Panel DCC-GARCH Modeli
Panel Dynamic Conditional Correlation GARCH Model · Ayrıca şöyle bilinir: DCC-GARCH panel, panel dynamic conditional correlation, multivariate DCC-GARCH, Panel DCC
Panel DCC-GARCH modeli, Engle'ın (2002) Dinamik Koşullu Korelasyon GARCH çerçevesini panel veri ayarlarına genişleterek, zaman içinde birden çok birim (ülkeler, firmalar veya varlıklar) arasındaki zamana bağlı oynaklığı ve kesitsel korelasyonları ortaklaşa modeller. İki adımlı bir tahmin yoluyla tutumluluğu korurken, piyasa şoklarına yanıt olarak ikili korelasyonların dinamik olarak değişmesine izin verir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Dengeli veya tama yakın dengeli finansal veya makroekonomik zaman serileri paneline sahip olduğunuzda ve zamana bağlı oynaklığı ve zamana bağlı kesitsel korelasyonları aynı anda modellemeniz gerektiğinde Panel DCC-GARCH kullanın. Tipik uygulamalar, ülkeler arasındaki finansal bulaşmayı, varlıklar arasındaki portföy riskini veya ekonomiler arasındaki iş döngüsü senkronizasyonunu incelemeyi içerir. GARCH parametrelerini güvenilir bir şekilde tahmin etmek için yeterli zaman boyutu (birim başına en az 100 gözlem T) gereklidir; kısa paneller uygun değildir. Serilerin koşullu olarak heteroskedastik olmadığı durumlarda (önce ARCH-LM testlerini uygulayın), kesitsel boyut N, T'ye göre çok büyük olduğunda (sözde korelasyon matrisinin tekilliğe yakın olmasına neden olur) veya doğrusal korelasyonun zaman içinde sabit olduğu varsayıldığında kullanmayın.
Güçlü yönler & sınırlılıklar
- Tek bir tutumlu çerçevede hem birime özgü oynaklık kümelenmesini hem de zamana bağlı birimler arası korelasyonları yakalar.
- İki adımlı tahmin, tam çok değişkenli GARCH'ın (BEKK) aksine, orta düzeyde N için bile hesaplama açısından uygulanabilir.
- Zaman içinde çizilebilen ve test edilebilen doğrudan yorumlanabilir dinamik ikili korelasyonlar üretir.
- Geniş bir panel bağlamı yelpazesine uygulanabilir: hisse senedi piyasaları, egemen tahvil faiz farkları, döviz kurları, makroekonomik ortak hareketler.
- Korelasyon yayılmaları, bulaşma ve birimler arası bağımlılıktaki yapısal kırılmaların resmi olarak test edilmesine olanak tanır.
- Güvenilir GARCH ve DCC parametre tahminleri için uzun bir zaman boyutu T (tipik olarak birim başına T > 100) gerektirir.
- Skaler DCC parametrizasyonu (tüm çiftler için bir a ve bir b) korelasyon dinamikleri çiftler arasında önemli ölçüde farklılaştığında çok kısıtlayıcı olabilir.
- Ortalama denkleminde kesitsel bağımlılığı barındırmaz; bu ayrı olarak ele alınmalıdır (örneğin, ortak ilişkili etkiler).
- Tahmin karmaşıklığı ve sayısal yakınsama sorunları N büyüdükçe hızla artar.
SSS
Panel DCC-GARCH, her denklem için ayrı ayrı tahmin edilen tek değişkenli bir GARCH'tan nasıl farklıdır?
Tek değişkenli GARCH modelleri her seriyi bağımsız olarak modeller ve seriler arası korelasyonları göz ardı eder. Panel DCC-GARCH, tüm birimler arasındaki standartlaştırılmış şokların zaman içinde nasıl korele olduğunu ortaklaşa tahmin eden ikinci bir adımı ekler ve ayrı varyans tahminleri yerine tam bir zamana bağlı kovaryans matrisi üretir.
DCC-GARCH ile BEKK-GARCH arasındaki fark nedir?
BEKK-GARCH, tüm çiftler arasındaki etkileşim parametrelerinin tam bir matrisini tahmin eder, bu da çok parametre açısından zengindir ve büyük N için hesaplama açısından maliyetlidir. DCC-GARCH, tutumlu bir skaler parametrizasyon (dinamikler için yalnızca iki parametre a ve b) kullanır ve her tarihte pozitif tanımlı bir korelasyon matrisini garanti eder, bu da onu daha büyük sistemler için uygulanabilir hale getirir.
Panel DCC-GARCH uygulamadan önce birim kök testi yapmam gerekir mi?
Evet. GARCH modelleri durağan seriler için belirtilmiştir. Değişkenler I(1) ise, GARCH filtresini uygulamadan önce farklarını alın (veya ortalama denkleminde eşbütünleşmiş artıkları kullanın), aksi takdirde oynaklık tahminleri ve DCC parametreleri güvenilmez olacaktır.
Panel DCC-GARCH içinde asimetrik oynaklığa izin verebilir miyim?
Evet. İlk adım, her birim için GJR-GARCH veya EGARCH gibi asimetrik bir GARCH spesifikasyonu kullanabilir, kaldıraç etkisini (negatif şoklar oynaklığı aynı büyüklükteki pozitif şoklardan daha fazla artırır) yakalayabilir ve ardından DCC adımı elde edilen standartlaştırılmış artıklar üzerinde devam eder.
Güvenilir Panel DCC-GARCH tahminleri için T ne kadar büyük olmalıdır?
Genel bir kural olarak, GARCH parametrelerinin (omega, alfa, beta) DCC adımından önce yeterli hassasiyetle tahmin edilebilmesi için T, birim başına en az 100 gözlem olmalıdır. T 50'nin altında olduğunda, yakınsama sorunları ve hassas olmayan tahminler yaygındır.
Kaynaklar
- Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroscedasticity models. Journal of Business and Economic Statistics, 20(3), 339-350. DOI: 10.1198/073500102288618487 ↗
- Engle, R. F., & Sheppard, K. (2001). Theoretical and empirical properties of dynamic conditional correlation multivariate GARCH. NBER Working Paper 8554. National Bureau of Economic Research. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/tr/econometrics/panel-dcc-garch
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- DCC-GARCH Modeli (Dinamik Koşullu Korelasyon)Ekonometri↔ karşılaştır
- Panel EGARCHEkonometri↔ karşılaştır
- Panel GARCH ModeliEkonometri↔ karşılaştır
- Panel TGARCH (Panel Verileri için Eşikli GARCH)Ekonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır