Pitkän muistin mallit (ARFIMA, FIGARCH)
Pitkän muistin mallit ovat osittaisintegrointimenetelmiä, jotka mallintavat aitoa pitkää muistia hyperbolisesti vaimenevan autokorrelaatiorakenteen avulla. Granger ja Joyeux (1980) esittelivät ARFIMA-mallin tuottomallien pitkän muistin mallintamiseen, kun taas Baillie, Bollerslev ja Mikkelsen (1996) esittelivät FIGARCH-mallin volatiliteettisarjojen pitkän muistin mallintamiseen; parametri d mittaa osittaisintegroinnin astetta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/fi/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) -malliEkonometria↔ compare
- GARCH-malli (volatiliteetin ennustaminen)Ekonometria↔ compare
- Korkeataajuusdata ja markkinamikrostruktuuri-analyysiRahoitus↔ compare
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →