logo móvil
Contáctanos

Gradientes Analíticos de Modelos de Correlación Condicional Dinámica

Autores: Caporin, Massimiliano; Lucchetti, Riccardo (Jack); Palomba, Giulio

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico


Categoría

Gestión y administración

Subcategoría

Gestión de recursos

Palabras clave

Gradiente
Verosimilitud del modelo completo
Correlación condicional dinámica
Especificación dcc
Parámetros de varianza condicional
Estimación de parámetros

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 16

Citaciones: Sin citaciones


Descripción
Proporcionamos el gradiente analítico de la verosimilitud del modelo completo para la especificación de Correlación Condicional Dinámica (DCC) de Engle (2002), la versión generalizada de Cappiello et al. (2006) y del modelo cDCC de Aielli (2013). Discutimos cómo el gradiente podría extenderse aún más al introducir elementos relacionados con los parámetros de varianza condicional, y abordamos el problema que surge de la estimación de versiones restringidas y/o reparametrizadas del modelo. Una simulación computacional compara gradientes analíticos versus numéricos, con miras a la estimación de parámetros; encontramos que la diferenciación analítica ofrece más eficiencia y una mayor precisión.

Documentos Relacionados

Temas Virtualpro