一、原理
DCC-GARCH(DynamicConditional Corelational Autoregressive Conditional Heteroscedasticity Model)用于研究市场间波动率的关系。
接下来我们按照GARCH族模型的发展历程来梳理一遍
1. ARCH和GARCH
研究对象:波动率的时间序列,即研究当期波动率与上一期波动率之间的关系。常用于存在波动急剧现象的时间序列,最简单关系的就是线性方程,即:
ARCH(p)
GARCH(p,q)
ARCH和GARCH的含义一样,第一个方程称为均值方程,表示均值和以往均值的关系,第二个方程是条件方差方程,称为ARCH方程,一个表示方差和以往方差的关系。GARCH可以减少待估参数,即AR(q)等价于GARCH(1,1),实际应用中GARCH(1,1)一般可以满足要求。
两个模型要求(1)xt平稳;(2)ut存在arch效应
(1)只有xt平稳,我们才可以从当前状态推导出未来的趋势,如果不平稳,根据当前数据计算出来的东西对未来