DCC-GARCH模型的参数估计值结果一切正常吗,DCC模型会估计两个参数,一个是alpha,一个是beta。alpha衡量的是DCC模型的动态条件相关性系数对当期冲击的敏感度,而beta衡量的是DCC模型的动态条件相关性系数对历史或者说上一期条件相关性系数的敏感度,这两个参数的建模思想和GARCH的alpha和beta是一样的。若是alpha的估计值较大,beta较小,那么动态条件相关性系数会显得很跳跃,因为对当期冲击反应较为剧烈,如果是alpha小,beta大 (通常是这个情况),那么动态条件相关性系数会较为平滑些,但是有较强的记忆性,就是相关性图能看得出来是渐渐爬升或者下降的,整个态势有很强的关联性。如果是alpha和beta的取值都很小很小,比如alpha1为0.0001,beta为0.00001,那么说明动态条件相关性系数的演进对当期冲击很不敏感,同时也没有什么记忆性,那结果就是DCC计算出来的动态条件相关性系数基本上没有变化,比如你这些个动态条件相关性系数画成图就是基本上一条直线在0附近。还有一种情况就是alpha很小,但是beta很大,比如alpha为0.00001,beta为0.9999,那说明动态条件相关性系数的演进对当期冲击没什么反应,但是记忆性特别特别强,那也是会导致估计出来的动态条件相关性系数不怎么变化,因为beta值太大了,这一期的相关性系数基本上就是上一期的相关性系数,同时alpha又太小,所以当期冲击基本上不产生什么相关性变化,结果就是画出来图又是很像一条直线没有起伏。那如果是发生了这两种情况,一般可能是DCC模型参数估计有错误,所以导致参数估计值出现上面这两个极端情况,你可以试着调一调DCC模型参数估计的初始值,将取值放在比较合理的地方,比如alpha为0.1,beta为0.9,让程序再计算看看,假设默认是alpha为0.5和beta也为0.5,那不排除有可能这种设置导致估计出问题,但是也不一定啦,实际操作时还是要具体分析。还有一种原因的解释那就是这一段数据可能刚刚好就是常数条件相关性系数(CCC)的性质很明显,与这个假设较为符合,那很可能DCC模型会得到这样极端的估计结果,因为确实相关性动态的性质不明显,如果要建模的话那就用CCC-GARCH(Bollerslev, 1990)就好,当然一般情况下大部分资产或者研究对象都是更符合动态相关性系数的假设的,所以这个情况其实也不多见。如果从模型理论的角度来解释大概就是这样。
|