3.1. Dynamic conditional correlatio

3.1. Dynamic conditional correlation – GARCH models

The DCC-GARCH model is used to examine the time varying correlations between two or more series and was developed by Engle (2009). A Vector Autoregression (VAR) model is fit to the series and its residuals are standardised by dividing them by their corresponding GARCH conditional standard deviation. Engle (2009) described this process as “De-GARCHing”. The DCC model then uses these standardised residuals to estimate the Dynamic Conditional Correlations.

Kết quả (Việt) 1:

3.1. động tương quan có điều kiện-mô hình GARCHMô hình DCC-GARCH được sử dụng để kiểm tra các mối tương quan thời gian khác nhau giữa hai hay nhiều series và đã được phát triển bởi Engle (2009). Một mô hình véc tơ Autoregression (VAR) là fit đến loạt và dư của nó được tiêu chuẩn hóa bằng cách chia chúng của họ tương ứng GARCH có điều kiện độ lệch chuẩn. Engle (2009) Mô tả quá trình này là "De-GARCHing". Mô hình DCC sau đó sử dụng các tiêu chuẩn dư để ước lượng mối tương quan có điều kiện năng động.

Kết quả (Việt) 2:

3.1. Năng động, có điều kiện tương quan - mô hình GARCH

Mô hình DCC-GARCH được dùng để kiểm tra thời gian tương quan khác nhau giữa hai hoặc nhiều đợt và được phát triển bởi Engle (2009). Một mô hình Vector Autoregression (VAR) là fi t cho series và phần dư của nó được chuẩn hóa bằng cách chia chúng bằng GARCH tương ứng tiêu chuẩn điều kiện độ lệch của họ. Engle (2009) mô tả quá trình này là "De-Garching". Mô hình DCC sau đó sử dụng các phần dư chuẩn để ước tính có điều kiện Tương quan động.