Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Forecasting Financial Data: A Combined Model of Fuzzy Neural Network and Statistics

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19240%2F16%3AN0000106" target="_blank" >RIV/47813059:19240/16:N0000106 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.worldscientific.com/doi/pdf/10.1142/9789813146976_0175" target="_blank" >http://www.worldscientific.com/doi/pdf/10.1142/9789813146976_0175</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1142/9789813146976_0175" target="_blank" >10.1142/9789813146976_0175</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Forecasting Financial Data: A Combined Model of Fuzzy Neural Network and Statistics

  • Popis výsledku v původním jazyce

    In this paper, we apply the ARMA/ARCH methodology to develop forecasting models and compare their forecast accuracy with a class of novel hybrid fuzzy logic RBF neural network models. The used novel approach deals with nonlinear estimate of various RBF NN-based ARMA/GARCH methodologies. Our results show that the proposed approach achieves better forecast accuracy on the validation dataset than most available techniques.

  • Název v anglickém jazyce

    Forecasting Financial Data: A Combined Model of Fuzzy Neural Network and Statistics

  • Popis výsledku anglicky

    In this paper, we apply the ARMA/ARCH methodology to develop forecasting models and compare their forecast accuracy with a class of novel hybrid fuzzy logic RBF neural network models. The used novel approach deals with nonlinear estimate of various RBF NN-based ARMA/GARCH methodologies. Our results show that the proposed approach achieves better forecast accuracy on the validation dataset than most available techniques.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LQ1602" target="_blank" >LQ1602: IT4Innovations excellence in science</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 12th International FLINS Conference (FLINS 2016)

  • ISBN

    978-981-3146-96-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1137-1142

  • Název nakladatele

    World Scientific

  • Místo vydání

    Neuveden

  • Místo konání akce

    Roubaix

  • Datum konání akce

    24. 8. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku