DCC-MIDAS modelWithout exogenous va

DCC-MIDAS modelWithout exogenous variables, we first examine the long-term correlation between the stock and bond markets affected by therealized correlation (RC). Table 1 shows the results of estimating the DCC-GARCH model for the stock and bond market returns.Obviously, θ is significant for the realized volatility (RV) and realized correlation (RC). This is a baseline model which does notincorporate investor's sentiment.From Table 1, we can find that the results in the table show that almost all parameters are significant. The estimates of α and β taketypical values. The sign of θv indicates the response of long-run volatility to RVs. Another feature of the GARCH–MIDAS model in Table 1is that the sums of α and β are 0.9808 and 0.9915 for the GARCH–MIDAS of stock and bond markets volatility. These numbers arenoticeably less than but close to 1, which implies high persistence of financial volatility. As DCC-MIDAS is concerned, the estimatedparameters of a and b are 0.0653 and 0.8522, whose sum is also less than 1. The results of the DCC-MIDAS dynamic correlation estimation,ωc reflects how the stock-bond correlation responds to RC shocks. We find a statistically insignificant but positive ωc, suggestingthat the impact of RC may be misspecified. Different results can be found in Table 2 where investor's sentiment is involved.

結果 (繁體中文) 1:

DCC-MIDAS模型
沒有外生變量，我們先檢查受股票和債券市場之間的長期關係
來實現相關（RC）。表1示出估計所述股票和債券市場返回DCC-GARCH模型的結果。
顯然，θ是用於實現波動（RV）和實現相關性（RC）顯著。這是沒有一個基準模型
納入投資者的情緒。
從表1中，我們可以發現，在表中的結果顯示，幾乎所有的參數都顯著。α和β的估計取
典型值。θv的符號表示的長期波動RV的響應。在表的GARCH-MIDAS模型的另一個特徵1
是α的總和，β為0.9808和0.9915的股票和債券市場波動的GARCH-MIDAS。這些數字
比明顯少，但接近於1，這意味著金融波動的高持久性。由於DCC-MIDAS而言，估計
的參數和b是0.0653和0.8522，其總和也小於1的DCC動態MIDAS相關估計的結果，
ωC怎麼體現股票，債券的相關性響應RC震盪。我們找到一個統計學意義，但正為ωc，提示
該RC的影響可能被錯誤識別。不同的結果在表2中，其中投資者的情緒牽涉找到。

結果 (繁體中文) 2:

DCC-MIDAS 型號
在沒有外生變數的情況下，我們首先研究受
已實現的相關性 （RC）。表1顯示了估計股票和債券市場回報的DCC-GARCH模型的結果。
顯然，α對於實現的波動性（RV）和實現的相關性（RC）具有顯著性。這是一個基線模型，它不
納入投資者的情緒。
在表 1 中，我們可以發現表中的結果顯示幾乎所有參數都是重要的。* 和 _ 取的估計值
典型值。v 的符號表示長期波動對房車的反應。表 1 中 GARCH_MIDAS 模型的另一個功能
是股票和債券市場波動的 GARCH_MIDAS 的 α 和 α 的總和為 0.9808 和 0.9915。這些數位是
明顯小於但接近1，這意味著金融波動的持久性很高。就DCC-MIDAS而言，估計
a 和 b 的參數為 0.0653 和 0.8522，其總和也小於 1。DCC-MIDAS動態相關性估計的結果，
_c 反映了股票-債券相關性對 RC 衝擊的反應。我們發現一個統計上微不足道但正的°c，建議
RC 的影響可能被錯誤指定。在涉及投資者情緒的表 2 中可以找到不同的結果。

結果 (繁體中文) 3:

DCC-MIDAS模型
在沒有外生變數的情况下，我們首先考察股票和債券市場受
實現相關（RC）。錶1顯示了股票和債券市場收益的DCC-GARCH模型估計結果。
顯然，θ對已實現波動率（RV）和已實現相關性（RC）有顯著意義。這是一個基線模型
融入投資者情緒。
從錶1可以看出，錶中的結果表明，幾乎所有參數都是顯著的。α和βtake的估計
典型值。θv表示長期波動對RVs的響應。錶1中GARCH-MIDAS模型的另一個特點
對於股票和債券市場波動性的GARCH-MIDAS，α和β之和分別為0.9808和0.9915。這些數位是
明顯小於但接近1，這意味著金融波動的高持續性。就DCC-MIDAS而言
a和b的參數分別為0.0653和0.8522，其和也小於1。DCC-MIDAS動態相關估計結果，
ωc反映了股票-債券相關性對RC衝擊的反應。我們發現一個統計上不顯著但正的ωc，表明
RC的影響可能是錯誤的。不同的結果可以在錶2中找到，其中涉及投資者的情緒。