Modelling and forecasting of WIG20 stock index

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F14%3A86091222" target="_blank" >RIV/61989100:27510/14:86091222 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Modelling and forecasting of WIG20 stock index

Popis výsledku v původním jazyce

We examine the ARIMA-ARCH type models for the volatility and forecasting models of Polish WIG20 stock indexes based on statistical (stochastic), machine learning methods and an intelligent methodology based on soft or granular computing and make comparisons with the class of RBF neural network and SVR models. To illustrate the forecasting performance of these approaches the learning aspects of RBF networks are presented. We show a new approach of function estimation for nonlinear time series model by means of a granular neural network based on Gaussian activation function modeled by cloud concept. In a comparative study is shown that the presented approach is able to model and predict high frequency data with reasonable accuracy and more efficient thanstatistical methods.

Název v anglickém jazyce

Modelling and forecasting of WIG20 stock index

Popis výsledku anglicky

We examine the ARIMA-ARCH type models for the volatility and forecasting models of Polish WIG20 stock indexes based on statistical (stochastic), machine learning methods and an intelligent methodology based on soft or granular computing and make comparisons with the class of RBF neural network and SVR models. To illustrate the forecasting performance of these approaches the learning aspects of RBF networks are presented. We show a new approach of function estimation for nonlinear time series model by means of a granular neural network based on Gaussian activation function modeled by cloud concept. In a comparative study is shown that the presented approach is able to model and predict high frequency data with reasonable accuracy and more efficient thanstatistical methods.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/7AMB14PL029" target="_blank" >7AMB14PL029: Multiagentní přístup pro modelování podnikových systémů</a><br>

Návaznosti

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Informační technologie pro praxi 2014 : VŠB-TUO, Faculty of Economics, 9th-10th October 2014

ISBN

978-80-248-3555-6

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

89-99

Název nakladatele

VŠB-Technical University of Ostrava

Místo vydání

Ostrava

Místo konání akce

Ostrava

Datum konání akce

9. 10. 2014

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—