1703538165
1703538166
1703538167
1703538168
第一组矩条件由下式给出
1703538169
1703538170
1703538171
1703538172
1703538173
第二组矩条件最好的表达方式是使用第一层中得到的标准化收益。它们十分含糊地取决于参数θ的向量。距是下述表达式的特殊元素
1703538174
1703538175
1703538176
1703538177
1703538178
第三组矩条件由下式给出
1703538179
1703538180
1703538181
1703538182
1703538183
针对每个参数都有一个矩条件，因此在大多数情形中存在一组参数使得矩条件式（11-26）、式（11-27）和式（11-28）都等于0。根据这些条件的结果，θ必须使得式（11-26）等于0。采用θ，ψ的特定值，使得式（11-27）等于0。最后，使用先前已经得出的两组参数，解式（11-28），得φ。矩条件的递归结构使得估计式称为一个有顺序的三步过程。
1703538184
1703538185
Engle和Sheppard（2005b）的定理1说明，在一系列规范条件下，估计工具是一致的
1703538186
1703538187
1703538188
1703538189
1703538190
定理2说明在一系列附加规范条件下，估计工具是渐进正态的，其协方差矩阵是普通的三明治形状
1703538191
1703538192
1703538193
1703538194
1703538195
其中A0和B0由下式给出
1703538196
1703538197
1703538198
1703538199
1703538200
1703538201
此结果显示了如何用阶段估计策略估计DCC模型的协方差矩阵。尽管Engle和Sheppard（2005b）已经使用过该方法，然而它并没有被广泛采用。式（11-31）的衍生物能够进行数字运算，然而幸运的是，其中一些非常简单。比方说，最大的部分仅仅是识别矩阵。很可能是因为波动率参数的变化会对协方差估计值产生相对较小的影响，因而第一列的第二和第三元素也可能非常小。那么标准差上的Hessian效应并不显著。B的估计大致就是加总矩条件的平方项和对角元素以及必要时修正自回归。如果模型是正确建立的话，那么这些距应该是鞅差序列，并且同式（11-32）一样的简单估计量或许就可以满足要求了。
1703538202
1703538203
1703538204
1703538205
1703538206
对于一些没有正确建立的模型，许多序列相关系数一致的协方差估计量都可以替换式（11-32）。这些估计量的表现是未来研究的一个重点。
1703538207
1703538208
1703538209
1703538210
1703538211
预见相关性：风险管理新范例 [:1703535740]
1703538212
预见相关性：风险管理新范例 第12章 结论
1703538213
1703538214
如今的金融决策制定和风险分析需要准确和及时的相关系数估计量以及了解它们未来可能会如何演化。本书中已经提出了分析相关系数新的思路，并将它们同已存在的思路进行了对比。DCC模型和它的扩展式，如因子DCC模型，都是很有发展前途的工具。这些模型简易而功能强大，并且已经显示了面对剧烈变动的投资环境提供有效风险估计和暂时稳定性的能力。