Dinamik Koşullu Korelasyon (DCC-GARCH)
Dynamic Conditional Correlation GARCH · Ayrıca şöyle bilinir: dynamic conditional correlation, Engle DCC, multivariate GARCH, DCC-GARCH — Dinamik Koşullu Korelasyon
DCC-GARCH, Engle'ın (2002) birden fazla varlık arasındaki korelasyonların zaman içinde değişmesine olanak tanıyan çok değişkenli volatilite modelidir. Her bir seriye ayrı bir tek değişkenli GARCH modeli uygulanır ve ardından dinamik korelasyon matrisi ikinci, ayrı bir adımda tahmin edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tek bir statik değer yerine dönemler arasında değişen korelasyonlara ihtiyacınız olduğunda ve makul ölçüde uzun bir örneğe sahip olduğunuzda (model en az yaklaşık 100 gözleme ve güvenilir parametre tahminleri için kabaca 250 veya daha fazlasına ihtiyaç duyar) zaman içinde gözlemlenen birkaç sürekli finansal getiri serisi için DCC-GARCH kullanın. Her serinin kendi GARCH(p,q) sürecini takip ettiğini, standartlaştırılmış artıkların koşullu olarak bağımsız olduğunu ve DCC parametrelerinin a + b < 1 koşulunu sağladığını varsayar. Çok yüksek boyutlar (N > 50) için cDCC veya BEKK varyantları tercih edilir ve serilerin durağan olması gerekir, bu nedenle gerekirse önce farkları alınmalıdır.
Güçlü yönler & sınırlılıklar
- Varlıklar arasında tek bir statik korelasyonu zorlamak yerine zamanla değişen korelasyonları yakalar.
- İki adımlı tahmin, volatiliteleri korelasyonlardan ayırarak modeli aynı anda birçok varlık için yönetilebilir kılar.
- Tanıdık tek değişkenli GARCH bileşenleri üzerine inşa edildiği için volatilite ve risk iş akışlarına doğal olarak entegre olur.
- Uzun, durağan bir örneklem gerektirir; kısa serilerde (n < 250) DCC parametreleri güvenilir bir şekilde tahmin edilemez ve daha basit bir GARCH tercih edilir.
- Çok yüksek boyutlara (N > 50) kötü ölçeklenir; bu durumlarda cDCC veya BEKK önerilir.
- Durağan olmayan seriler yanıltıcı sonuçlar üretir ve önce durağan hale getirilmek için farkları alınmalıdır.
SSS
DCC-GARCH tek bir GARCH modelinden nasıl farklıdır?
Tek değişkenli bir GARCH, bir serinin değişen volatilitesini izler. DCC-GARCH bunu aynı anda birkaç seriye genişletir ve aralarındaki korelasyonların zaman içinde nasıl değiştiğini modelleyen ikinci bir aşama ekleyerek kovaryans matrisini volatilitelere ve dinamik bir korelasyon matrisine ayrıştırır.
Model neden iki adımda tahmin edilir?
Problemi ayırmak, onu yönetilebilir kılar. İlk adım, her serinin kendi volatilitesini yakalamak için ayrı bir GARCH uygular; ikinci adım, ortaya çıkan standartlaştırılmış artıkları korelasyon dinamiklerini tahmin etmek için kullanır. Bu, devasa bir çok değişkenli olabilirlik fonksiyonunu tek seferde tahmin etmekten kaçınır.
a + b < 1 kısıtlaması ne anlama geliyor?
DCC parametreleri a ve b, geçmiş şokların ve geçmiş korelasyonların ne kadar güçlü bir şekilde ileriye taşındığını yönetir. a + b < 1 koşulunu gerektirmek, korelasyon sürecini durağan ve uzun vadeli korelasyona ortalama dönen tutar; bu koşulu ihlal etmek dinamikleri patlayıcı hale getirir ve tahminleri güvenilmez kılar.
Çok sayıda varlığım veya kısa bir örneklemim varsa ne olur?
Çok yüksek boyutlar (N > 50) için standart DCC yerine cDCC veya BEKK varyantları önerilir. Kısa seriler (n < 250) için parametreler güvenilir bir şekilde tahmin edilemez, bu nedenle EGARCH gibi daha basit tek serili bir GARCH daha iyi bir seçimdir.
Kaynaklar
- Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate GARCH Models. Journal of Business & Economic Statistics, 20(3), 339-350. DOI: 10.1198/073500102288618487 ↗
- Aielli, G. P. (2013). Dynamic Conditional Correlation: On Properties and Estimation. Journal of Business & Economic Statistics, 31(3), 282-299. DOI: 10.1080/07350015.2013.771027 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Dynamic Conditional Correlation GARCH. ScholarGate. https://scholargate.app/tr/finance/dcc-garch
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
- Gauss, t, Clayton, Gumbel, Frank KopulalarıFinans↔ karşılaştır
- Üstel GARCH (EGARCH)Ekonometri↔ karşılaştır
- Aşırı Değer Teorisi (ADT)Finans↔ karşılaştır
- Risk'te Değer (VaR)Finans↔ karşılaştır