Modeli dugog pamćenja (ARFIMA, FIGARCH)
Modeli dugog pamćenja su metode frakcijske integracije koje hvataju istinsko dugo pamćenje kroz hiperboličnu strukturu autokorelacije koja opada. ARFIMA, koji su uveli Granger i Joyeux (1980.), modelira dugo pamćenje u serijama prinosa, dok FIGARCH, koji su uveli Baillie, Bollerslev i Mikkelsen (1996.), hvata dugo pamćenje u serijama volatilnosti; parametar d mjeri stupanj frakcijske integracije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/hr/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 ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ compare
- Model GARCH (Prognoziranje volatilnosti)Ekonometrija↔ compare
- Analiza tržišne mikrostruktureFinancije↔ compare
- Regresija običnih najmanjih kvadrata (OLS)Ekonometrija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →