1703536676
预见相关性：风险管理新范例 [:1703535713]
1703536677
预见相关性：风险管理新范例 3.7 可替代方法和扩展数据集
1703536678
1703536679
本书的剩下部分将重点讨论DCC模型和它的一些最重要的扩展形式。然而对这个方法的审视工作依然远没有完成。有许多令人感兴趣的新方法被发展起来用于为相关性建模。其中一些方法使用了新的具有灵活性的函数形式。另一些方法使用了新的数据集，特别是一些方法使用了内部日常数据（intradaily data）。这些包括以日变化统计量、已实现的波动性和相关系数为基础的模型。
1703536680
1703536681
Nigfuez和Rubia（2006）说明了长记忆（long-memory）波动过程能一般化到多元情况。Asai等（2006）考察了多元随机波动模型的应用。Chib等（2006）、Yu和Meyer（2006）论证了对于大型系统的可行性。Andersen等（2005）讨论了利用已实现的波动性和相关系数的方法。Hafner等（2006）详细介绍了一个半参数方法。他和Terasvirta（2004）考虑了一类将不变条件相关模型一般化的多元GARCH模型。Audrino和Barone-Adesi（2006）、Ledoit等人（2003）、Ledoit等人（2003）、Ledoit和Wolf（2003）以及Dellaportas和Vrontos（2007）介绍了一些模型，这些模型将静态和动态模型结合在一起给出了一个本质上收缩风格估计量。Bekaert和Harvey（1995），Gallo和Ortanto（2007）考察了一些相关系数的结构转换（regime-switching）模型。Braun等（1995）构建了基于指数GARCH（EGARCH）的模型和一个关于条件β系数的伴随模型（companion model）。Storti（2008）介绍了一个双线性GARCH模型的多元形式。Kawakatsu（2006）和Caporin（2007）介绍了一个指数模型，这个指数模型中的方差对相关系数的预测有影响。Christodoulakis（2007）参数化了协方差矩阵的Cholesky因式分解。Palandri（2005）将一个相关矩阵分解成偏相关系数的一个组合，这个组合可以被参数化。McAleer和Da Veiga（2008）利用他们称为的一个“溢出效应”（a spillover effect）为协方差进行了建模。Rosenow（2008）说明了如何用随机矩阵理论来理解相关矩阵的样本分布和估计主成分的最优数量以及新类别的多元GARCH模型。Harris等（2007）构建了一些简单的一元投资组合模型来推断整个协方差矩阵。
1703536682
1703536683
1703536684
1703536685
1703536686
预见相关性：风险管理新范例 [:1703535714]
1703536687
预见相关性：风险管理新范例 第4章 动态条件相关系数模型
1703536688
1703536689
DCC模型的规范阐述和估计大致需要三个步骤。第一步，必须估算出波动率，用以构造标准残差或者经波动率调整的收益。这被称作对数据进行“去GARCH”处理。第二步，基于标准残差，以动态形式估计似相关系数。第三步，将以上估计出的似相关系数矩阵重新调整为真正的相关系数矩阵。这三个步骤将会在本章依次介绍。而估算方法将会作为整体被介绍。
1703536690
1703536691
1703536692
1703536693
1703536694
预见相关性：风险管理新范例 [:1703535715]
1703536695
预见相关性：风险管理新范例 4.1 去GARCH化
1703536696
1703536697
前一章介绍的DCC模型，以标准残差矩阵和相关系数矩阵的常见形式，表示收益序列的协方差矩阵
1703536698
1703536699
1703536700
1703536701
1703536702
由于是矩阵记法，因而条件相关系数矩阵仅仅是标准误差的协方差矩阵
1703536703
1703536704
1703536705
1703536706
1703536707
估计条件相关系数所需的信息被概括在这些经波动率调整的收益中。估计H中各元素的过程可以分成两个部分，首先是估计对角元素，然后用它们估计非对角元素。
1703536708
1703536709
这一步骤需要更为慎重地考虑，因为它对于全部估计量至关重要。Dt的对角元素是各资产基于过往信息集的期望方差平方根。即
1703536710
1703536711
1703536712
1703536713
1703536714
这是一个受到广泛关注的问题。一个随机变量基于过往信息的方差是什么？一个简易的答案可由ARCH/GARCH模型表示出来。
1703536715
1703536716
比方说，GARCH（1，1）模型定义为
1703536717
1703536718
1703536719
1703536720
1703536721
此模型可分别估计各项资产的条件方差，那么标准残差定义为
1703536722
1703536723
1703536724
1703536725