Нелинейная модель DCC-GARCH (асимметричная динамическая условная корреляция)
Нелинейная модель DCC-GARCH расширяет модель динамической условной корреляции Энгла (2002), позволяя корреляциям асимметрично реагировать на негативные и позитивные шоки доходности. Предложенная Каппиелло, Энглом и Шеппардом (2006), она является стандартным инструментом для измерения изменяющихся во времени взаимосвязей и эффектов заражения в многомерных финансовых временных рядах, когда ожидается, что плохие новости усиливают корреляции сильнее, чем хорошие новости.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial Econometrics, 4(4), 537–572. DOI: 10.1093/jjfinec/nbl005 ↗
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. DOI: 10.1198/073500102288618487 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Nonlinear Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/ru/econometrics/nonlinear-dcc-garch-model
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Модель DCC-GARCH (динамическая условная корреляция)Эконометрика↔ сравнить
- Модель EGARCH (Экспоненциальная GARCH)Эконометрика↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →