Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta
Abstract
Apresenta-se um programa em Python para a estimação dos parâmetros do modelo cDCC(1,1) em alta dimenção utilizando métodos de verossimilhança composta, em particular o estimador MSCLE e o método MacGyver. As funções de verossimilhança e o filtro de correlação condicional foram implementados com base nos programas desenvolvidos por Pakel.
Fields of Study & Subjects
Financial Risk and Volatility Modeling
Statistical and numerical algorithms
Complex Systems and Time Series Analysis
Publication details
- Journal / source
- University of Campinas
- Publication date
- 11 February 2026
- Language
- PT
- Document type
- Dataset