Modelli a memoria lunga (ARFIMA, FIGARCH)
I modelli a memoria lunga sono metodi di integrazione frazionaria che catturano una memoria genuina di lungo periodo attraverso una struttura di autocorrelazione a decadimento iperbolico. L'ARFIMA, introdotto da Granger e Joyeux (1980), modella la memoria lunga nelle serie dei rendimenti, mentre il FIGARCH, introdotto da Baillie, Bollerslev e Mikkelsen (1996), cattura la memoria lunga nelle serie di volatilità; il parametro d misura il grado di integrazione frazionaria.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/it/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.
- Modello ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Modello GARCH (Previsione della Volatilità)Econometria↔ compare
- Analisi della Microstruttura di Mercato e Dati ad Alta FrequenzaFinanza↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →