Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Модель GARCH (Прогнозування волатильності)× | Модель ARIMA (Авторегресійна інтегрована ковзна середня)× | |
|---|---|---|
| Галузь | Економетрика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1986 | 2015 |
| Автор методу≠ | Tim Bollerslev | Box & Jenkins (Box-Jenkins methodology) |
| Тип≠ | Conditional volatility model | Univariate time-series model |
| Основоположне джерело≠ | Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI ↗ | Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021 |
| Інші назви≠ | GARCH, GARCH(1,1), conditional volatility model, GARCH Modeli (Oynaklık Tahmini) | Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli |
| Пов'язані | 5 | 5 |
| Підсумок≠ | 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. | ARIMA is a univariate time-series forecasting model that combines autoregressive, integrated (differencing), and moving-average components to predict a single continuous series from its own past. It is the centrepiece of the Box-Jenkins methodology set out in Box, Jenkins, Reinsel & Ljung's Time Series Analysis (5th ed., 2015). |
| ScholarGateНабір даних ↗ |
|
|