从BayesDCCgarch中提取相关矩阵R

Question

我目前正在试验bayesDCCgarch软件包，并一直在寻找从模型的估计中提取二元条件相关性。

函数的输出只传递方差矩阵H_t，该矩阵由H=DRD ( D_t来自于单变量garch模型的条件方差估计)组成。我在找R矩阵

我看过github 这里上的代码，并看到在脚本中，bayesDccGarch.c确实计算了相关矩阵R (第291 -300行)。

// compute the R matrix
    for(i = 0; i < k; i++){
        hiit = omega[i];// /(1.0-beta[i]); // H_{ii,1}
        MEs[i][0]  = y[0][i]/sqrt(hiit);
        for(t = 1; t < n; t++){
            hiit = omega[i] + alpha[i]*y[t-1][i]*y[t-1][i] + beta[i]*hiit; // H_{ii,t}
            MEs[i][t]  = y[t][i]/sqrt(hiit); // Standard Errors
        }
    }   
    mcov(n, k, MEs, R); // compute the R matrix

任何帮助我如何绘制相关矩阵R而不是每个系列的估计波动量，如下面的代码所示：

 library(bayesDccGarch)
 data(DaxCacNik)  
 mY<-DaxCacNik[,1:2]
 out = bayesDccGarch(mY, nSim=1000)
 plotVol(mY, out$H[,c("H_1,1","H_2,2")], c("DAX","CAC40"))

我希望将相关构造与dccfit函数在rmgarch库中的结构进行比较。

Answer 1

在与软件包的作者交谈之后，提取相关关系的正确答案确实是使用H矩阵和cov/sqrt(var)sqrt(var)。

 library(bayesDccGarch)
 data(DaxCacNik)  
 mY<-DaxCacNik[,1:2]
 out = bayesDccGarch(mY, nSim=10000)
 R<-out$H[,("H_2,1")]/sqrt(out$H[,("H_1,1")]*out$H[,("H_2,2")])