Байесовская динамическая условная корреляция GARCH (Bayesian DCC-GARCH)
Байесовская модель DCC-GARCH оценивает изменяющиеся во времени корреляции между несколькими финансовыми или экономическими рядами путем объединения структуры DCC-GARCH Энгла с байесовским выводом. Вместо максимизации правдоподобия, она присваивает априорные распределения всем параметрам и использует выборку Марковских цепей Монте-Карло (MCMC) для получения полных апостериорных распределений, что обеспечивает более точную количественную оценку неопределенности по сравнению с классической DCC-GARCH.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
- Virbickaite, A., Ausin, M. C., & Galeano, P. (2015). Bayesian inference methods for univariate and multivariate GARCH models: A survey. Journal of Economic Surveys, 29(1), 76-96. DOI: 10.1111/joes.12046 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/ru/econometrics/bayesian-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.
- Байесовская модель EGARCHЭконометрика↔ compare
- Байесовская модель GARCHЭконометрика↔ compare
- Байесовский TGARCH (Threshold GARCH с Байесовской оценкой)Эконометрика↔ compare
- Модель Байесовского векторного авторегрессионного анализа (BVAR)Эконометрика↔ compare
- Модель DCC-GARCH (динамическая условная корреляция)Эконометрика↔ compare
- Векторная авторегрессия (VAR)Эконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →