求动态条件相关系数

function [parameters ll Ht VCV scores diagnostics]=dcc（datadataAsymmlnpoqgjrTypemethodcompositestartingValsoptions）
% Estimation of scalar DCC（mn） and ADCC（mln） multivarate volatility model with with TARCH（poq）
% or GJRGARCH（poq） conditional variances
%
% USAGE:
%  [PARAMETERS] = dcc（DATA[]MLN）
%  [PARAMETERSLLHTVCVSCORESDIAGNOSTICS] = dcc（DATADATAASYMMLNPOQ...
%                                                    GJRTYPEMETHODCOMPOSITESTARTINGVALSOPTIONS）
%
% INPUTS:
%   DATA         - A T by K matrix of zero mean residuals -OR-
%                    K by K by T array of covariance estimators （e.g. realized covariance）
%   DATAASYM     - [OPTIONAL] K by K by T array of asymmetric covariance estimators only needed if
%                    DATA is 3-dimensional and O>0 or L>0
%   M            - Order of symmetric innovations in DCC model
%   L            - Order of asymmetric innovations in ADCC model
%   N            - Order of lagged correlation in DCC model
%   P            - [OPTIONAL] Positive scalar integer representing the number of symmetric innovations in the
%                    univariate volatility models.  Can also be a K by 1 vector containing the lag length
%                    for each series. Default is 1.
%   O            - [OPTIONAL] Non-negative scalar integer representing the number of asymmetric innovations in the
%                    univariate volatility models.  Can also be a K by 1 vector containing the lag length
%                    for each series. Default is 0.
%   Q            - [OPTIONAL] Non-negative scalar integer representing the number of conditional covariance lags in
%                    the univariate volatility models.  Can also be a K by 1 vector containing the lag length
%                    for each series. Default is 1.
%   GJRTYPE      - [OPTIONAL] Either 1 （TARCH/AVGARCH） or 2 （GJR-GARCH/GARCH/ARCH）. Can also be a K by 1 vector
%                    containing the model type for each for each series. Default is 2.
%   METHOD       - [OPTIONAL] String one of ‘3-stage‘ （Default） or ‘2-stage‘.  Determines whether
%                    the model is estimated using the 3-stage estimator or if the correlation intercepts
%                    are jointly estimated along with the dynamic parameters.
%   COMPOSITE    - [OPTIONAL] String value either ‘None‘ （Default） ‘Diagonal‘ or ‘Full‘.  None
%                    uses standard QMLE.  ‘Diagonal‘ and ‘Full‘ both uses composite likelihood where
%                    ‘Diagonal‘ uses all pairs of the form ii+1 while ‘Full‘ uses all pairs.
%   STARTINGVALS - [OPTIONAL] Vector of starting values to use.  See parameters and COMMENTS.
%   OPTIONS      - [OPTIONAL] Options to use in the model optimization （fmincon）
%
% OUTPUTS:
%   PARAMETERS   - Estimated parameters.  Output depends on METHOD.
%                    3-stage: [VOL（1） ... VOL（K） corr_vech（R）‘ vech（N）‘ alpha gamma beta]
%                    2-stage: [VOL（1） ...