Models de memòria llarga (ARFIMA, FIGARCH)
Els models de memòria llarga són mètodes d'integració fraccionària que capturen una memòria llarga genuïna mitjançant una estructura d'autocorrelació de decaïment hiperbòlic. ARFIMA, introduït per Granger i Joyeux (1980), modela la memòria llarga en sèries de rendiments, mentre que FIGARCH, introduït per Baillie, Bollerslev i Mikkelsen (1996), captura la memòria llarga en sèries de volatilitat; el paràmetre d mesura el grau d'integració fraccionària.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Granger, C. W. J. & Joyeux, R. (1980). An Introduction to Long-Memory Time Series Models and Fractional Differencing. Journal of Time Series Analysis, 1(1), 15-29. DOI: 10.1111/j.1467-9892.1980.tb00297.x ↗
- Baillie, R. T., Bollerslev, T. & Mikkelsen, H. O. (1996). Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 74(1), 3-30. DOI: 10.1016/S0304-4076(95)01749-6 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/ca/finance/long-memory-models
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model d'ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Model GARCH (Previsió de la Volatilitat)Econometria↔ compare
- Anàlisi de Microestructura de Mercat i Dades d'Alta FreqüènciaFinances↔ compare
- Regressió per Mínims Quadrats Ordinàris (MQO)Econometria↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →