เปรียบเทียบวิธี

	แบบจำลองมาร์คอฟ-สวิตชิง มัลติแฟร็กทัล	แบบจำลอง GARCH (การพยากรณ์ความผันผวน)
สาขาวิชา	อนุกรมเวลา	เศรษฐมิติ
ตระกูล	Process / pipeline	Regression model
ปีกำเนิด	2004	1986
ผู้ริเริ่ม	Luc E. Calvet	Tim Bollerslev
ประเภท	Stochastic volatility model	Conditional volatility model
แหล่งต้นตำรับ	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.	Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327.
ชื่อเรียกอื่น	MSM, Markov-switching multifractal volatility	GARCH, GARCH(1,1), conditional volatility model, GARCH Modeli (Oynaklık Tahmini)
ที่เกี่ยวข้อง	3	5
สรุป	The Markov-Switching Multifractal (MSM) model is a flexible framework for capturing time-varying volatility and long-memory effects in financial time series. Developed by Calvet and Fisher (2004), it combines Markov chain theory with multifractal scaling principles to generate volatility that exhibits multiple frequency components, each switching between high and low regimes. This approach is particularly effective for modeling asset returns with realistic fat tails and clustered volatility.	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.