1703538038
在DCC模型中，相关系数定向应用于均值回复模型的估计中。然而它只是一种近似估计，因为估计方程式是非线性的。式（4-36）显示
1703538039
1703538040
1703538041
1703538042
1703538043
并且由所有时期假设为大写T间求平均数
1703538044
1703538045
1703538046
1703538047
1703538048
其中S是标准化残差的样本协方差矩阵，因为全部变量都经波动率调整并且方差等于1。如果我们也假设
1703538049
1703538050
1703538051
1703538052
1703538053
那么
1703538054
1703538055
1703538056
1703538057
1703538058
这就被称为“相关系数定向”或者称为“一阶相关系数定向”。
1703538059
1703538060
经常可以观察到，尤其是在真实数据或者模拟过程中，α中存在着一种向下的偏误。这可能来自于式（11-6）的假设。
1703538061
1703538062
一个更好的近似，我们或许可以称之为“二阶相关系数定向”，可以由下式推导得出。可计算的相关系数矩阵Rt有下式给出
1703538063
1703538064
1703538065
1703538066
1703538067
并且它的平均数可以定义为
1703538068
1703538069
1703538070
1703538071
1703538072
由于R的定义具有非线性，R的均值不同于Q的均值。我们可以得出R的期望即是期望的非条件相关系数，S：
1703538073
1703538074
1703538075
1703538076
1703538077
当T→∞时，概率间的差距收敛于0，如下式
1703538078
1703538079
1703538080
1703538081
1703538082
我们现在可以寻找一种关系
1703538083
1703538084
1703538085
1703538086
1703538087
针对t时刻的相关系数，该式可以表示为