DCC-GARCH模型（DynamicConditionalCorrelationGeneralizedAutoregressiveConditionalHeteroskedasticityModel）是一种用于分析多元时间序列波动性和动态相关性的计量经济学模型。它由Engle（2002）提出，是对传统GARCH模型的扩展，特别适用于研究金融市场中不同资产或变量之间的时变相关性。该模型的核心思想是将多元波动率建模分解为两个部分：1.单变量GARCH过程：分别估计各变量的条件方差2.动态条件相关过程：捕捉变量间时变的相关结构主要特点包括：-能够捕捉金融时间序列常见的波动聚集现象-反映市场间相关性的时变特征-计算相对简便，参数解释直观在R语言中，可以通过rmgarch、ccgarch等包实现DCC-GARCH模型的估计和诊断。典型应用包括：-资产组合风险管理-跨市场传染效应分析-避险策略研究-波动溢出效应检验模型估计通常包含以下步骤：1.数据预处理（平稳性检验等）2.单变量GARCH建模3.DCC参数估计4.模型诊断检验5.结果分析与应用
