- Pakel, C., Shephard, N., Sheppard, K., & Engle, R. F. (2021). Fitting vast dimensional time-varying covariance models. Journal of Business and Economic Statistics, 39(3), 652–668. DOI: 10.1080/07350015.2020.1713795 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/pl/econometrics/robust-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 GARCH (Prognozowanie zmienności)Ekonometria↔ compare
- Model Robust EGARCHEkonometria↔ compare
- Model Robust GARCHEkonometria↔ compare
- Solidny TGARCHEkonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →