We propose a simple new model named

We propose a simple new model named a Copula-based Multivariate GARCH model,
or in short C-MGARCH model, which permits modeling conditional correlation and dependence
separately and simultaneously for interested financial returns with non-elliptically
distributed dependent errors. Our approach is based on a transformation, which removes
the linear correlation from the dependent variables to form uncorrelated dependent errors.
The dependence structure is controlled by a copula while the correlation is modeled by an
MGARCH model. The C-MGARCH model can capture the dependence in the uncorrelated
errors ignored by all existing MGARCH models. For every MGARCH model, the
corresponding C-MGARCH model can be constructed.
The paper is organized as follows. Section 2 provides a brief review on MGARCH models.
Section 3 introduces the new C-MGARCH model with uncorrelated dependent errors. Monte
Carlo simulation in Section 4 illustrates how MGARCH and C-MGARCH perform under
the non-elliptical distributions, and shows the likelihood gains of the C-MGARCH models.
Section 5 conducts empirical analysis for comparison of existing MGARCH models with their
corresponding C-MGARCH models in terms of in-sample model selection criteria and outof-
sample density predictive ability. The C-MGARCH models outperform corresponding
DCC, VC and BEKK models when they are applied to a pair of the U.S. equity indices
(NASDAQ and Dow Jones) and two pairs of the foreign exchange rates (French Franc and
Deutschemark, and Japanese Yen and Deutschemark). Section 6 concludes. Section 7 is
Appendix on copulas.
1

ผลลัพธ์ (ไทย) 1:

เรานำเสนอรูปแบบใหม่ที่ง่ายชื่อแบบเชื่อมที่ใช้หลายตัวแปร garch
หรือใน C-mgarch แบบสั้นซึ่งช่วยให้การสร้างแบบจำลองความสัมพันธ์ที่มีเงื่อนไขและการพึ่งพา
แยกกันและพร้อมกันเพื่อผลตอบแทนทางการเงินที่สนใจมีข้อผิดพลาดที่ไม่วงรี
กระจายขึ้น วิธีการของเราจะขึ้นอยู่กับการเปลี่ยนแปลงที่เอา
ความสัมพันธ์เชิงเส้นจากตัวแปรขึ้นอยู่กับรูปแบบขึ้นอยู่กับข้อผิดพลาด uncorrelated.
โครงสร้างการพึ่งพาอาศัยถูกควบคุมโดยการเชื่อมความสัมพันธ์ในขณะที่เป็นรูปแบบโดย
mgarch แบบ รุ่น C-mgarch สามารถจับภาพการพึ่งพาใน uncorrelated
ข้อผิดพลาดละเลยโดยทุกรุ่นที่มีอยู่ mgarch สำหรับทุกรูปแบบการ mgarch ค-mgarch รูปแบบที่สอดคล้อง
สามารถสร้าง.
กระดาษที่มีการจัดดังนี้ ส่วนที่ 2 ให้ทบทวนในรูปแบบ mgarch.
3 ส่วนแนะนำรุ่น C-mgarch ใหม่ที่มีข้อผิดพลาดขึ้น uncorrelated มอนติคาร์โล
จำลองในส่วนที่ 4 แสดงให้เห็นว่า mgarch และ C-mgarch ดำ​​เนินการภายใต้
การกระจายไม่เป็นรูปวงรีและแสดงให้เห็นการเพิ่มโอกาสในรุ่น C-mgarch.
มาตรา 5 ดำเนินการวิเคราะห์เชิงประจักษ์สำหรับการเปรียบเทียบรูปแบบที่มีอยู่กับ mgarch
สอดคล้องรุ่น C-mgarch พวกเขาในแง่ของเกณฑ์ในการเลือกตัวอย่างแบบและความหนาแน่น outof-
ตัวอย่างความสามารถในการคาดการณ์ รุ่น C-mgarch ดีกว่าที่สอดคล้อง
dcc VC และ Bekk รุ่นเมื่อพวกเขาถูกนำไปใช้กับคู่ของเรา ดัชนีหุ้น
(NASDAQ และดัชนี Dow Jones) และสองคู่ของอัตราแลกเปลี่ยนเงินตราต่างประเทศ (ฟรังก์ฝรั่งเศสและ
Deutschemark และญี่ปุ่นเยนและ Deutschemark) มาตรา 6 สรุป มาตรา 7 เป็นภาคผนวกที่
copulas.
1

ผลลัพธ์ (ไทย) 2:

