Langhukommelsesmodeller (ARFIMA, FIGARCH)
Langhukommelsesmodeller er fraktionelle integrationsmetoder, der fanger ægte lang hukommelse gennem en hyperbolsk aftagende autokorrelationsstruktur. ARFIMA, introduceret af Granger og Joyeux (1980), modellerer lang hukommelse i afkastserier, mens FIGARCH, introduceret af Baillie, Bollerslev og Mikkelsen (1996), fanger lang hukommelse i volatilitetsserier; parameteren d måler graden af fraktionel integration.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/da/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.
- ARIMA (Autoregressive Integrated Moving Average) ModelØkonometri↔ compare
- GARCH-model (volatilitetsprognoser)Økonometri↔ compare
- Højfrekvensdata og markedsmikrostrukturanalyseFinansiering↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →