So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Mô hình ARIMA (Autoregressive Integrated Moving Average)× | Mô hình GARCH (Dự báo Biến động)× | |
|---|---|---|
| Lĩnh vực | Kinh tế lượng | Kinh tế lượng |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 2015 | 1986 |
| Người khởi xướng≠ | Box & Jenkins (Box-Jenkins methodology) | Tim Bollerslev |
| Loại≠ | Univariate time-series model | Conditional volatility model |
| Công trình gốc≠ | 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 | Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327. DOI ↗ |
| Tên gọi khác≠ | Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli | GARCH, GARCH(1,1), conditional volatility model, GARCH Modeli (Oynaklık Tahmini) |
| Liên quan | 5 | 5 |
| Tóm tắt≠ | 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). | 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. |
| ScholarGateBộ dữ liệu ↗ |
|
|