เราเสนอรูปแบบใหม่อย่างที่ชื่อแบบ GARCH Multivariate ตาม Copula,
หรือในแบบจำลอง C MGARCH สั้น ซึ่งช่วยให้การสร้างโมเดลความสัมพันธ์แบบมีเงื่อนไขและพึ่งพา
ต่างหาก และพร้อมสำหรับสนใจผลตอบแทนทางการเงินด้วยไม่ใช่-elliptically
กระจายข้อผิดพลาดขึ้น วิธีการของเราตามแปลง ที่เอา
ความสัมพันธ์เชิงเส้นจากตัวแปรขึ้นอยู่กับฟอร์ม uncorrelated ข้อผิดพลาดขึ้น
โครงสร้างพึ่งพาถูกควบคุม โดยการ copula ในขณะที่ความสัมพันธ์ถูกจำลองโดยการ
รุ่น MGARCH แบบ C-MGARCH สามารถจับภาพการพึ่งพาในการ uncorrelated
ข้อผิดพลาดที่ถูกละเว้น โดยรุ่น MGARCH ที่มีอยู่ทั้งหมดได้ ทุกรุ่น MGARCH
สามารถสร้างรุ่น C MGARCH ที่สอดคล้องกันได้
กระดาษมีการจัดระเบียบดังนี้ 2 ส่วนให้สรุปย่อในรูปแบบ MGARCH.
3 ส่วนแนะนำแบบ C-MGARCH ใหม่กับ uncorrelated ข้อผิดพลาดขึ้น มอน
คาร์โลอัตราส่วน 4 แสดงวิธีทำ MGARCH และ C MGARCH ภายใต้
การกระจายไม่ใช่รี และแสดงกำไรโอกาสรุ่น C-MGARCH.
5 ส่วนทำวิเคราะห์ผลเปรียบเทียบของรุ่น MGARCH ที่มีอยู่กับของ
C MGARCH ตรงรุ่นในเงื่อนไข ของเกณฑ์การเลือกรูปแบบในตัวอย่าง และความ-
ตัวอย่างความหนาแน่นสามารถคาดการณ์ รุ่น C-MGARCH มีประสิทธิภาพสูงกว่าตรง
DCC, VC และ BEKK รุ่นเมื่อเขากับคู่ของดัชนีหุ้นสหรัฐอเมริกา
(NASDAQ และ Dow Jones) และอัตราแลกเปลี่ยนเงินตราสองคู่ (Franc ฝรั่งเศส และ
Deutschemark และเยน และ Deutschemark) ส่วนที่ 6 สรุป 7 ส่วนเป็น
ภาคผนวกบน copulas
1

ผลลัพธ์ (ไทย) 3:

เราขอเสนอรุ่นใหม่แบบเรียบง่ายที่ชื่อว่า multivariate garch รุ่น copula - ซึ่ง
หรือในรุ่น C - mgarch เพื่อไปถึงได้ไม่ไกลนักซึ่งอนุญาตให้การสร้างแบบจำลองและการพึ่งพาความสัมพันธ์โดยมีเงื่อนไข
แยกต่างหากและพร้อมกันสำหรับการส่งคืนทางการเงินมีส่วนได้เสียกับข้อผิดพลาดไม่ขึ้นกับ - elliptically
ซึ่งจะช่วยเผยแพร่. วิธีการของเรามีพื้นฐานอยู่บนการเปลี่ยนแปลงที่จะขจัด
ตามมาตรฐานความสัมพันธ์กันตามแนวยาวออกจากตัวแปรขึ้นอยู่กับรูปแบบ uncorrelated ขึ้นอยู่กับความผิดพลาด.โครงสร้างการพึ่งพา
จะถูกควบคุมโดย copula ในขณะที่ความสัมพันธ์ที่มีการวางรูปแบบตามอย่างตามรุ่นของ
mgarch ที่ รุ่น C - mgarch ที่สามารถถ่าย ภาพ การพึ่งพาอาศัยใน uncorrelated
ข้อผิดพลาดที่ไม่สนใจโดยรุ่น mgarch ทั้งหมดที่มีอยู่ สำหรับรุ่น mgarch
ที่เกี่ยวข้องทุกรุ่น C - mgarch ที่สามารถสร้างขึ้น.
กระดาษที่มีการจัดเป็นดังนี้: ส่วนที่ 2 จัดให้บริการตรวจสอบข้อมูลสรุปเกี่ยวกับที่อยู่ในรุ่น mgarch .
มาตรา 3 ขอแนะนำรุ่น C - mgarch ใหม่ที่มีข้อผิดพลาดขึ้นอยู่กับ uncorrelated Monte Carlo การจำลอง
ซึ่งจะช่วยในส่วนที่ 4 แสดงให้เห็นว่า mgarch และ c - mgarch ดำเนินการ ภายใต้
ซึ่งจะช่วยให้การกระจายไม่ใช่ - รูปไข่และการแสดงผลได้ความเป็นไปได้ของรุ่น C - mgarch .
ส่วนที่ 5 ทำการวิเคราะห์ในเชิงประจักษ์สำหรับการเปรียบเทียบรุ่นที่มีอยู่ mgarch
ที่เกี่ยวข้องกับรุ่น C - mgarch ในเงื่อนไขของเกณฑ์ในการเลือกรุ่นในตัวอย่างความหนาแน่นและตัวอย่าง outof -
ความสามารถแบบคาดการณ์เอาไว้แล้ว รุ่น C - mgarch ที่เร่งพัฒนาขีดความสามารถด้านที่เกี่ยวข้อง VC bekk รุ่นและ
DCC เมื่อพวกเขาจะถูกนำไปใช้ในการจับคู่ของดัชนีหุ้นสหรัฐอเมริกา
( NASDAQ และ Dow Jones )และสองคู่ของอัตราแลกเปลี่ยนเงินตราต่างประเทศ(ฝรั่งเศส,ฟรังก์และ
deutschemark และค่าเงินเยนญี่ปุ่นและ deutschemark ) ในส่วนที่ 6 จะสิ้นสุดลง มาตรา 7 มี
ภาคผนวก ใน copulas .
1