بهبود پیش بینی مدل های خانواده GARCH با شبکه های عصبی مصنوعی: برنامه ای برای بازگشت روزانه در بورس اوراق بهادار استانبول

بهبود پیش بینی مدل های خانواده GARCH با شبکه های عصبی مصنوعی: برنامه ای برای بازگشت روزانه در بورس اوراق بهادار استانبول

Improving forecasts of GARCH family models with the artificial neural networks:An application to the daily returns in Istanbul Stock Exchange

سال نشر:

2009

نویسندگان:

Melike Bildirici, Özgür Ömer Ersin

تعداد صفحه فارسی/انگلیسی:

8

کلمات کلیدی:

Volatility، Stock returns، ARCH/GARCH، EGARCH، TGARCH، PGARCH، APGARCH، Artificial، neural networks

دانشگاه

Yeditepe University, Faculty of Commerce, Department of International Trade and Business, Kadikoy, Kayisdagi, _ Istanbul, Turkey

نشریه

Expert Systems with Applications

چکیده مقاله

ABSTRACT

In the study, we discussed the ARCH/GARCH family models and enhanced them with artificial neural networks to evaluate the volatility of daily returns for 23.10.1987–22.02.2008 period in Istanbul Stock Exchange. We proposed ANN-APGARCH model to increase the forecasting performance of APGARCH model. The ANN-extended versions of the obtained GARCH models improved forecast results. It is noteworthy that daily returns in the ISE show strong volatility clustering, asymmetry and nonlinearity characteristic.

 

دانلود مقاله

دریافت لینک دانلود برای دریافت فایل مدنظر نام و ایمیل خود را در فرم زیر وارد کنید تا لینک دانلود برای شما ارسال شود  حتما آدرس ایمیل خود را به صورت صحیح وارد کنید .

مقاله های مرتبط

No Post found