.png){kind=icon}
返回
Adaptive Fuzzy Level Set Algorithm for Bitcoin Realized Volatility Modeling and Forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-97228-7_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的加密货币风险管理方法。基于水平集的自适应模糊模型被建议用于模拟和预测比特币已实现波动率。该模型被称为自适应水平集模型（ALSM），是一种基于规则的模糊推理系统，利用水平集的概念以数据驱动和自适应的方式确定模型输出。对ALSM模型生成的已实现波动率一步提前预测在准确性方面进行评估，并与替代机器学习模型、演化模糊模型以及异质自回归（HAR）模型进行比较。HAR模型作为已实现波动率预测评估的基准。结果表明，ALSM模型在所有竞争方法中达到最高精度，突显了其作为辅助投资者预测比特币市场风险的宝贵工具的潜力。
Keyword:
Adaptive Fuzzy Modeling
Realized Volatility
Level Set
Bitcoin
Forecasting
期刊
A
IF:
0
论文数:
24
被引数:
0
机构
引用论文
Adaptive Fuzzy Modeling and Forecasting of Financial Time Series.png)
2024 IEEE Symposium on Computational Intelligence for Financial Engineering and Economics (CIFEr)
2024 IEEE Symposium on Computational Intelligence for Financial Engineering and Economics (CIFEr)IF0
PREAI
分享收藏
分享收藏Can joint modelling of external variables sampled at different frequencies enhance long-term Bitcoin volatility forecasts?不同频率采样的外部变量的联合建模能否提升比特币长期波动率的预测？
PREAI
分享收藏分享收藏
查看更多内容