Hosszú memóriájú modellek (ARFIMA, FIGARCH)
A hosszú memóriájú modellek frakcionális integrációs módszerek, amelyek hiperbolikusan csökkenő autokorrelációs struktúrán keresztül valódi hosszú memóriát rögzítenek. Az Granger és Joyeux (1980) által bevezetett ARFIMA a hozamsorozatok hosszú memóriáját modellezi, míg a Baillie, Bollerslev és Mikkelsen (1996) által bevezetett FIGARCH a volatilitási sorozatok hosszú memóriáját rögzíti; a d paraméter a frakcionális integráció mértékét méri.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/hu/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) modellÖkonometria↔ compare
- GARCH modell (volatilitás-előrejelzés)Ökonometria↔ compare
- Nagyfrekvenciás adatok és piaci mikrostruktúra-elemzésPénzügy↔ compare
- Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelÖkonometria↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →