Regression modelEconometrics / time series

稳健动态条件相关GARCH (Robust DCC-GARCH)

稳健DCC-GARCH模型通过将标准的准最大似然估计替换为抗异常值或复合似然技术，扩展了Engle (2002)的动态条件相关框架。这即使在金融收益数据包含极端观测值、厚尾或结构性不规则性时，也能保持准确的时变相关性估计。

用 EconMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

稳健动态条件相关GARCH (Robust DCC-GARCH)

来源

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 ↗
Pakel, C., Shephard, N., Sheppard, K., & Engle, R. F. (2021). Fitting vast dimensional time-varying covariance models. Journal of Business and Economic Statistics, 39(3), 652–668. DOI: 10.1080/07350015.2020.1713795 ↗

如何引用本页

ScholarGate. (2026, June 3). Robust Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/zh/econometrics/robust-dcc-garch

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →