上传一篇论文，关于研究动态相关性的研究。

计量经济学中常见研究动态相关性的方法主要有 滚动估计和多维GARCH模型（如DEVC,BEKK,或DCC）模型，而本文是从一个最generally的线性因素模型入手研究具有线性关系（如个股收益率和市场收益率之间）的两列时间序列之间的动态相关性，通过对因子的系数、因子的波动率，以及线性方程残差的方差--回归方程的波动率 分别建立随机模型（注意 模型），来研究时间序列之间的相关性；对比多维GARCH模型，经济学含义更直接更强，且方程的形式设置更自由且更符合实际（多维GARCH模型的形式多维固定，但是里面的参数却经常不显著，这就带来了多余参数的问题；另外多维GARCH 模型t时的波动率，在t-1时期就设置成为一个确定的值，这与实际极不相符）。由于线性回归模型及其参数以及各种状态变量都是随机的，方程的分布未知，极大似然估计不用用于估计，伪极大似然估计也是无效的，本论文采用MCMC的Bayesian 方法进行估计。


由于是一个最generally 的线性模型，本模型和估计方法除金融学用途外，还可以延展用到各个学科；只要两时间序列变量间能基本符合线性关系的假设，都可用此模型进行研究；估计方法不变。

希望能给使用线性回归的参数方法进行研究的同学，一点参考！

P.S  本文为作者100%原创，无相似文献