Lo scopo della tesi è mostrare se una combinazione di previsioni di diversi tipi di modelli possa migliorare le capacità predittive rispetto ai modelli presi separatamente. Sono state utilizzate tre diverse classi di modelli: modelli ARIMA-GARCH, reti neurali e una ibridazione tra queste due classi. La combinazione delle previsioni di queste diverse classi cerca di estrarne le capacità uniche nello spiegare una serie storica, andando oltre la generalizzazione fornita da un unico modello ibrido. Viene presentata una applicazione sulla previsione dell'indice VIX.
Combination of forecasts from ARIMA, Neural Networks and Hybrid models
Urettini, Edoardo
2021/2022
Abstract
Lo scopo della tesi è mostrare se una combinazione di previsioni di diversi tipi di modelli possa migliorare le capacità predittive rispetto ai modelli presi separatamente. Sono state utilizzate tre diverse classi di modelli: modelli ARIMA-GARCH, reti neurali e una ibridazione tra queste due classi. La combinazione delle previsioni di queste diverse classi cerca di estrarne le capacità uniche nello spiegare una serie storica, andando oltre la generalizzazione fornita da un unico modello ibrido. Viene presentata una applicazione sulla previsione dell'indice VIX.File in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
862172-1257555.pdf
accesso aperto
Tipologia:
Altro materiale allegato
Dimensione
922.36 kB
Formato
Adobe PDF
|
922.36 kB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14247/8044