这个好啊

想向楼主请教一下，您的输入参数A，是各个均值方程的残差然后标准化的吗？还有怎样标准化的呢？谢谢啦！我是做毕业论文用DCC_MVGARCH模型遇到不懂的了，谢谢！

感觉算错了，用R软件算出来的和别人发表的论文中的结果很相似，但是用楼主这个计算方法，出来的系数差别很大。

请问大神，会不会用R软件做动态相关系数啊

dcc_mvgarch这个函数怎么写的呀？

你好,请问一下R使用哪个包能计算动态相关系数哈?

mgarch包可做（需本地安装），或者是rmgarch包（R中自带）

我现在碰到的问题是不知道怎么用R画图= = 你有没有尝试过用R画动态相关系数图?

我没做过这个模型，只是前一段时间看到过这2个软件包。画图的话，个人感觉你可以看看软件包里面的帮助，或者是看看R里面画图的软件包帮助。我觉得既然把相关系数的结果都运行出来了，就应该存在一个命令把图画出来。

谢了 实际上我用的R包貌似能算出DCC的两个系数 但是包里面好像没有方法利用这个去求动态条件相关系数图

求解。。。输入数据应该是收益率吗？

楼主，你有dcc-garch的程序包吗，做毕设到现在还没编出来，很是着急，谢谢楼主！

我也感觉不对。画出来的图像不对。

你好，我做出的结果是这样的，不知道怎么读
[DCC_parameters,DCC_LL,DCC_Ht]=dcc_mvgarch(data,1,1,1,1);
DCC_corr=squeeze(DCC_Ht(1,2,:))./(squeeze(sqrt(DCC_Ht(1,1,:))).*squeeze(sqrt(DCC_Ht(2,2,:))));
plot(DCC_corr)
Estimating GARCH model for Series 1
Warning: Options LargeScale = 'off' and Algorithm = 'trust-region-reflective' conflict.
Ignoring Algorithm and running active-set algorithm. To run trust-region-reflective, set
LargeScale = 'on'. To run active-set without this warning, use Algorithm = 'active-set'.
> In fmincon at 445
  In fattailed_garch at 198
  In dcc_mvgarch at 82
Estimating GARCH model for Series 2
Warning: Options LargeScale = 'off' and Algorithm = 'trust-region-reflective' conflict.
Ignoring Algorithm and running active-set algorithm. To run trust-region-reflective, set
LargeScale = 'on'. To run active-set without this warning, use Algorithm = 'active-set'.
> In fmincon at 445
  In fattailed_garch at 198
  In dcc_mvgarch at 82


Estimating the DCC model
Warning: Options LargeScale = 'off' and Algorithm = 'trust-region-reflective' conflict.
Ignoring Algorithm and running active-set algorithm. To run trust-region-reflective, set
LargeScale = 'on'. To run active-set without this warning, use Algorithm = 'active-set'.
> In fmincon at 445
  In dcc_mvgarch at 98

____________________________________________________________
   Diagnostic Information

Number of variables: 2

Functions
Objective:                            dcc_mvgarch_likelihood
Gradient:                             finite-differencing
Hessian:                              finite-differencing (or Quasi-Newton)

Constraints
Nonlinear constraints:             do not exist

Number of linear inequality constraints:    1
Number of linear equality constraints:      0
Number of lower bound constraints:          2
Number of upper bound constraints:          0

Algorithm selected
   medium-scale: SQP, Quasi-Newton, line-search


____________________________________________________________
   End diagnostic information

                                Max     Line search  Directional  First-order
Iter F-count        f(x)   constraint   steplength   derivative   optimality Procedure
    0      3      1488.86    -0.009998                                         
    1      6      1486.36   5.351e-017            1        -60.8          318   

Local minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in
feasible directions, to within the selected value of the function tolerance,
and constraints were satisfied to within the selected value of the constraint tolerance.

<stopping criteria details>

Active inequalities (to within options.TolCon = 1e-006):
  lower      upper     ineqlin   ineqnonlin
    1                                 
    2                                 

不是ccgarch吗？