MARČEK, Dušan. FORECASTING FINANCIAL DATA: A COMBINED MODEL OF FUZZY NEURAL NETWORK AND STATISTICS. In ZENG, Xianyi; LU, Jie; KERRE, Etienne E.; MARTINEZ, Luis; KOEHL, Ludovic. Uncertainty Modelling in Knowledge Engineering and Decision Making: Proceedings of the 12th International FLINS Conference (FLINS 2016). Volume 10. Singapore: World Scientific Publishing. s. 1137-1142. ISBN 978-981-314-698-3. doi:10.1142/9789813146976_0175. 2016.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název FORECASTING FINANCIAL DATA: A COMBINED MODEL OF FUZZY NEURAL NETWORK AND STATISTICS
Autoři MARČEK, Dušan (703 Slovensko, garant, domácí).
Vydání Volume 10. Singapore, Uncertainty Modelling in Knowledge Engineering and Decision Making: Proceedings of the 12th International FLINS Conference (FLINS 2016), od s. 1137-1142, 6 s. 2016.
Nakladatel World Scientific Publishing
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 20205 Automation and control systems
Stát vydavatele Singapur
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
Kód RIV RIV/47813059:19240/16:A0000126
Organizační jednotka Filozoficko-přírodovědecká fakulta v Opavě
ISBN 978-981-314-698-3
Doi http://dx.doi.org/10.1142/9789813146976_0175
UT WoS 000417158200175
Klíčová slova anglicky Financial Data Forecasting; Fuzzy neural network; Statistical modelling; Combined model
Štítky ÚI
Příznaky Mezinárodní význam, Recenzováno
Návaznosti LQ1602, projekt VaV.
Změnil Změnil: Mgr. Kamil Matula, Ph.D., učo 7389. Změněno: 7. 1. 2020 11:14.
Anotace
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.
VytisknoutZobrazeno: 20. 4. 2024 05:16