- -

Data frequency and forecast performance for stock markets: A deep learning approach for DAX index

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Data frequency and forecast performance for stock markets: A deep learning approach for DAX index

Mostrar el registro completo del ítem

Mendes, DA.; Ferreira, N.; Mendes, V. (2023). Data frequency and forecast performance for stock markets: A deep learning approach for DAX index. Editorial Universitat Politècnica de València. 39-40. http://hdl.handle.net/10251/201760

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/201760

Ficheros en el ítem

Metadatos del ítem

Título: Data frequency and forecast performance for stock markets: A deep learning approach for DAX index
Autor: Mendes, Diana A. Ferreira, Nuno Mendes, Vivaldo
Fecha difusión:
Resumen:
[EN] Due to non-stationary, high volatility, and complex nonlinear patterns of stock market fluctuation, it is demanding to predict the stock price accurately. Nowadays, hybrid and ensemble models based on machine learning ...[+]
Palabras clave: Big Data , Time Series Prediction , SARIMAX model , LSTM and BiLSTM model , German stock market
Derechos de uso: Reconocimiento - No comercial - Compartir igual (by-nc-sa)
ISBN: 9788413960869
Fuente:
5th International Conference on Advanced Research Methods and Analytics (CARMA 2023).
Editorial:
Editorial Universitat Politècnica de València
Versión del editor: http://ocs.editorial.upv.es/index.php/CARMA/CARMA2023/paper/view/16477
Título del congreso: CARMA 2023 - 5th International Conference on Advanced Research Methods and Analytics
Lugar del congreso: Sevilla, España
Fecha congreso: Junio 28-30, 2023
Tipo: Capítulo de libro Comunicación en congreso

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem