DCC-GARCH模型及动态CoVaR计算 案例与代码

关注公众号卧新实验室，并回复关键数字获取本文帮助文档。例如：20001

原文链接：https://bbs.pinggu.org/thread-7866858-1-1.html

---

一、模型介绍

二、资料介绍

实现对相关期刊论文进行论文重现，解决实证分析中的技术操作问题。
里面包含了每一步详细的步骤，可以方便的利用这个手册解决大部分DCC-GARCH和CoVaR相关的论文模型的实现问题。即从数据下载到模型实现一整条操作步骤。
关键词：【动态CoVaR】【DCC-GARCH模型】【DCC-GARCH-CoVaR】

资料见原文链接，部分代码示例，查看统计值：

'一、查看数据
group gr rcu rwti rau rst   '将各收益率序列组合成一个组
gr.stats  '获取各个收益率序列的统计值

三、解决问题

① 实现从最初录入数据到最后完成
② 两个金融时间序列的动态条件相关系数
③ 两个市场间的波动率溢出问题和风险溢出效应

四、操作背景

研究大宗商品市场（A）与股票市场（B）的波动率溢出效应。运用了DCC-GARCH模型来对大宗商品价格变动与股指变动的动态相关关系进行刻画，然后在此基础上度量了大宗商品对股票市场的条件在险价值CoVaR和边际风险溢出ΔCoVaR。

五、运行结果

参考文献

[1]姜永宏,穆金旗,聂禾.国际石油价格与中国行业股市的风险溢出效应研究[J].经济与管理评论,2019,35(05):99-112.
[2]王周伟,吕思聪,茆训诚.基于风险溢出关联特征的CoVaR计算方法有效性比较及应用[J].经济评论,2014(04):148-160.
[3]闻岳春,王婕,程天笑.国内股市与国际股市、大宗商品市场的溢出效应研究[J].国际金融研究,2015(08):31-43.
[4]王朝阳,陈宇峰,金曦.国际油价对中国新能源市场的传导效应研究[J].数量经济技术经济研究,2018,35(04):131-146.