Modello Multifrattale a Commutazione di Markov
Il modello Multifrattale a Commutazione di Markov (MSM) è un framework flessibile per catturare la volatilità variabile nel tempo e gli effetti di memoria lunga nelle serie storiche finanziarie. Sviluppato da Calvet e Fisher (2004), combina la teoria delle catene di Markov con i principi di scaling multifrattale per generare volatilità che esibisce componenti a frequenza multipla, ciascuna commutando tra regimi alti e bassi. Questo approccio è particolarmente efficace per modellare i rendimenti degli asset con code grasse realistiche e volatilità clusterizzata.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Markov-Switching Multifractal Model. ScholarGate. https://scholargate.app/it/time-series/markov-switching-multifractal
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Modello GARCH (Previsione della Volatilità)Econometria↔ confronta
- Filtro di KalmanBayesiano↔ confronta
- Autoregressione Vettoriale (VAR)Econometria↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →