原文链接：http://tecdat.cn/?p=7194
这个简短的演示说明了使用r软件包的DCC模型及其方法的使用，尤其是在存在MVT分布形状参数的情况下进行2级DCC估计的另一种方法。
第一阶段并将其传递给dccfit
代码语言：javascript复制 cl = makePSOCKcluster(10)
multf = multifit(uspec, Dat, cluster = cl)接下来，估计DCC模型。
代码语言：javascript复制fit1 = dccfit(spec1, data = Dat, fit.control = list(eval.se = TRUE), fit = multf, cluster = cl)为了在实践中拟合DCC（MVT）模型，要么假定第一阶段的QML，要么必须在阶段中共同估算共同的形状参数。在下面的示例中，一种替代方法用于估计近似共同形状参数。
似然度和形状参数变化的图表明，只需几次迭代即可收敛到稳定值。
shape参数的值表示峰度为1.06。对非对称DCC（MVT）模型重复进行拟合。
代码语言：javascript复制xspec = ugarchspec(mean.model = list(armaOrder = c(1,1)), variance.model = list(garchOrder = c(1,1), model = "eGARCH"), distribution.model = "norm")下表显示了估算模型的摘要，系数旁边的星号表示显着性水平（*** 1％，* 5％， 10％）。
代码语言：javascript复制## DCC-MVN aDCC-MVN DCC-MVL aDCC-MVL DCC-MVT aDCC-MVT
## a 0.00784*** 0.00639*** 0.00618*** 0.0055*** 0.00665*** 0.00623***
## b 0.97119*** 0.96956*** 0.97624*** 0.97468*** 0.97841*** 0.97784***
## g 0.00439 0.00237 0.00134
## shape 9.63947*** 9.72587***
## LogLik 22812 22814 22858 22859 23188 23188下图表说明了来自不同模型的一些动态相关性：
终止集群对象：
代码语言：javascript复制stopCluster(cl)
