Dynamic Conditional Correlation
动态条件相关AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以多元 GARCH 的条件异方差和动态相关建模为核心，并强调单变量波动率模型的灵活性，直接对应波动率计量方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态条件相关
- 研究问题
- 在多变量条件异方差模型中，如何刻画随时间变化的条件相关，同时保留单变量 GARCH 的灵活性并控制参数规模？
- 方法与思路
- 作者提出动态条件相关模型，将单变量 GARCH 与简约的相关参数模型结合，并说明通常可用基于似然的单变量或两步方法估计。
- 材料陈述的贡献
- 摘要称，新模型兼具单变量波动率建模的灵活性与相关结构的简约性，在多种情形下表现良好，并得到合理的实证结果。
- 阅读关注点
- 核对相关矩阵的合法性约束、似然函数与两步估计的具体构造，以及模拟和实证比较采用哪些样本、基准与评价指标。
- 阅读边界
- 摘要未说明具体样本、参数条件、比较指标或两步估计的推断性质；“表现良好”属于作者陈述，不能据此认定普遍优越。
原文摘要
Time varying correlations are often estimated with multivariate generalized autoregressive conditional heteroskedasticity (GARCH) models that are linear in squares and cross products of the data. A new class of multivariate models called dynamic conditional correlation models is proposed. These have the flexibility of univariate GARCH models coupled with parsimonious parametric models for the correlations. They are not linear but can often be estimated very simply with univariate or two-step methods based on the likelihood function. It is shown that they perform well in a variety of situations and provide sensible empirical results.