Modeling the conditional covariance matrix is in the core of financial econometrics, as it
is crucial for the asset allocation, financial risk management, and derivatives pricing. The
multivariate generalized autoregressive conditional heteroskedasticity (MGARCH) models in
the literature include the BEKK model by Engle and Kroner (1995), the dynamic conditional
correlation (DCC) model by Engel (2002), and the varying correlation (VC) model by Tse and
Tsui (2002). However, these models have been estimated under the multivariate normality
assumption, while this assumption has been rejected in much of the empirical findings —
Fama and French (1993), Richardson and Smith (1993), Longin and Solnik (2001), Mashal
and Zeevi (2002), among many others.
แบบจำลองเมตริกซ์ความแปรปรวนร่วมแบบมีเงื่อนไขเป็นหลักของ financial econometrics ตาม
เป็นสิ่งสำคัญสำหรับการปันส่วนสินทรัพย์ financial เสี่ยง การกำหนดราคาตราสารอนุพันธ์ ใน
autoregressive รุ่น heteroskedasticity แบบมีเงื่อนไข (MGARCH) ในตั้งค่าทั่วไป multivariate
วรรณคดีรวมแบบ BEKK Engle และรเนอร์ (1995), แบบมีเงื่อนไขแบบไดนามิก
รูปแบบความสัมพันธ์ (DCC) โดย Engel (2002), และแบบจำลองความสัมพันธ์ (VC) แตกต่างกัน โดยซื่อ และ
จุ่ย (2002) อย่างไรก็ตาม การประมาณแบบจำลองเหล่านี้ภายใต้ normality ตัวแปรพหุ
อัสสัมชัญ ขณะนี้ถูกปฏิเสธมาก findings ประจักษ์ —
Fama และฝรั่งเศส (1993), ริชาร์ดสัน และ Smith (1993), Longin และ Solnik (2001), Mashal
Zeevi (2002), ในหมู่อื่น ๆ อีกมากมายและ
การแปล กรุณารอสักครู่..