Langzeitgedächtnismodelle (ARFIMA, FIGARCH)
Langzeitgedächtnismodelle sind fraktionale Integrationsmethoden, die echtes Langzeitgedächtnis durch eine hyperbolisch abfallende Autokorrelationsstruktur erfassen. ARFIMA, eingeführt von Granger und Joyeux (1980), modelliert Langzeitgedächtnis in Renditeserien, während FIGARCH, eingeführt von Baillie, Bollerslev und Mikkelsen (1996), Langzeitgedächtnis in Volatilitätsreihen erfasst; der Parameter d misst den Grad der fraktionalen Integration.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/de/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-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- GARCH-Modell (Volatilitätsvorhersage)Ökonometrie↔ compare
- Hochfrequenzdaten und Analyse der MarktmikrostrukturFinanzwirtschaft↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →