Regression modelEconometrics / time series
时变参数DCC-GARCH模型
TVP-DCC-GARCH模型在动态条件相关GARCH框架的基础上进行了扩展，允许不仅成对相关性，而且潜在的模型参数也能随时间连续演化。它能够捕捉波动性动态和跨资产依赖性的结构性变化，这对于非平稳环境下的金融风险建模至关重要。
用 EconMind 应用即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录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。
来源
- Engle, R. (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 ↗
- Christoffersen, P., Errunza, V., Jacobs, K., & Langlois, H. (2012). Is the potential for international diversification disappearing? A dynamic copula approach. Review of Financial Studies, 25(12), 3711-3751. DOI: 10.1093/rfs/hhs104 ↗
如何引用本页
ScholarGate. (2026, June 3). Time-Varying Parameter Dynamic Conditional Correlation GARCH Model. ScholarGate. https://scholargate.app/zh/econometrics/time-varying-parameter-dcc-garch-model
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 →