Dinamik Koşullu Korelasyon Analizi (DCC)

Dinamik koşullu korelasyon (DCC) yöntemi, finans alanında popüler olan ve yakın zamanda nörogörüntülemede tanıtılan model tabanlı çok değişkenli oynaklık yönteminin bir örneğidir. Bu yöntem, zaman serileri arasındaki koşullu korelasyonları tahmin etmenin bir yolunu sağlar.

Zamanla değişen korelasyonlar genellikle verilerin kareleri ve çapraz ürünleri açısından doğrusal olan çok değişkenli genelleştirilmiş otoregresif koşullu heteroskedastisite (GARCH) modelleriyle tahmin edilir. Dinamik koşullu korelasyon modelleri adı verilen yeni bir çok değişkenli model sınıfı önerilmiştir. Bunlar, korelasyonlar için tutumlu parametrik modellerle birleştirilmiş tek değişkenli GARCH modellerinin esnekliğine sahiptir. Doğrusal değildirler ancak genellikle olasılık fonksiyonuna dayalı tek değişkenli veya iki adımlı yöntemlerle çok basit bir şekilde tahmin edilebilirler. Çeşitli durumlarda iyi performans gösterdikleri ve mantıklı ampirik sonuçlar sağladıkları gösterilmiştir.

Dinamik iki değişkenli korelasyon veya kısaca dinamik korelasyon, zamanla değişen bir çift zaman serisi arasındaki korelasyondur. Dinamik korelasyonu değerlendirmek, sinirbilimdeki birçok alanda önem taşır. Dinamik korelasyon tahmini, nörogörüntülemede ilgi çekicidir çünkü birçok çalışma, özellikle dinlenme durumunda, fonksiyonel manyetik rezonans görüntüleme testi sırasında fonksiyonel bağlantıda dinamik değişiklikler belirlemiştir. Dinamik korelasyonu tahmin etmek, nörofizyolojide de ilgi çekicidir. Örneğin, farklı beyin bölgelerinden elde edilen yerel alan potansiyeli zaman serileri arasındaki dinamik korelasyon, belirli beyin bölgelerinin belirli belirli davranışlar sırasında nasıl birlikte çalıştığını keşfetmek için kullanılabilir. Bu tür değişiklikleri belirlerken, gözlemlenen korelasyonlardaki dinamik kaymaların, kullanılan tahmin yöntemine özgü sahte dalgalanmalardan kaynaklanmadığından emin olmak önemlidir.

Sinirbilim literatüründe dinamik korelasyon tahmini için şu anda mevcut olan iki yaklaşım kayan pencere yöntemi ve dinamik koşullu korelasyondur:

• Dinamik korelasyon tahmini için yaygın olarak kullanılan bir yöntem kayan pencere yöntemidir. Anlaşılması ve uygulanması kolay olsa da bu yöntemin temel sınırlaması pencere boyutunun seçimi ile ilgili belirsizliktir.
• Dinamik korelasyon tahmini için bir diğer köklü yöntem, ekonometri alanında geliştirilen ve finans literatüründe yaygın olarak kullanılan dinamik koşullu korelasyondur (DCC).

Dinamik koşullu korelasyon, kayan pencere yöntemine kıyasla birçok istenen özelliğe sahip olmasına rağmen, belirli sınırlamaları bulunmaktadır.

Sinirbilim literatüründe ortaya çıkan zaman serisi ölçümleri, yerel alan potansiyeli zaman serisi verilerinde görüldüğü gibi, ara sıra birkaç uç değere sahiptir. Bu tür değerler, sadece altta yatan bilimsel çerçeveyle uyumlu olmayan bir anormallikse göz ardı edilebilir. Dinamik koşullu korelasyon yönteminin performansının uç değerlerin varlığında sağlam olmadığı görülmektedir. Bu yöntemin bir diğer sınırlaması, sayısal algoritmalar kullanılarak pratik uygulaması ile ilgilidir.

Bugün dinamik korelasyonu tahmin etmek için kayan pencere yöntemi ve dinamik koşullu korelasyon yöntemi yanı sıra ağırlıklandırılmış grafik algoritmasına dayanan bir üçüncü yöntem daha bulunmaktadır.

Esasen korelasyon analizi, değişkenler arasındaki ilişkiyi tanımlayan ve bu ilişkinin yönü ve derecesine yönelik bilgiler sağlayan istatiksel bir yöntemdir. Korelasyon katsayısı, bağımlı değişken ile bağımsız değişkenler arasındaki ilişkinin gücünü gösteren bir değerdir. Bu değer, değişkenlerin yönü ve etkileşimlerin nasıl olduğu hakkında bilgi sağlar.

Kuruluşumuz, bilim ve teknoloji alanında dünyada yaşanan gelişmeleri yakından takip eden ve sürekli kendini geliştiren güçlü bir çalışan kadrosuna sahiptir. Çeşitli sektörlerdeki işletmeler için verilen çok sayıda test, ölçüm, analiz ve değerlendirme çalışmaları arasında, dinamik koşullu korelasyon analizi (DCC) hizmetleri de bulunmaktadır.