1703537108
1703537109
这些估计结果可同基于统计模型，如多元GARCH模型的估计结果相比较。图5-5展示了均值回复DCC模型估计的条件相关系数图像，该模型在式（4-12）已经被描述过。可以看出，这些参数显示了同历史相关系数大致相同的模式；但是，它们波动率更小且拥有比年度相关系数更好的形状。比方说，在抽样时段的末尾相关系数一路回升至0并在1997年和1998年都出现了下降。这些特征在月度相关系数图像中也清晰可见。这些相关系数出自参数预测值（{α=0.023，β=0.973}）。值得注意的是，其总和非常接近1，导致了从非条件水平持续明显的偏离。
1703537110
1703537111
1703537112
1703537113
1703537114
图5-5 股票-债券间相关系数
1703537115
1703537116
这些估计结果也可以同其他许多估计方法得到的结果相比较。非对称DCC模型对此数据集的拟合并没有显示任何非对称相关性的证据。事实上，这种特征一般在债券收益上并不如在股票收益上那么突出。综合DCC模型的参数估计值λ=0.022，非常接近于均值回复模型中α的估计结果，这导致了其估计的相关系数非常接近均值回复模型所得的结果。
1703537117
1703537118
事实上，对于此数据集，几种多元GARCH模型的估计结果图像看上去也非常相似。图5-6显示了这一结论，其中包括了式（3-11）定义的标量多元GARCH模型，带有方差定向的标量多元GARCH模型以及式（3-10）定义的对角型BEKK模型。最后，式（3-34）定义的正交GARCH模型主成份版本也在图像中展现。我们很难发现这些曲线间的差异。
1703537119
1703537120
1703537121
1703537122
1703537123
图5-6 采用多种方法测量的股票-债券间相关系数
1703537124
1703537125
Engle和Colacito（2006）考虑了使用不同相关系数估计方法所暗示的资产分配的含义。尽管投资组合随时间会发生变化，但这些高级模型在表现上却不存在显著的统计差异。最佳的模型是均值回复DCC模型，非对称DCC模型以及带有方差定向的对角性BEKK模型。无法拒绝这些模型拟合该数据集的原假设。
1703537126
1703537127
另一个能揭示方法间不同特征的数据集是美国大盘股的时间序列。美国运通公司（AXP）和通用电气公司（GE）都是在最近十年发展起来的大公司。虽然它们起初是一家运输公司和一家电器制造商，但它们各自都增添了重要的金融服务业务。图5-7显示了通用公司利润的增长，这都归功于商业金融服务和消费者金融服务。
1703537128
1703537129
1703537130
1703537131
1703537132
图5-7 通用公司（GE）的盈利部门
1703537133
1703537134
由于企业业务链的改变，相关系数也自然会发生改变。这就是相关系数在长期中发生改变的一个关键原因。这个案例中，通用公司和美国运通公司的相关系数自然会逐渐增大。用综合DCC模型（DCC INT），均值回复DCC模型（DCC MR）以及非对称DCC模型（DCC ASY）估计的相关系数如图5-8所示。
1703537135
1703537136
1703537137
1703537138
1703537139
图5-8 美国运通公司（AXP）和通用电气公司（GE）间的DCC相关系数
1703537140
1703537141
相关系数的增长非常明显。1994年相关系数平均0.2，而在2002年平均0.7。但是，很明显看出这个过程不仅仅是受到了简单的商业计划改变的影响。1997~2002年间市场波动率的增长将促使单因子模型中估计的相关系数增大，如CAPM。调整利率的政策同样也会影响到利率敏感性产业。两种作用效果都可以经目测检验从这些图像中看出。
1703537142
1703537143
拟合该数据集的这三种模型间存在着一些差异。非对称DCC模型具有最大和最小的相关系数；这种估计方法拥有最多的波动性。综合DCC模型在样本期的末尾相关系数最大，而在样本期开端附近的时候最小。这就是说，综合模型在所有模型估计值都很大的状态下取值最大，而在所有模型估计值都很小的状态下取值最小。表5-2列出了各个参数的估计值。
1703537144
1703537145
表5-2 美国运通公司（AXP）和通用电气公司（GE）间的DCC参数
1703537146
1703537147
1703537148
1703537149
1703537150
三个模型中的系数α都非常接近。在综合模型中，它被指代为λ，而β就被指代为1-λ。均值回复DCC模型的α和β的和大于0.99，表明了冲击效果持续长久。在非对称DCC模型中，联合负收益的系数勉强显著，但和系数α大小几乎相同。因此，两种股票均下降时观测值的相关系数增加幅度差不多是两种均上升时的增长幅度的两倍。非对称模型中三个系数之和稍稍大于1，因而并不满足协方差平稳性最基础的充分条件。为了证明模型是协方差平稳的，可以检测是否满足条件式（4-18）。
1703537151
1703537152
另一个有趣的例子是波音公司（BA）同通用汽车公司（GM）间的相关性，如图5-9所示。这是两家从事不同产业的公司：航空制造和汽车制造。因此，不该期望两者的相关系数会特别大。此相关系数平均0.27——大致等同于随机大盘股间的相关系数。经历20世纪90时代的稳定增长之后，两种股票在1999年和2000年出现分离现象。当其中一个增长时，另一个在互联网市场上疯狂下降。然而，“9·11”事件之后相关系数戏剧性地增长，大概是因为两种产业都对能源价格非常敏感。事件发生一段时间以后，能源价格才开始戏剧性地上升，但是相关系数在新闻的作用下立即开始增长。
1703537153
1703537154
1703537155
1703537156
1703537157
图5-9 波音公司（BA）和通用汽车公司（GM）间的相关系数