Forecasting financial time series with multiple kernel learning
Visualitza/Obre
LFAALB-IWANN17.pdf (273,6Kb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
10.1007/978-3-319-59147-6_16
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/129895
Tipus de documentComunicació de congrés
Data publicació2017
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
This paper introduces a forecasting procedure based on mul-tivariate dynamic kernels to re-examine –under a non linear framework–the experimental tests reported by Welch and Goyal showing that severalvariables proposed in the academic literature are of no use to predict theequity premium under linear regressions. For this approach kernel functions for time series are used with multiple kernel learning in order torepresent the relative importance of each of these variabl
CitacióFábregues, L.; Arratia, A.; Belanche, L. Forecasting financial time series with multiple kernel learning. A: International Workshop on Artificial Neural Networks. "Advances in Computational Intelligence : 14th International Work-Conference on Artificial Neural Networks, IWANN 2017". 2017, p. 176-187.
ISBN978-3-319-59147-6
Versió de l'editorhttps://link.springer.com/chapter/10.1007/978-3-319-59147-6_16
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
LFAALB-IWANN17.pdf | 273,6Kb | Accés restringit |