1703537287
Cappiello以及其他学者（2007）提出了矩阵A和矩阵B的对角说明。文章引入每个资产的独立α和β值，同时约束了取决这两个产品的相关性动态学。设a是一个n×1的向量，集合A=diag（a）是一个矩阵的对角线，其他的元素是零。同样地设B=diag（b）。现在有2n个参数加上截距。一个典型的Q元素可表示为
1703537288
1703537289
1703537290
1703537291
1703537292
当a是一个较小的值时，有些资产可能具有相对恒定的相关系数。在a的值较大的情况下，其他资产在每个新的数据点上可能有大幅的波动。
1703537293
1703537294
类似的结构可以应用到非对称模型上。在最简单的形式中Q的方程为
1703537295
1703537296
1703537297
1703537298
1703537299
因此，这是所谓的非对称DCC（ADCC）模型。它只有一个额外的参数。这个模型的广义版本是
1703537300
1703537301
1703537302
1703537303
1703537304
如果当矩阵A和B是对角式的，由向量g组成的矩阵G也是对角式的，那么典型的预算为
1703537305
1703537306
1703537307
1703537308
1703537309
这就是广义的非对称DCC模型（AGDCC），这是由Cappiello等学者（2007）提出的。
1703537310
1703537311
DCC模型的计算优势之一是，它们可以使用目标相关系数以取代截距参数的一致估计。在这些情况下，这会变得更加复杂，同时在一些模型中这可能不值得努力。考虑平均的Q为
1703537312
1703537313
1703537314
1703537315
1703537316
如果我们假设Q与相关系数的平均值R相等，则
1703537317
1703537318
1703537319
1703537320
1703537321
1703537322
1703537323
其中，和
1703537324
1703537325
这个方程可以解决任何一组参数值和任何数据集。为了保持式（7-6）中的Q为正定矩阵，那么需要保持Ω为正定矩阵。但是使用极大似然法时，约束需要保持Ω正定是很难界定的，同时可导致数值的困难。Hafner和Franses（2003）以及Hafner和其他学者（2006）提出了如何使矩阵接近正定的建议。
1703537326
1703537327
Cappiello以及其他学者（2007）想检验引入欧元后协方差矩阵是否发生改变。这是一个特定的日期，在这个日期上参数可能已经发生了改变。有几种方法可能改变参数：方差的参数可能已经发生改变，动态参数可能已经发生改变，截距Ω可能已经发生改变。每一个变化都可以表示为引入欧元后设置为1的虚拟变量的交互作用。
1703537328
1703537329
要允许截距出现突变情况，该模型可表示为
1703537330
1703537331
1703537332
1703537333
1703537334
在这种情况下，在事件发生前后需要相关系数矩阵的独立估计和相关系数矩阵中负的一部分。
1703537335
1703537336
此外如果前后的参数是不同的，那么模型可以表示为