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。
1703538215
1703538216
我们从观察不同资产种类和国家间典型的相关性模式开始研究。相关性的经济学分析则聚焦于新闻事件对改变资产价格的作用以及为何资产间新闻事件的相关性是收益间的相关性的核心决定因素。因此，新闻资源的变动强度和重要性影响着资产间的波动性和相关性。传统的因子模型不太可能足够将如此的剧烈变动模型化。
1703538217
1703538218
第2章介绍了条件相关系数的概念以明确阐述如何模型化基于过往信息的未来条件相关性的问题。更多基于连接函数的一般度量相互依赖性的方法被提出并且这些方法提供了框架以回答有关极值和其他异常行为的问题。收益极值尤其与集中于违约的信用风险测量方式相关。从构架投资组合的观点看，准确的相关系数允许投资者更好地在收益和风险间做出最优化选择，并且为其提供了一个可以测试相关系数模型精确性的“实验室”。
1703538219
1703538220
第3章介绍了时变相关系数模型，包括历史相关系数模型，多元GARCH模型，正交GARCH，最后介绍了本书中占核心地位的动态条件相关系数模型（DCC模型）。DCC模型共有三个步骤，依次为去GARCH化，似相关系数估计以及尺度重调。这些步骤后来都被详细的验证，并附带对估计方法总体的讨论。接下来的章节则检验了普通DCC模型在实验模拟和实证检验两方面的表现。
1703538221
1703538222
相关系数随时间而变化，以回应一系列的经济新闻事件。首先检验了股票和债券间的相关系数。在大多数样本中，不同资产种类间一般都是正向相关；然而，当经济过热时，股票市场的利好消息变成债券市场的利空消息，则相关系数急剧变为负数。当大盘股公司改变它们的产业链时，或当如能源价格等潜伏因素以及如整体市场等自然因素变得更不稳定时，它们股票之间的相关系数会随时间而变动。这引起了相关系数和贝塔随时间变动的有趣现象。针对全球范围股票和债券价格联合运动的检验，使我们发现了股票波动率和相关系数中非对称效应的有力证据。在Cappiello等人（2007）的著作中，DCC模型被推广到将国别系数加入到相关系数过程中。这种广义DCC模型（GDCC）例证了DCC模型方法论重要的灵活性。在这个数据集中，使用欧元的欧洲国家股票与债券收益间的相关系数显示了显著的增长，然而，在没有采用这种货币的国家间也显示了相关系数的增长。