Regression modelEconometrics / time series

แบบจำลอง Bayesian DCC-GARCH (Bayesian DCC-GARCH)

แบบจำลอง Bayesian DCC-GARCH ประมาณค่าสหสัมพันธ์ที่แปรเปลี่ยนตามเวลา (time-varying correlations) ระหว่างชุดข้อมูลทางการเงินหรือเศรษฐกิจหลายชุด โดยการรวมโครงสร้าง DCC-GARCH ของ Engle เข้ากับการอนุมานแบบเบย์เซียน (Bayesian inference) แทนที่จะหาค่าสูงสุดของฟังก์ชันความควรจะเป็น (likelihood) แบบจำลองนี้กำหนดการแจกแจงก่อน (prior distributions) ให้กับพารามิเตอร์ทั้งหมด และใช้การสุ่มตัวอย่างแบบลูกโซ่มาร์คอฟมอนติคาร์โล (Markov Chain Monte Carlo - MCMC) เพื่อสร้างการแจกแจงภายหลัง (posterior distributions) ที่สมบูรณ์ ซึ่งให้การวัดปริมาณความไม่แน่นอนที่ละเอียดกว่าแบบจำลอง DCC-GARCH แบบดั้งเดิม

นำไปใช้ด้วย EconMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Bayesian Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateBayesian DCC-GARCH (Bayesian Dynamic Conditional Correlation GARCH Model). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/econometrics/bayesian-dcc-garch · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026