SWGARCH : an enhanced GARCH model for time series forecasting
Generalized Autoregressive Conditional Heteroskedasticity (GARCH) is one of most popular models for time series forecasting. The GARCH model uses the long run variance as one of the weights. Historical data is used to calculate the long run variance because it is assumed that the variance of a long...
محفوظ في:
المؤلف الرئيسي: | Shbier, Mohammed Z. D |
---|---|
التنسيق: | أطروحة |
اللغة: | English English |
منشور في: |
2017
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://etd.uum.edu.my/6808/1/s91141_01.pdf https://etd.uum.edu.my/6808/2/s91141_02.pdf https://etd.uum.edu.my/6808/ |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Error magnitude and directional accuracy for time series forecasting evaluation
بواسطة: Nor, Maria Elena
منشور في: (2014) -
A comparative study of forecasting container throughput through time series analysis
بواسطة: Raman, Siti Nurfaizzah, وآخرون
منشور في: (2017) -
Multivariate modelling for prediction of time-series blood glucose level using vector autoregression (VAR)
بواسطة: Abdul Monir, Nurul Aliss, وآخرون
منشور في: (2024) -
A comprehensive survey on pi-sigma neural network for time series prediction
بواسطة: Akram, Urooj, وآخرون
منشور في: (2017) -
Optimizing wavelet neural networks using modified cuckoo search for multi-step ahead chaotic time series prediction
بواسطة: Ong, Pauline, وآخرون
منشور في: (2019)