Modele z długą pamięcią (ARFIMA, FIGARCH)
Modele z długą pamięcią to metody ułamkowej integracji, które ujmują autentyczną długą pamięć poprzez hiperbolicznie zanikającą strukturę autokorelacji. ARFIMA, wprowadzony przez Grangera i Joyeuxa (1980), modeluje długą pamięć w szeregach stóp zwrotu, podczas gdy FIGARCH, wprowadzony przez Baillie, Bollersleva i Mikkelsena (1996), ujmuje długą pamięć w szeregach zmienności; parametr d mierzy stopień ułamkowej integracji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Long-Memory Time Series Models (ARFIMA, FIGARCH). ScholarGate. https://scholargate.app/pl/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 (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Model GARCH (Prognozowanie zmienności)Ekonometria↔ compare
- Analiza danych wysokiej częstotliwości i mikrostruktury rynkuFinanse↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →