A component model for dynamic correlations
动态相关性的成分模型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 DCC 和成分 GARCH 为基础研究动态相关性及其长短期成分。
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…
动态相关性的成分模型
- 研究问题
- 如何将动态相关性分解为短期与长期成分，并利用混频信息刻画长期相关性，而不只采用单一的相关性动态？
- 方法与思路
- 作者提出 DCC-MIDAS，将 DCC、成分 GARCH 和 GARCH-MIDAS 的思路结合，通过混频抽样提取长期相关性成分。
- 材料陈述的贡献
- 摘要称论文对这一新模型类别提供全面的计量分析，并给出较广泛的实证证据支持其短期与长期成分设定。
- 阅读关注点
- 应核对相关矩阵的有效性约束、两类成分的区分方式、混频变量与权重设定，以及实证支持具体来自哪些比较。
- 阅读边界
- 仅依据所给出版社摘要；统计条件、实证样本和比较指标未说明，不能据此确认其预测或风险评价表现普遍优越。
原文摘要
We propose a model of dynamic correlations with a short- and long-run component specification, by extending the idea of component models for volatility. We call this class of models DCC-MIDAS. The key ingredients are the Engle (2002) DCC model, the Engle and Lee (1999) component GARCH model replacing the original DCC dynamics with a component specification and the Engle et al. (2006) GARCH-MIDAS specification that allows us to extract a long-run correlation component via mixed data sampling. We provide a comprehensive econometric analysis of the new class of models, and provide extensive empirical evidence that supports the model's specification.