Μοντέλο Μαρκοβιανής Μεταγωγής Πολυθραυσμάτων
Το μοντέλο Μαρκοβιανής Μεταγωγής Πολυθραυσμάτων (MSM) είναι ένα ευέλικτο πλαίσιο για τη σύλληψη της χρονικά μεταβαλλόμενης μεταβλητότητας και των φαινομένων μακράς μνήμης σε χρηματοοικονομικές χρονοσειρές. Αναπτυγμένο από τους Calvet και Fisher (2004), συνδυάζει τη θεωρία αλυσίδων Markov με αρχές πολυθραυσματικής κλιμάκωσης για την παραγωγή μεταβλητότητας που παρουσιάζει πολλαπλές συνιστώσες συχνότητας, καθεμία από τις οποίες μεταβαίνει μεταξύ υψηλών και χαμηλών καθεστώτων. Αυτή η προσέγγιση είναι ιδιαίτερα αποτελεσματική για τη μοντελοποίηση των αποδόσεων περιουσιακών στοιχείων με ρεαλιστικές παχιές ουρές και συσσωρευμένη μεταβλητότητα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Calvet, L. E., & Fisher, A. J. (2004). How to forecast long-run volatility: regime-switching and the estimation of multifractal processes. Journal of Financial Econometrics, 2(1), 49–83. DOI: 10.1093/jjfinec/nbh003 ↗
- Calvet, L. E., & Fisher, A. J. (2008). Multifractal Volatility: Theory, Forecasting, and Pricing. Academic Press. link ↗
- Lux, T. (2008). The Markov-switching multifractal model of asset returns: GMM estimation and linear forecasting of volatility. Journal of Business & Economic Statistics, 26(2), 194–210. DOI: 10.1198/073500107000000403 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Markov-Switching Multifractal Model. ScholarGate. https://scholargate.app/el/time-series/markov-switching-multifractal
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Μοντέλο GARCH (Πρόβλεψη Μεταβλητότητας)Οικονομετρία↔ σύγκριση
- Φίλτρο KalmanΜπεϋζιανή Στατιστική↔ σύγκριση
- Αυτοπαλινδρόμηση Διανυσμάτων (VAR)Οικονομετρία↔ σύγκριση
Similar methods
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →