Počet záznamov: 1
Improving Quality of Long-Term Bond Price Prediction Using Artificial Neural Networks
Názov Improving Quality of Long-Term Bond Price Prediction Using Artificial Neural Networks Preklad názvu Zlepšenie kvality predpovedania cien dlhodobých dlhopisov pomocou umelých neurónových sietí Autorské údaje Robert Verner, Michal Tkáč, Michal Tkáč ml. Autor Verner Robert EUBPHFKKM - Katedra kvantitatívnych metód PHF Spoluautori Tkáč Michal EUBPHFKKM - Katedra kvantitatívnych metód PHF Tkáč Michal ml. EUBPHFKRP - Katedra finančného riadenia podniku PHF Zdrojový dokument Quality Innovation Prosperity. Vol. 25, no. 1 (2021), pp. 103-123 online. - Košice : Technická univerzita v Košiciach. ISSN 1335-1745 DOI 10.12776/QIP.V25I1.1532 Poznámky VEGA 1/0736/19. - Registrovaný: Scopus. - Registrovaný: Web of Science Druh dokumentu rozpis článkov z periodík Jazyk dokumentu angličtina Krajina vydania Slovenská republika Heslá dlhopisy * papiere cenné * siete neurónové * inteligencia umelá * prognózovanie * prognostika * swap * trh kapitálový Anotácia Použitie umelej inteligencie, ako presnej, robustnej a rýchlej metódy predpovedania cien dlhopisov, vzhľadom na komplexný charakter trhových informácií, ovplyvňujúcich dlhopisy. Návrh nelineárnej autoregresnej neurónovej siete, ktorá môže zlepšiť kvalitu prognózovania cien dlhopisov s výsledkami, dosahujúcimi koeficient determinácie, vyšší ako 95 %, v trénovacej, validačnej a testovacej množine. Návrh nelineárnej autoregresnej siete s externými vstupmi, s použitím 50-ročných úrokových swapov, denominovaných v eurách a indexu volatility VIX, ako dvoch externých premenných. Použitie algoritmov učenia Levenberg-Marquardt a Scaled conjugate gradient na vzorke denných cien od 4. 1. 2016 do 13. 1. 2021 (celkovo 1 270 obchodných dní). Napriek uspokojivým výsledkom oboch učiacich sa algoritmov, implementácia nezávislej premennej do prostredia autoregresnej neurónovej siete nemala významný vplyv na predikčnú schopnosť modelu. Kategória EPC ADN Registrované v WOS Registrované v SCOPUS Báza dát PUBLIKAČNÁ ČINNOSŤ Archív EPC E21 00628-001, online
Názov súboru Veľkosť Typ prístupu Plný text PDF 526.4 KB verejne dostupné 
článok
Počet záznamov: 1