เปรียบเทียบวิธี

	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)	แบบจำลอง GARCH (การพยากรณ์ความผันผวน)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1970	1986
ผู้ริเริ่ม	George Box and Gwilym Jenkins	Tim Bollerslev
ประเภท	Time series forecasting model	Conditional volatility model
แหล่งต้นตำรับ	Box, G. E. P., & Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day.	Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327.
ชื่อเรียกอื่น	ARIMA, Box-Jenkins model, integrated ARMA, ARIMA(p,d,q)	GARCH, GARCH(1,1), conditional volatility model, GARCH Modeli (Oynaklık Tahmini)
ที่เกี่ยวข้อง	6	5
สรุป	The ARIMA(p,d,q) model is the standard workhorse for univariate time series forecasting. It combines autoregressive terms (past values), differencing to induce stationarity, and moving average terms (past shocks) into a unified linear framework. Developed by Box and Jenkins (1970), it remains one of the most widely applied models in econometrics and applied statistics.	The Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model, introduced by Tim Bollerslev in 1986, models the time-varying conditional variance of a financial time series. It captures volatility clustering and the ARCH effect, and is the standard tool for estimating risk and volatility in return series.