GARCH de Correlação Condicional Dinâmica Robusto (DCC-GARCH Robusto)
O modelo DCC-GARCH Robusto estende a estrutura de Correlação Condicional Dinâmica de Engle (2002), substituindo a estimação padrão de quase-máxima verossimilhança por técnicas de verossimilhança composta ou resistentes a *outliers*. Isso preserva a estimação precisa da correlação variante no tempo, mesmo quando os dados de retornos financeiros contêm observações extremas, caudas pesadas ou irregularidades estruturais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/pt/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.
- Modelo DCC-GARCH (Correlação Condicional Dinâmica)Econometria↔ compare
- Modelo GARCH (Previsão de Volatilidade)Econometria↔ compare
- Modelo EGARCH RobustoEconometria↔ compare
- Modelo GARCH RobustoEconometria↔ compare
- TGARCH RobustoEconometria↔ compare
- Autoregressores Vetoriais (VAR)Econometria↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →